CN116223909B - 叠加信号的重建方法、装置、服务器和存储介质 - Google Patents
叠加信号的重建方法、装置、服务器和存储介质 Download PDFInfo
- Publication number
- CN116223909B CN116223909B CN202211445085.5A CN202211445085A CN116223909B CN 116223909 B CN116223909 B CN 116223909B CN 202211445085 A CN202211445085 A CN 202211445085A CN 116223909 B CN116223909 B CN 116223909B
- Authority
- CN
- China
- Prior art keywords
- signal
- frequency domain
- frequency
- harmonic
- band
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000001228 spectrum Methods 0.000 claims abstract description 99
- 238000004590 computer program Methods 0.000 claims abstract description 28
- 230000006870 function Effects 0.000 claims description 54
- 230000005284 excitation Effects 0.000 claims description 34
- 230000010355 oscillation Effects 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 7
- 229920006395 saturated elastomer Polymers 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 abstract description 14
- 238000000354 decomposition reaction Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 14
- 238000012545 processing Methods 0.000 description 11
- 238000012360 testing method Methods 0.000 description 11
- 230000007704 transition Effects 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000012546 transfer Methods 0.000 description 5
- 230000005279 excitation period Effects 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000000523 sample Substances 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000006386 memory function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
- G01R23/16—Spectrum analysis; Fourier analysis
- G01R23/165—Spectrum analysis; Fourier analysis using filters
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R15/00—Details of measuring arrangements of the types provided for in groups G01R17/00 - G01R29/00, G01R33/00 - G01R33/26 or G01R35/00
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
- G01R19/0092—Arrangements for measuring currents or voltages or for indicating presence or sign thereof measuring current only
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
- G01R23/16—Spectrum analysis; Fourier analysis
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/40—Arrangements for reducing harmonics
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Complex Calculations (AREA)
Abstract
本申请涉及一种叠加信号的重建方法、叠加信号的重建装置、服务器、存储介质和计算机程序产品。所述方法包括:获取谐波叠加信号,以及谐波叠加信号对应的信号频谱;其中,在谐波叠加信号中融合有多种分量谐波信号;基于预设的频域区间和预设的权重系数,确定信号频谱中的多个频域峰值对应所属的多个主频点的信号强度;基于多个主频点的信号强度,将信号频谱划分为多个相邻支撑区间的信号频带;在每一支撑区间的信号频带中建立对应的经验模型,以基于各信号频带对应的经验模型重建谐波叠加信号,得到重建的谐波叠加信号。采用本方法优化了对谐波叠加信号重建的流程,以及提升了后续谐波叠加信号分解的有效性。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种叠加信号的重建方法、叠加信号的重建装置、服务器、存储介质和计算机程序产品。
背景技术
磁通门电流传感器是一种是以磁通门技术为基本原理,加上闭环控制在电子电路中的应用,磁通门传感器具有分辨力高、测量弱磁场范围宽、可靠、能够直接测量磁场的分量和适于在速运动***中使用等特点。
传统的从磁通门电流传感器产生的激励电流信号中分解出测试电流的方法,首先是激励模块首先向磁通门电流传感器发出正向激励电压,使磁通门电流传感器的磁芯探头进入正向饱和。然后,电流检测模块检测磁通门电流传感器的产生的激励电流信号。最后,再对激励电流信号进行低通滤波处理,得到处理后的电流信号,并将电流信号在激励电流信号的各个激励周期之间对应的均值作为分解出的测试电流对应的测试信号。
然而,目前的分解测试电流的方法中,测试电流对应的测试信号通常处于低频段,且信号强度较小;而激励模块对应产生的调频信号则位于高频段,且信号强度较大。从而,在进行低通滤波处理时测试信号容易被作为杂波处理,导致对激励电流信号处于低频段的测试信号分解效果不佳。因此,如何构建一种易于准确分解调频信号和测试信号的激励电流信号成为了行业内亟需面对的问题。
发明内容
本公开提供一种叠加信号的重建方法、叠加信号的重建装置、服务器、存储介质和计算机程序产品,以至少解决相关技术中激励电流信号处于低频段的测试信号分解效果不佳的问题。本公开的技术方案如下:
根据本公开实施例的第一方面,提供一种叠加信号的重建方法,包括:
获取谐波叠加信号,以及所述谐波叠加信号对应的信号频谱;在所述谐波叠加信号中融合有多种分量谐波信号,所述信号频谱用于表征所述多种分量谐波信号对应频域范围内的傅里叶幅值;
基于预设的频域区间和预设的权重系数,确定所述信号频谱中的多个频域峰值对应所属的多个主频点的信号强度;所述频域区间属于所述频域范围,所述频域峰值为所述频域范围内的傅里叶幅值的极大值,且所述极大值对应处于所述频域范围内的频点为所述主频点;
基于所述多个主频点的信号强度,将所述信号频谱划分为多个相邻支撑区间的信号频带;所述支撑区间为部分所述频域范围所在的频域区间,且每一所述支撑区间内包括一个所述主频点,所述信号频带为对应频域区间内的所述信号频谱;
在每一所述支撑区间的信号频带中建立对应的经验模型,以基于各所述信号频带对应的经验模型重建所述谐波叠加信号,得到重建的谐波叠加信号。
在一示例性实施例中,所述预设的频域区间包括至少两个,且每一所述频域区间对应一个预设的权重系数;
所述基于预设的频域区间和预设的权重系数,确定所述信号频谱中的多个频域峰值对应所属的多个主频点的信号强度,包括:
基于所述信号频谱的频域范围和傅里叶幅值,在所述信号频谱中确定多个频域峰值;
基于各所述频域峰值对应所属的主频点的频域值,确定各所述主频点所属的频域区间和对应的权重系数;
基于各所述主频点所属的频域区间和对应的权重系数,确定各所述主频点对应的权重函数;
基于各所述主频点对应的频域峰值和权重函数,确定各所述主频点对应的的信号强度。
在一示例性实施例中,所述基于所述多个主频点的信号强度,将所述信号频谱划分为多个相邻支撑区间的信号频带,包括:
基于所述多个主频点之间对应的多个信号强度的大小关系,确定各所述主频点对应的信号强度的大小占比;
基于各所述主频点对应的信号强度的大小占比和所述信号频谱的频域范围,将所述信号频谱划分为多个相邻支撑区间的信号频带;
其中,在每一所述信号频带中包括一个主频点。
在一示例性实施例中,所述每一所述支撑区间的信号频带中对应的经验模型为带通滤波器模型,且所述带通滤波器模型基于频域经验尺度函数和频域经验小波函数构建得到;
所述基于各所述信号频带对应的经验模型重建所述谐波叠加信号,得到重建的谐波叠加信号,包括:
将所述谐波叠加信号转化为对应于各所述支撑区间的多个频域信号;
在每一所述信号频带对应的带通滤波器模型中,将对应支撑区间的所述频域信号和所述频域经验尺度函数进行共轭乘积的傅里叶逆变换,得到对应于各所述带通滤波器模型的经验小波近似系数;以及
在每一所述信号频带对应的带通滤波器模型中,将对应支撑区间的所述频域信号和所述频域经验小波函数进行共轭乘积的傅里叶逆变换,得到对应于各所述带通滤波器模型的经验小波细节系数;
基于各所述信号频带对应的经验小波近似系数和经验小波细节系数,重建各所述支撑区间的多个频域信号,得到所述重建的谐波叠加信号。
在一示例性实施例中,所述谐波叠加信号为磁通门传感器产生的激励电流信号;
获取所述谐波叠加信号对应的信号频谱,包括:
对所述激励电流信号进行快速傅里叶变换,获得针对于所述多种分量谐波信号的信号频谱;
其中,所述多种分量谐波信号包括所述磁通门传感器的磁芯在饱和时产生的方波电压信号、向所述磁通门传感器引入的外部电流产生的待测试信号和所述磁通门传感器在自激震荡时产生的干扰信号。
在一示例性实施例中,在所述得到重建的谐波叠加信号之后,还包括:
在所述重建的谐波叠加信号中,对所述多种分量谐波信号进行分解,以基于各分解的所述分量谐波信号进行谐波信号解析。
根据本公开实施例的第二方面,提供一种叠加信号的重建装置,包括:
信息获取单元,被配置为执行获取谐波叠加信号,以及所述谐波叠加信号对应的信号频谱;在所述谐波叠加信号中融合有多种分量谐波信号,所述信号频谱用于表征所述多种分量谐波信号对应频域范围内的傅里叶幅值;
强度计算单元,被配置为执行基于预设的频域区间和预设的权重系数,确定所述信号频谱中的多个频域峰值对应所属的多个主频点的信号强度;所述频域区间属于所述频域范围,所述频域峰值为所述频域范围内的傅里叶幅值的极大值,且所述极大值对应处于所述频域范围内的频点为所述主频点;
频带划分单元,被配置为执行基于所述多个主频点的信号强度,将所述信号频谱划分为多个相邻支撑区间的信号频带;所述支撑区间为部分所述频域范围所在的频域区间,且每一所述支撑区间内包括一个所述主频点,所述信号频带为对应频域区间内的所述信号频谱;
信号重建单元,被配置为执行在每一所述支撑区间的信号频带中建立对应的经验模型,以基于各所述信号频带对应的经验模型重建所述谐波叠加信号,得到重建的谐波叠加信号。
根据本公开实施例的第三方面,提供一种服务器,包括:
处理器;
用于存储所述处理器的可执行指令的存储器;
其中,所述处理器被配置为执行所述可执行指令,以实现如上述任一项所述的叠加信号的重建方法。
根据本公开实施例的第四方面,提供一种计算机可读存储介质,所述计算机可读存储介质中包括计算机程序,当所述计算机程序由服务器的处理器执行时,使得所述服务器能够执行如上述任一项所述的叠加信号的重建方法。
根据本公开实施例的第五方面,提供一种计算机程序产品,所述计算机程序产品中包括程序指令,所述程序指令被服务器的处理器执行时,使得所述服务器能够执行如上述任一项所述的叠加信号的重建方法。
本公开的实施例提供的技术方案至少带来以下有益效果:
该方法先通过获取谐波叠加信号,以及谐波叠加信号对应的信号频谱;其中,在谐波叠加信号中融合有多种分量谐波信号,信号频谱用于表征多种分量谐波信号对应频域范围内的傅里叶幅值;然后,基于预设的频域区间和预设的权重系数,确定信号频谱中的多个频域峰值对应所属的多个主频点的信号强度;其中,频域区间属于频域范围,频域峰值为频域范围内的傅里叶幅值的极大值,且极大值对应处于频域范围内的频点为主频点;然后,基于多个主频点的信号强度,将信号频谱划分为多个相邻支撑区间的信号频带;其中,支撑区间为部分频域范围所在的频域区间,且每一支撑区间内包括一个主频点,信号频带为对应频域区间内的信号频谱;最后,在每一支撑区间的信号频带中建立对应的经验模型,以基于各信号频带对应的经验模型重建谐波叠加信号,得到重建的谐波叠加信号。这样,区别于现有技术中通过计算各个激励周期之间对应低通滤波处理后的电流信号的均值来分解出的分量信号,本申请利用谐波叠加信号对应的多个主频点来划分多个信号频带,并在划分的信号频带中建立对应的经验模型来重建谐波叠加信号,从而将谐波叠加信号拆分在不同的信号频带中,优化了对谐波叠加信号重建的流程和提升了后续谐波叠加信号分解的有效性,以及提升了后续对分解信号分析的可靠性。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理,并不构成对本公开的不当限定。
图1是根据一示例性实施例示出的一种叠加信号的重建方法的应用环境图。
图2是根据一示例性实施例示出的一种叠加信号的重建方法的流程图。
图3是根据一示例性实施例示出的一种确定频域峰值对应所属的主频点的信号强度步骤的流程图。
图4是根据一示例性实施例示出的一种划分多个相邻支撑区间的信号频带步骤的流程图。
图5是根据一示例性实施例示出的一种重建激励电流信号步骤的流程图。
图6是根据一示例性实施例示出的一种叠加信号的重建装置框图。
图7是根据一示例性实施例示出的一种用于叠加信号的重建的服务器的框图。
图8是根据一示例性实施例示出的一种用于叠加信号的重建的计算机可读存储介质的框图。
图9是根据一示例性实施例示出的一种用于叠加信号的重建的计算机程序产品的框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例中的术语“和/或”指的是包括相关联的列举项目中的一个或多个的任何和全部的可能组合。还要说明的是:当用在本说明书中时,“包括/包含”指定所陈述的特征、整数、步骤、操作、元件和/或组件的存在,但是不排除一个或多个其他特征、整数、步骤、操作、元件和/或组件和/或它们的组群的存在或添加。
本申请中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、***、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
另外,本申请中尽管多次采用术语“第一”、“第二”等来描述各种操作(或各种元件或各种应用或各种指令或各种数据)等,不过这些操作(或元件或应用或指令或数据)不应受这些术语的限制。这些术语只是用于区分一个操作(或元件或应用或指令或数据)和另一个操作(或元件或应用或指令或数据)。例如,第一信号频带可以被称为第二信号频带,第二信号频带也可以被称为第一信号频带,仅仅是其两者所包括的范围不同,而不脱离本申请的范围,第一信号频带和第二信号频带都是激励电流信号对应的信号频谱上的部分频域范围所在的频域区间的集合,只是二者并不是相同的部分频域范围所在的频域区间集合而已。
本申请实施例提供的叠加信号的重建方法,可以应用于如图1所示的应用环境中。其中,终端102通过通信网络与服务器104进行通信。数据存储***可以存储服务器104需要处理的数据。数据存储***可以集成在服务器104上,也可以放在云上或其他网络服务器上。
在一些实施例中,参考图1,服务器104首先获取谐波叠加信号,以及谐波叠加信号对应的信号频谱;其中,在谐波叠加信号中融合有多种分量谐波信号,信号频谱用于表征多种分量谐波信号对应频域范围内的傅里叶幅值;然后,服务器104再基于预设的频域区间和预设的权重系数,确定信号频谱中的多个频域峰值对应所属的多个主频点的信号强度;其中,频域区间属于频域范围,频域峰值为频域范围内的傅里叶幅值的极大值,且极大值对应处于频域范围内的频点为主频点;然后,服务器104基于多个主频点的信号强度,将信号频谱划分为多个相邻支撑区间的信号频带;其中,支撑区间为部分频域范围所在的频域区间,且每一支撑区间内包括一个主频点,信号频带为对应频域区间内的信号频谱;最后,服务器104再在每一支撑区间的信号频带中建立对应的经验模型,以基于各信号频带对应的经验模型重建谐波叠加信号,得到重建的谐波叠加信号。
在一些实施例中,终端102(如移动终端、固定终端)可以以各种形式来实施。其中,终端102可为包括诸如移动电话、智能电话、笔记本电脑、便携式手持式设备、个人数字助理(PDA,Personal Digital Assistant)、平板电脑(PAD)等等的可以基于各所述信号频带对应的带通滤波器重建所述激励电流信号,得到重建的激励电流信号的移动终端,终端102也可以是自动柜员机(Automated Teller Machine,ATM)、自动一体机、数字TV、台式计算机、固式计算机等等的可以基于各所述信号频带对应的带通滤波器重建所述激励电流信号,得到重建的激励电流信号的固定终端。
下面,假设终端102是固定终端。然而,本领域技术人员将理解的是,若有特别用于移动目的的操作或者元件,根据本申请公开的实施方式的构造也能够应用于移动类型的终端102。
在一些实施例中,服务器104运行的数据处理组件可以加载正在被执行的可以包括各种附加服务器应用和/或中间层应用中的任何一种,如包括HTTP(超文本传输协议)、FTP(文件传输协议)、CGI(通用网关界面)、RDBMS(关系型数据库管理***)等。
在一些实施例中,服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。服务器104可以适于运行提供前述公开中描述的终端102的一个或多个应用服务或软件组件。其中,这些一个或多个应用服务或软件组件被封装在终端102所运行的APP或者客户端中。
在一些实施例中,APP或者客户端的资源转移功能可为运行在用户模式以完成某项或多项特定工作的计算机程序,其可以与用户进行交互,且具有可视的用户界面。其中,APP或者客户端可以包括两部分:图形用户接口(GUI)和引擎(engine),利用这两者能够以用户界面的形式向用户提供多种应用服务的数字化客户***。
在一些实施例中,用户可以通过预设的输入装置或者自动控制程序向APP或者客户端输入相应的代码数据或者控制参数,以执行服务器104中的计算机程序的应用服务,以及显示用户界面中的应用服务。
在一些实施例中,APP或者客户端运行的操作***可以包括各种版本的MicrosoftApple/>和/或Linux操作***、各种商用或类/>操作***(包括但不限于各种GNU/Linux操作***、Google/>OS等)和/或移动操作***,诸如Phone、/>OS、/>OS、/>OS操作***,以及其它在线操作***或者离线操作***,在这里不做具体的限制。
在一些实施例中,如图2所示,提供了一种叠加信号的重建方法,以该方法应用于图1中的服务器104为例进行说明,该方法包括以下步骤:
步骤S11,获取谐波叠加信号,以及谐波叠加信号对应的信号频谱。
在一些实施例中,谐波叠加信号为磁通门传感器产生的激励电流信号。
在一些实施例中,激励模块首先向磁通门传感器发出正向激励电压,使磁通门传感器的磁芯探头进入正向饱和(即产生自激震荡现象)。在这个过程中,随着磁通门传感器的磁场强度变化,检测模块获得相应的激励电流波形。然后,滤波与控制模块对激励电流波形判断磁芯是否饱和。当磁芯饱和时,服务器将此时磁通门传感器产生的激励电流波形转换为对应的激励电流信号,以获取到磁通门传感器产生的谐波叠加信号。
在一些实施例中,在谐波叠加信号中融合有多种分量谐波信号。
其中,多种分量谐波信号包括磁通门传感器的磁芯在饱和时产生的方波电压信号、向磁通门传感器引入的外部电流产生的待测试信号和磁通门传感器在自激震荡时产生的干扰信号。
例如,当磁通门传感器中存在外部电流时,其伴随磁场会使磁芯探头在一个方向预先磁化,导致该方向的饱和时间短,此时磁通门传感器产生的激励电流信号中既包括正向激励电压对应的电流信号也包括外部电流引入的电流信号,以及磁通门传感器在自激震荡时产生的干扰信号。
在一些实施例中,服务器获取谐波叠加信号对应的信号频谱,包括:对激励电流信号进行快速傅里叶变换,获得针对于多种分量谐波信号的信号频谱。
在一些实施例中,信号频谱用于表征多种分量谐波信号对应频域范围内的傅里叶幅值。
作为一示例,磁通门传感器产生的谐波叠加信号为f(t),服务器对它进行快速傅里叶变换,再对经过快速傅里叶变换之后的f(t)进行归一化,以得到在(0,2π)范围内的傅里叶频谱。根据香农准则,在后续傅里叶频谱分析过程中仅需要分析[0,π]上的信号特性。其中,在傅里叶频谱中包括谐波叠加信号f(t)对应的频谱曲线,傅里叶频谱的横轴坐标为(0,2π)的频域范围,傅里叶频谱的纵轴坐标为f(t)对应的频谱曲线在相应频域值上的傅里叶幅值。
步骤S12:基于预设的频域区间和预设的权重系数,确定信号频谱中的多个频域峰值对应所属的多个主频点的信号强度。
在一些实施例中,频域区间属于频域范围,频域峰值为频域范围内的傅里叶幅值的极大值,且极大值对应处于频域范围内的频点为主频点。
在一些实施例中,预设的频域区间包括至少两个,且每一所述频域区间对应一个预设的权重系数。
步骤S13:基于多个主频点的信号强度,将信号频谱划分为多个相邻支撑区间的信号频带。
在一些实施例中,支撑区间为部分频域范围所在的频域区间,且每一支撑区间内包括一个主频点。
在一些实施例中,信号频带为对应频域区间内的信号频谱。
步骤S14:在每一支撑区间的信号频带中建立对应的经验模型,以基于各信号频带对应的经验模型重建谐波叠加信号,得到重建的谐波叠加信号。
在一些实施例中,每一支撑区间的信号频带中对应的经验模型为带通滤波器模型,且带通滤波器模型基于频域经验尺度函数和频域经验小波函数构建得到。
在一些实施例中,服务器首先在每一支撑区间的信号频带中建立对应的频域经验尺度函数和频域经验小波函数,以得到针对于每一信号频带的带通滤波器(即经验模型);然后,服务器再根据各信号频带对应的频域经验尺度函数和频域经验小波函数,确定出各信号频带对应经验小波近似系数和经验小波细节系数;最后,再合并各信号频带之间对应的经验小波近似系数和经验小波细节系数,以重建谐波叠加信号,得到重建的谐波叠加信号。
在一些实施例中,服务器在得到重建的谐波叠加信号之后,还包括:在重建的谐波叠加信号中,对多种分量谐波信号进行分解,以基于各分解的分量谐波信号进行谐波信号解析。
在一些实施例中,服务器基于重建的谐波叠加信号分解得到频率由低到高排序的多种分量谐波信号,包括属于高频激励部分的正向激励电压对应的电流信号,属于低频待测部分的外部电流引入的电流信号,以及属于中间频段的由磁通门传感器在自激震荡时产生的干扰信号。
其中,在原始的谐波叠加信号经过经验小波变换后所得的近似系数和细节系数即对应了高频激励部分在不同频带上的信号情况、低频待测部分在不同频带上的信号情况,并且自激震荡时产生的干扰信号在经过变换处理后基本去除了干扰,有助于对磁通门的精确控制,以及实现对测试信号的准确解调和对激励信号的滤波,提高磁通门检测精度。
上述的叠加信号的重建过程中,服务器首先通过获取谐波叠加信号,以及谐波叠加信号对应的信号频谱;其中,在谐波叠加信号中融合有多种分量谐波信号,信号频谱用于表征多种分量谐波信号对应频域范围内的傅里叶幅值;然后,基于预设的频域区间和预设的权重系数,确定信号频谱中的多个频域峰值对应所属的多个主频点的信号强度;其中,频域区间属于频域范围,频域峰值为频域范围内的傅里叶幅值的极大值,且极大值对应处于频域范围内的频点为主频点;然后,基于多个主频点的信号强度,将信号频谱划分为多个相邻支撑区间的信号频带;其中,支撑区间为部分频域范围所在的频域区间,且每一支撑区间内包括一个主频点,信号频带为对应频域区间内的信号频谱;最后,在每一支撑区间的信号频带中建立对应的经验模型,以基于各信号频带对应的经验模型重建谐波叠加信号,得到重建的谐波叠加信号。这样,区别于现有技术中通过计算各个激励周期之间对应低通滤波处理后的电流信号的均值来分解出的分量信号,本申请利用谐波叠加信号对应的多个主频点来划分多个信号频带,并在划分的信号频带中建立对应的经验模型来重建谐波叠加信号,从而将谐波叠加信号拆分在不同的信号频带中,优化了对谐波叠加信号重建的流程和提升了后续谐波叠加信号分解的有效性,以及提升了后续对分解信号分析的可靠性。
本领域技术人员可以理解地,在具体实施方式的上述方法中,所揭露的方法可以通过更为具体的方式以实现。例如,以上所描述的服务器基于预设的频域区间和预设的权重系数,确定所述信号频谱中的多个频域峰值对应所属的多个主频点的信号强度的实施方式仅仅是示意性的。
在一示例性实施例中,参阅图3,图3为本申请中确定频域峰值对应所属的主频点的信号强度一实施例的流程示意图。在步骤S12中,即服务器基于预设的频域区间和预设的权重系数,确定所述信号频谱中的多个频域峰值对应所属的多个主频点的信号强度的过程,具体还可以包括以下实现方式:
步骤S121,基于信号频谱的频域范围和傅里叶幅值,在信号频谱中确定多个频域峰值。
在一实施例中,频域峰值为在频域范围内信号频谱中的最大傅里叶幅值。
在一些实施例中,服务器确定频域范围内,信号频谱中傅里叶幅值的各个峰值点,以作为多个频域峰值。
步骤S122,基于各频域峰值对应所属的主频点的频域值,确定各主频点所属的频域区间和对应的权重系数。
在一些实施例中,预设的频域区间包括至少两个,且每一频域区间对应一个预设的权重系数。
作为一示例,信号频谱中包括3个主频点。其中,主频点A1的频域值为A2,且A2处于第一频域区间A3中,以及第一频域区间A3对应的第一权重系数为A4;主频点B1的频域值为B2,且B2处于第二频域区间B3中,以及第二频域区间B3对应的第二权重系数为B4;主频点C1的频域值为C2,且C2处于第三频域区间C3中,以及第三频域区间C3对应的第三权重系数为C4。
步骤S123,基于各主频点所属的频域区间和对应的权重系数,确定各主频点对应的权重函数。
在一些实施例中,主频点对应的权重函数可以通过下列公式表征:
其中,P(ω)为主频点对应的权重函数,该P(ω)预设的频域区间有两个(如上述公式可知,频域区间包括区间[0,ωl)和区间[ωl,π]),Wl为主频点所属的权重系数,ωl为区间[0,ωl)的频域值上边界和区间[ωl,π]的频域值下边界,ω为频域峰值对应所属的主频点的频域值。
作为一示例,主频点A1的频域值为A2,且0≤A2≤ωl,则主频点A1对应的权重函数为ωl。主频点B1的频域值为B2,且ωl≤B2≤π,则主频点B1对应的权重函数为1。
步骤S124,基于各主频点对应的频域峰值和权重函数,确定各主频点对应的信号强度。
在一些实施例中,服务器对各个主频点的信号强度进行加权判断,定义主频点的信号强度I(ω)为:
I(ω)=halt(ω)·P(ω)。
其中,halt(ω)为主频点对应的频域峰值。
在一示例性实施例中,参阅图4,图4为本申请中划分多个相邻支撑区间的信号频带一实施例的流程示意图。在步骤S13中,即服务器基于所述多个主频点的信号强度,将所述信号频谱划分为多个相邻支撑区间的信号频带的过程,具体可以包括以下实现方式:
步骤S131,基于多个主频点之间对应的多个信号强度的大小关系,确定各主频点对应的信号强度的大小占比。
在一些实施例中,服务器首先对各个主频点的信号强度按照大小顺序进行排序,然后,再统计各个主频点的信号强度对应所占据的数值占比。
作为一示例,在频域区间上共有三个主频点,主频点A1的信号强度为10,主频点A2的信号强度为30,主频点A3的信号强度为60。因此,三个主频点之间的信号强度顺序及其对应信号强度的大小占比依次为:主频点A3(60%)、主频点A2(30%)、主频点A1(10%)。
步骤S132,基于各主频点对应的信号强度的大小占比和信号频谱的频域范围,将信号频谱划分为多个相邻支撑区间的信号频带。
在一些实施例中,服务器根据各主频点对应的信号强度的大小占比,确定其对应信号频带在信号频谱的频域范围中所需要占据的范围占比,以确定信号频带对应所在的支撑区间。其中,在每一信号频带中包括一个主频点。
作为一示例,在频域区间上共有三个主频点,主频点A1的信号强度的大小占比为10%,主频点B2的信号强度的大小占比为30%,主频点C3的信号强度的大小占比为60%。因此,服务器基于预设的经验算法或者人工选定,在信号频谱中选择包括主频点A1在内的10%的频域范围作为对应于主频点A1的支撑区间A2,以及将支撑区间A2所占据的部分信号频谱作为对应于主频点A1的信号频带A3。以及,服务器基于预设的经验算法或者人工选定,在信号频谱中选择包括主频点B1在内的30%的频域范围作为对应于主频点B1的支撑区间B2,以及将支撑区间B2所占据的部分信号频谱作为对应于主频点B1的信号频带B3。以及,服务器基于预设的经验算法或者人工选定,在信号频谱中选择包括主频点C1在内的60%的频域范围作为对应于主频点C1的支撑区间C2,以及将支撑区间C2所占据的部分信号频谱作为对应于主频点C1的信号频带C3。
在一示例性实施例中,服务器在每一所述支撑区间的信号频带中建立对应的经验模型,具体可以包括以下实现方式:
步骤一,基于各支撑区间所在的频域范围,确定每一信号频带对应的频带边界。
其中,信号频带对应的频带边界基于ωn=(n=1,2,…N-1)表征。
作为一示例,信号频谱中包括第一信号频带、第二信号频带、第三信号频带共三个信号频带。其中,第一信号频带对应的第一支撑区间所在的频域范围为ω1=(0,x1);第二信号频带对应的第二支撑区间所在的频域范围为ω2=(x1,x2);第三信号频带对应的第三支撑区间所在的频域范围为ω3=(x2,x3)。其中,0<x1<x2<x3<N-1。
步骤二,基于各分界带宽,确定每两相邻信号频带之间的过渡带宽。
在一实施例中,每两相邻信号频带之间的过渡带宽为待建立的带通滤波器的滤波器过渡带宽,过渡带宽通过τn=γωn表征。其中,γ为对待建立的带通滤波器预设的滤波器过渡参数。
其中,为保证待建立的带通滤波器在L2(R)空间中具有紧支撑性,γ的取值需满足下式:
其中,L2(R)空间为平方可积的实数空间。
在一些实施例中,服务器在每一支撑区间的信号频带中建立对应的经验模型,具体包括:基于频带边界、过渡带宽和预设的过渡多项式函数,在每一支撑区间的信号频带中建立对应的频域经验尺度函数和频域经验小波函数,以得到针对于每一信号频带的带通滤波器。其中,带通滤波器用于表征在信号频带中对应建立的经验模型。
在一些实施例中,预设的过渡多项式函数通过β(x)表征。其中,基于先验知识,过渡多项式函数可以为β(x)=x4(35-84x+70x2-20x3)。
在一些实施例中,各信号频带的带通滤波器(即经验模型)基于其对应支撑区间的频域经验尺度函数和频域经验小波函数表征。
其中,支撑区间的频域经验尺度函数可以通过下式表达:
其中,支撑区间的频域经验小波函数可以通过下式表达:
在一示例性实施例中,参阅图5,图5为本申请中重建激励电流信号一实施例的流程示意图。在步骤S14中,即服务器基于各所述信号频带对应的经验模型重建所述谐波叠加信号,得到重建的谐波叠加信号的过程,具体可以包括以下实现方式:
步骤S141,将谐波叠加信号转化为对应于各支撑区间的多个频域信号。
在一实施例中,服务器将谐波叠加信号f(t)转化为对应于各支撑区间的多个频域信号Fi(ω)。其中,“i”为对应支撑区间的标识符。
步骤S142,在每一信号频带对应的带通滤波器模型中,将对应支撑区间的频域信号和频域经验尺度函数进行共轭乘积的傅里叶逆变换,得到对应于各带通滤波器模型的经验小波近似系数。
在一实施例中,经验小波近似系数可由谐波叠加信号f(t)与经验尺度函数φ(t)内积获得,在计算的过程中可将其转化为等价的频域信号Fi(ω)和频域经验尺度函数/>共轭乘积的傅里叶逆变换。具体地,带通滤波器模型的经验小波近似系数可以由如下列公式表征:
其中,符号“—”表示频域信号和函数取共轭,“V”表示傅里叶逆变换。
步骤S143,在每一信号频带对应的带通滤波器模型中,将对应支撑区间的频域信号和频域经验小波函数进行共轭乘积的傅里叶逆变换,得到对应于各带通滤波器模型的经验小波细节系数。
在一实施例中,经验小波细节系数可由谐波叠加信号f(t)与经验小波函数ψn(t)内积获得,在计算的过程中可将其转化为等价的频域信号Fi(ω)和频域经验小波函数/>共轭乘积的傅里叶逆变换。具体,带通滤波器模型的经验小波细节系数可以由如下列公式表征:
步骤S144,基于各信号频带对应的经验小波近似系数和经验小波细节系数,重建各支撑区间的多个频域信号,得到重建的谐波叠加信号。
在一实施例中,服务器将各信号频带对应的经验小波近似系数和经验小波细节系数依次进行合并,以重建各支撑区间的多个频域信号,得到重建的谐波叠加信号。
上述方案,区别于现有技术中通过计算各个激励周期之间对应低通滤波处理后的电流信号的均值来分解出的分量信号,本申请利用谐波叠加信号对应的多个主频点来划分多个信号频带,并在划分的信号频带中建立对应的经验模型来重建谐波叠加信号,从而将谐波叠加信号拆分在不同的信号频带中,优化了对谐波叠加信号重建的流程和提升了后续谐波叠加信号分解的有效性,以及提升了后续对分解信号分析的可靠性。
应该理解的是,虽然图2-图5的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-图5中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
可以理解的是,本说明书中上述方法的各个实施例之间相同/相似的部分可互相参见,每个实施例重点说明的是与其他实施例的不同之处,相关之处参见其他方法实施例的说明即可。
图6是本申请实施例提供的一种叠加信号的重建装置框图。参照图6,该叠加信号的重建装置10包括:信息获取单元11、强度计算单元12、频带划分单元13和信号重建单元14。
其中,该信息获取单元11,被配置为执行获取谐波叠加信号,以及所述谐波叠加信号对应的信号频谱;在所述谐波叠加信号中融合有多种分量谐波信号,所述信号频谱用于表征所述多种分量谐波信号对应频域范围内的傅里叶幅值。
其中,该强度计算单元12,被配置为执行基于预设的频域区间和预设的权重系数,确定所述信号频谱中的多个频域峰值对应所属的多个主频点的信号强度;所述频域区间属于所述频域范围,所述频域峰值为所述频域范围内的傅里叶幅值的极大值,且所述极大值对应处于所述频域范围内的频点为所述主频点。
其中,该频带划分单元13,被配置为执行基于所述多个主频点的信号强度,将所述信号频谱划分为多个相邻支撑区间的信号频带;所述支撑区间为部分所述频域范围所在的频域区间,且每一所述支撑区间内包括一个所述主频点,所述信号频带为对应频域区间内的所述信号频谱。
其中,该信号重建单元14,被配置为执行在每一所述支撑区间的信号频带中建立对应的经验模型,以基于各所述信号频带对应的经验模型重建所述谐波叠加信号,得到重建的谐波叠加信号。
在一些实施例中,所述预设的频域区间包括至少两个,且每一所述频域区间对应一个预设的权重系数;在基于预设的频域区间和预设的权重系数,确定所述信号频谱中的多个频域峰值对应所属的多个主频点的信号强度的方面,该强度计算单元12具体还用于:
基于所述信号频谱的频域范围和傅里叶幅值,在所述信号频谱中确定多个频域峰值;
基于各所述频域峰值对应所属的主频点的频域值,确定各所述主频点所属的频域区间和对应的权重系数;
基于各所述主频点所属的频域区间和对应的权重系数,确定各所述主频点对应的权重函数;
基于各所述主频点对应的频域峰值和权重函数,确定各所述主频点对应的信号强度。
在一些实施例中,在基于所述多个主频点的信号强度,将所述信号频谱划分为多个相邻支撑区间的信号频带的方面,该频带划分单元13具体还用于:
基于所述多个主频点之间对应的多个信号强度的大小关系,确定各所述主频点对应的信号强度的大小占比;
基于各所述主频点对应的信号强度的大小占比和所述信号频谱的频域范围,将所述信号频谱划分为多个相邻支撑区间的信号频带;
其中,在每一所述信号频带中包括一个主频点。
在一些实施例中,所述每一所述支撑区间的信号频带中对应的经验模型为带通滤波器模型,且所述带通滤波器模型基于频域经验尺度函数和频域经验小波函数构建得到;在基于各所述信号频带对应的经验模型重建所述谐波叠加信号,得到重建的谐波叠加信号的方面,该信号重建单元14具体用于:
将所述谐波叠加信号转化为对应于各所述支撑区间的多个频域信号;
在每一所述信号频带对应的带通滤波器模型中,将对应支撑区间的所述频域信号和所述频域经验尺度函数进行共轭乘积的傅里叶逆变换,得到对应于各所述带通滤波器模型的经验小波近似系数;以及
在每一所述信号频带对应的带通滤波器模型中,将对应支撑区间的所述频域信号和所述频域经验小波函数进行共轭乘积的傅里叶逆变换,得到对应于各所述带通滤波器模型的经验小波细节系数;
基于各所述信号频带对应的经验小波近似系数和经验小波细节系数,重建各所述支撑区间的多个频域信号,得到所述重建的谐波叠加信号。
在一些实施例中,所述谐波叠加信号为磁通门传感器产生的激励电流信号;在获取所述谐波叠加信号对应的信号频谱的方面,该信息获取单元11具体用于:
对所述激励电流信号进行快速傅里叶变换,获得针对于所述多种分量谐波信号的信号频谱;
其中,所述多种分量谐波信号包括所述磁通门传感器的磁芯在饱和时产生的方波电压信号、向所述磁通门传感器引入的外部电流产生的待测试信号和所述磁通门传感器在自激震荡时产生的干扰信号。
在一些实施例中,在所述得到重建的谐波叠加信号之后,该叠加信号的重建装置10还具体用于:
在所述重建的谐波叠加信号中,对所述多种分量谐波信号进行分解,以基于各分解的所述分量谐波信号进行谐波信号解析。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
图7是本申请实施例提供的一种服务器20的框图。例如,服务器20可以为一种电子设备、电子组件或者服务器阵列等等。参照图7,服务器20包括处理器21,其进一步处理器21可以为处理器集合,其可以包括一个或多个处理器组件,以及服务器20包括由存储器22所代表的存储器资源,其中,存储器22上存储有计算机程序,例如应用程序。在存储器22中存储的计算机程序可以包括一个或一个以上的可执行指令。此外,当处理器21被配置为执行可执行指令时,以实现如上述的叠加信号的重建方法。
在一些实施例中,服务器20为电子设备,该电子设备中的计算***可以运行一个或多个操作***,包括以上讨论的任何操作***以及任何商用的服务器操作***。该服务器20还可以运行各种附加服务器应用和/或中间层应用中的任何一种,包括HTTP(超文本传输协议)服务器、FTP(文件传输协议)服务器、CGI(通用网关界面)服务器、超级服务器、数据库服务器等。示例性数据库服务器包括但不限于可从(国际商业机器)等商购获得的数据库服务器。
在一些实施例中,处理器21通常控制服务器20的整体操作,诸如与显示、数据处理、数据通信和记录操作相关联的操作。处理器21可以包括一个或多个处理器组件来执行计算机程序,以完成上述的方法的全部或部分步骤。此外,处理器21可以包括一个或多个模块,便于处理器21和其他组件之间的交互。例如,处理器21可以包括多媒体模块,以方便利用多媒体组件控制用户电子设备20和处理器21之间的交互。
在一些实施例中,处理器21中的处理器组件还可以称为CPU(Central ProcessingUnit,中央处理单元)。处理器组件可能是一种电子芯片,具有信号的处理能力。处理器组件还可以是通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、专用集成电路(ApplicationSpecific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable GateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该通用处理器也可以是任何的常规处理器等。另外,处理器组件可以由集成电路芯片共同实现。
在一些实施例中,存储器22被配置为存储各种类型的数据以支持在电子设备20的操作。这些数据的示例包括用于在服务器20上操作的任何应用程序或方法的指令、采集数据、消息、图片、视频等。存储器22可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM)、电可擦除可编程只读存储器(EEPROM)、可擦除可编程只读存储器(EPROM)、可编程只读存储器(PROM)、只读存储器(ROM)、磁存储器、快闪存储器、磁盘、光盘或石墨烯存储器。
在一些实施例中,存储器22可以为内存条、TF卡等,可以存储服务器20中的全部信息,包括输入的原始数据、计算机程序、中间运行结果和最终运行结果都保存在存储器22中。在一些实施例中,它根据处理器指定的位置存入和取出信息。在一些实施例中,有了存储器22,服务器20才有记忆功能,才能保证正常工作。在一些实施例中,服务器20的存储器22按用途可分为主存储器(内存)和辅助存储器(外存),也有分为外部存储器和内部存储器的分类方法。外存通常是磁性介质或光盘等,能长期保存信息。内存指主板上的存储部件,用来存放当前正在执行的数据和程序,但仅用于暂时存放程序和数据,关闭电源或断电,数据会丢失。
在一些实施例中,服务器20还可以包括:电源组件23,其被配置为执行服务器20的电源管理,有线或无线网络接口24被配置为将服务器20连接到网络,和输入输出(I/O)接口25。电子设备20可以操作基于存储在存储器22的操作***,例如Windows Server,Mac OSX,Unix,Linux,FreeBSD或类似。
在一些实施例中,电源组件23为服务器20的各种组件提供电力。电源组件23可以包括电源管理***,一个或多个电源,及其他与为服务器20生成、管理和分配电力相关联的组件。
在一些实施例中,有线或无线网络接口24被配置为便于服务器20和其他设备之间有线或无线方式的通信。服务器20可以接入基于通信标准的无线网络,如WiFi,运营商网络(如2G、3G、4G或5G),或它们的组合。
在一些实施例中,有线或无线网络接口24经由广播信道接收来自外部广播管理***的广播信号或广播相关信息。在一个示例性实施例中,有线或无线网络接口24还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在一些实施例中,输入输出(I/O)接口25为处理器21和***接口模块之间提供接口,上述***接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
图8是本申请实施例提供的一种计算机可读存储介质30的框图。该计算机可读存储介质30上存储有计算机程序31,其中,计算机程序31被处理器执行时实现如上述的叠加信号的重建方法。
在本申请各个实施例中的各功能单元集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在计算机可读存储介质30中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机可读存储介质30在一个计算机程序31中,包括若干指令用以使得一台计算机设备(可以是个人计算机,***服务器,或者网络设备等)、电子设备(例如MP3、MP4等,也可以是手机、平板电脑、可穿戴设备等智能终端,也可以是台式电脑等)或者处理器(processor)以执行本申请各个实施方式方法的全部或部分步骤。
图9是本申请实施例提供的一种计算机程序产品40的框图。该计算机程序产品40中包括程序指令41,该程序指令41可由电子设备20的处理器执行以实现如上述的叠加信号的重建方法。
本领域内的技术人员应明白,本申请的实施例可提供有叠加信号的重建方法、叠加信号的重建装置10、服务器20、计算机可读存储介质30或计算机程序产品40。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机程序指令41(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品40的形式。
本申请是参照根据本申请实施例中叠加信号的重建方法、叠加信号的重建装置10、服务器20、计算机可读存储介质30或计算机程序产品40的流程图和/或方框图来描述的。应理解可由计算机程序产品40实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序产品40到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的程序指令41产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序产品40也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机程序产品40中的程序指令41产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
需要说明的,上述的各种方法、装置、电子设备、计算机可读存储介质、计算机程序产品等根据方法实施例的描述还可以包括其他的实施方式,具体的实现方式可以参照相关方法实施例的描述,在此不作一一赘述。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (9)
1.一种叠加信号的重建方法,其特征在于,所述方法包括:
获取谐波叠加信号,以及所述谐波叠加信号对应的信号频谱;在所述谐波叠加信号中融合有多种分量谐波信号,所述信号频谱用于表征所述多种分量谐波信号对应频域范围内的傅里叶幅值;
基于预设的频域区间和预设的权重系数,确定所述信号频谱中的多个频域峰值对应所属的多个主频点的权重函数,以基于所述频域峰值和所述权重函数确定各所述主频点对应的信号强度;所述频域区间属于所述频域范围,所述频域峰值为所述频域范围内的傅里叶幅值的极大值,且所述极大值对应处于所述频域范围内的频点为所述主频点;
基于所述多个主频点的信号强度,将所述信号频谱划分为多个相邻支撑区间的信号频带;所述支撑区间为部分所述频域范围所在的频域区间,且每一所述支撑区间内包括一个所述主频点,所述信号频带为对应频域区间内的所述信号频谱;
在每一所述支撑区间的信号频带中建立对应的经验模型,以基于各所述信号频带对应的经验模型重建所述谐波叠加信号,得到重建的谐波叠加信号。
2.根据权利要求1所述的方法,其特征在于,所述预设的频域区间包括至少两个,且每一所述频域区间对应一个预设的权重系数;
所述基于预设的频域区间和预设的权重系数,确定所述信号频谱中的多个频域峰值对应所属的多个主频点的信号强度,包括:
基于所述信号频谱的频域范围和傅里叶幅值,在所述信号频谱中确定多个频域峰值;
基于各所述频域峰值对应所属的主频点的频域值,确定各所述主频点所属的频域区间和对应的权重系数;
基于各所述主频点所属的频域区间和对应的权重系数,确定各所述主频点对应的权重函数;
基于各所述主频点对应的频域峰值和权重函数,确定各所述主频点对应的信号强度。
3.根据权利要求1所述的方法,其特征在于,所述基于所述多个主频点的信号强度,将所述信号频谱划分为多个相邻支撑区间的信号频带,包括:
基于所述多个主频点之间对应的多个信号强度的大小关系,确定各所述主频点对应的信号强度的大小占比;
基于各所述主频点对应的信号强度的大小占比和所述信号频谱的频域范围,将所述信号频谱划分为多个相邻支撑区间的信号频带;
其中,在每一所述信号频带中包括一个主频点。
4.根据权利要求3所述的方法,其特征在于,所述每一所述支撑区间的信号频带中对应的经验模型为带通滤波器模型,且所述带通滤波器模型基于频域经验尺度函数和频域经验小波函数构建得到;
所述基于各所述信号频带对应的经验模型重建所述谐波叠加信号,得到重建的谐波叠加信号,包括:
将所述谐波叠加信号转化为对应于各所述支撑区间的多个频域信号;
在每一所述信号频带对应的带通滤波器模型中,将对应支撑区间的所述频域信号和所述频域经验尺度函数进行共轭乘积的傅里叶逆变换,得到对应于各所述带通滤波器模型的经验小波近似系数;以及
在每一所述信号频带对应的带通滤波器模型中,将对应支撑区间的所述频域信号和所述频域经验小波函数进行共轭乘积的傅里叶逆变换,得到对应于各所述带通滤波器模型的经验小波细节系数;
基于各所述信号频带对应的经验小波近似系数和经验小波细节系数,重建各所述支撑区间的多个频域信号,得到所述重建的谐波叠加信号。
5.根据权利要求1所述的方法,其特征在于,所述谐波叠加信号为磁通门传感器产生的激励电流信号;
获取所述谐波叠加信号对应的信号频谱,包括:
对所述激励电流信号进行快速傅里叶变换,获得针对于所述多种分量谐波信号的信号频谱;
其中,所述多种分量谐波信号包括所述磁通门传感器的磁芯在饱和时产生的方波电压信号、向所述磁通门传感器引入的外部电流产生的待测试信号和所述磁通门传感器在自激震荡时产生的干扰信号。
6.根据权利要求1所述的方法,其特征在于,在所述得到重建的谐波叠加信号之后,还包括:
在所述重建的谐波叠加信号中,对所述多种分量谐波信号进行分解,以基于各分解的所述分量谐波信号进行谐波信号解析。
7.一种叠加信号的重建装置,其特征在于,所述装置包括:
信息获取单元,被配置为执行获取谐波叠加信号,以及所述谐波叠加信号对应的信号频谱;在所述谐波叠加信号中融合有多种分量谐波信号,所述信号频谱用于表征所述多种分量谐波信号对应频域范围内的傅里叶幅值;
强度计算单元,被配置为执行基于预设的频域区间和预设的权重系数,确定所述信号频谱中的多个频域峰值对应所属的多个主频点的权重函数,以基于所述频域峰值和所述权重函数确定各所述主频点对应的信号强度;所述频域区间属于所述频域范围,所述频域峰值为所述频域范围内的傅里叶幅值的极大值,且所述极大值对应处于所述频域范围内的频点为所述主频点;
频带划分单元,被配置为执行基于所述多个主频点的信号强度,将所述信号频谱划分为多个相邻支撑区间的信号频带;所述支撑区间为部分所述频域范围所在的频域区间,且每一所述支撑区间内包括一个所述主频点,所述信号频带为对应频域区间内的所述信号频谱;
信号重建单元,被配置为执行在每一所述支撑区间的信号频带中建立对应的经验模型,以基于各所述信号频带对应的经验模型重建所述谐波叠加信号,得到重建的谐波叠加信号。
8.一种服务器,其特征在于,包括:
处理器;
用于存储所述处理器的可执行指令的存储器;
其中,所述处理器被配置为执行所述可执行指令,以实现如权利要求1至6中任一项所述的叠加信号的重建方法。
9.一种计算机可读存储介质,所述计算机可读存储介质中包括计算机程序,其特征在于,当所述计算机程序由服务器的处理器执行时,使得所述服务器能够执行如权利要求1至6中任一项所述的叠加信号的重建方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211445085.5A CN116223909B (zh) | 2022-11-18 | 2022-11-18 | 叠加信号的重建方法、装置、服务器和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211445085.5A CN116223909B (zh) | 2022-11-18 | 2022-11-18 | 叠加信号的重建方法、装置、服务器和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116223909A CN116223909A (zh) | 2023-06-06 |
CN116223909B true CN116223909B (zh) | 2023-12-12 |
Family
ID=86583072
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211445085.5A Active CN116223909B (zh) | 2022-11-18 | 2022-11-18 | 叠加信号的重建方法、装置、服务器和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116223909B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107345983A (zh) * | 2017-06-29 | 2017-11-14 | 苏州市技术性贸易措施咨询服务中心 | 基于分谐波源相关性的多谐波源***谐波发射评估方法 |
WO2019035323A1 (ja) * | 2017-08-15 | 2019-02-21 | 公立大学法人大阪市立大学 | 信号処理システム及び信号処理方法 |
CN109392234A (zh) * | 2018-11-07 | 2019-02-26 | 清华大学 | 一种信号产生的方法及装置 |
CN110072161A (zh) * | 2018-01-24 | 2019-07-30 | 中兴通讯股份有限公司 | 一种信号处理方法及装置 |
CN110687195A (zh) * | 2019-08-26 | 2020-01-14 | 天津大学 | 加筋板中兰姆波信号滤波频段的选择方法 |
CN110763903A (zh) * | 2019-11-20 | 2020-02-07 | 国网信息通信产业集团有限公司 | 一种剩余电流检测方法、装置和电路 |
CN112665704A (zh) * | 2019-10-15 | 2021-04-16 | 上海数深智能科技有限公司 | 一种拆分动设备振动频谱峰频的方法 |
CN112986651A (zh) * | 2021-02-03 | 2021-06-18 | 北京博电新力电气股份有限公司 | 信号处理方法、装置、电子设备及计算机存储介质 |
CN114264972A (zh) * | 2021-12-15 | 2022-04-01 | 浙江巨磁智能技术有限公司 | 一种具有双Tirp功能的漏电流传感器实现方法 |
KR102409588B1 (ko) * | 2022-03-08 | 2022-06-23 | 주식회사 케이에너지시스템 | 다중 주파수 대역 판별 기능을 구비한 아크 감지장치 |
-
2022
- 2022-11-18 CN CN202211445085.5A patent/CN116223909B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107345983A (zh) * | 2017-06-29 | 2017-11-14 | 苏州市技术性贸易措施咨询服务中心 | 基于分谐波源相关性的多谐波源***谐波发射评估方法 |
WO2019035323A1 (ja) * | 2017-08-15 | 2019-02-21 | 公立大学法人大阪市立大学 | 信号処理システム及び信号処理方法 |
CN110072161A (zh) * | 2018-01-24 | 2019-07-30 | 中兴通讯股份有限公司 | 一种信号处理方法及装置 |
CN109392234A (zh) * | 2018-11-07 | 2019-02-26 | 清华大学 | 一种信号产生的方法及装置 |
CN110687195A (zh) * | 2019-08-26 | 2020-01-14 | 天津大学 | 加筋板中兰姆波信号滤波频段的选择方法 |
CN112665704A (zh) * | 2019-10-15 | 2021-04-16 | 上海数深智能科技有限公司 | 一种拆分动设备振动频谱峰频的方法 |
CN110763903A (zh) * | 2019-11-20 | 2020-02-07 | 国网信息通信产业集团有限公司 | 一种剩余电流检测方法、装置和电路 |
CN112986651A (zh) * | 2021-02-03 | 2021-06-18 | 北京博电新力电气股份有限公司 | 信号处理方法、装置、电子设备及计算机存储介质 |
CN114264972A (zh) * | 2021-12-15 | 2022-04-01 | 浙江巨磁智能技术有限公司 | 一种具有双Tirp功能的漏电流传感器实现方法 |
KR102409588B1 (ko) * | 2022-03-08 | 2022-06-23 | 주식회사 케이에너지시스템 | 다중 주파수 대역 판별 기능을 구비한 아크 감지장치 |
Non-Patent Citations (2)
Title |
---|
基于磁场积分方程法的磁通门瞬态分析;侯晓伟;李菊萍;郭俊杰;;传感技术学报(第07期);第1026-1031页 * |
非晶丝GMI磁传感器信号的小波分析;张雷;潘仲明;;国防科技大学学报(第04期);第143-147页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116223909A (zh) | 2023-06-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | Intrinsic chirp component decomposition by using Fourier series representation | |
Leonardi et al. | On spurious and real fluctuations of dynamic functional connectivity during rest | |
Meignen et al. | On demodulation, ridge detection, and synchrosqueezing for multicomponent signals | |
Singh | Novel Fourier quadrature transforms and analytic signal representations for nonlinear and non-stationary time-series analysis | |
Zheng et al. | Extreme-point weighted mode decomposition | |
CN104298962A (zh) | 指纹检测装置和方法 | |
Cao et al. | Zoom synchrosqueezing transform and iterative demodulation: methods with application | |
Qin et al. | Multicomponent decomposition by wavelet modulus maxima and synchronous detection | |
US20070271319A1 (en) | Apparatus for an Method of Signal Processing | |
Ahmadi et al. | Types of EMD algorithms | |
CN116223909B (zh) | 叠加信号的重建方法、装置、服务器和存储介质 | |
US10164670B2 (en) | Time sequenced spectral stitching | |
CN116203309B (zh) | 磁通门激励信号处理方法、装置、服务器和存储介质 | |
CN111711586B (zh) | 一种应用于通信调制方式识别的时频协同滤波方法及*** | |
Schuster et al. | Simulation framework for microwave SQUID multiplexer optimization | |
Liu et al. | Application of Hilbert-Huang decomposition to reduce noise and characterize for NMR FID signal of proton precession magnetometer | |
CN106291680A (zh) | 一种数据低频延拓方法 | |
Shanmukh et al. | Feature extraction of ECG signal using variational mode decomposition | |
CN101949868B (zh) | 一种核磁共振谱仪的数据采集装置 | |
Krishnan et al. | Hilbert–Huang transform and its variants in engineering data analytics: State of the art and research challenges | |
Lima et al. | Noninvasive monitoring of residential loads | |
Hermanowicz et al. | On an instantaneous frequency estimator with FIR filters having maximally flat frequency response error magnitude | |
US9537690B1 (en) | Method and apparatus for extraction of baseband waveform from amplitude modulated signal via time domain sampling | |
Drader et al. | Digital quadrature heterodyne detection for high-resolution Fourier transform ion cyclotron resonance mass spectrometry | |
Bank et al. | Extraction and visualization of power system interarea oscillatory modes |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |