稳态信号检测的数字信号处理方法简介.docVIP

3．稳态信号检测的数字信号处理方法 3.1引言 数字信号处理方法被广泛用于稳态信号的检测，而在电力系统中稳态信号的分析主要是针对电网谐波。电网谐波可分为整次谐波、间谐波和分次谐波。针对电网谐波有不同的谐波分析算法。目前对于稳态信号检测的数字信号处理的方法主要有Fourier变换(DFT,FFT),经典谱分析，基于加窗和频谱校正的谐波分析，现代谱分析等。 3.2 Fourier变换 3.2.1 简介 离散傅里叶变换(DFT)是为适应计算机傅里叶变换而引出的。对信号x(t)进行傅里叶变换或逆傅里叶变换运算时，无论在时域或在频域都需要进行包括(－∞，＋∞)区间的积分运算，而若在计算机上实现这一运算，则必须做到把连续信号改造为离散数据，把计算范围收缩到一个有限区间。DFT在信号的分析处理中起着非常重要的作用，因为DFT能将信号的时域特性变换为频域特性，时域和频域特性的相互转换不仅在理论和形式上非常方便，而且其数值实现已有FFT算法和软件可供使用. 3.2.2 DFT变换 一个连续的周期函数可以表示成指数形式的傅里叶级数，即 (3-1) 其中傅里叶级数的复系数是 (3-2) 从这两式出发推导出周期序列的离散傅里叶级数(DFS)如下： （3－3） 在DFS变换对的表达式(3-3)中，由于和都是以N为周期的，在求出它们的0到N-1个点的数值后，只要以其主值区间序列进行周期延拓即可求出其余各点数值，因此在实际计算DFS时，只要计算出0到N-1点即可。如果把有限长序列看作是周期序列的主值区间序列，那么利用DFS计算周期序列的一个周期也就是算出了有限长序列。为此引用变换对。 （3－4） 这就是离散傅里叶变换(DFT)，它描述有限长时间序列与其频谱的关系，它表明，时域中有限长离散序列的频谱是离散的和有限带宽的。DFT和DFS除定义中n和k的取值范围不同外，形式上是完全相同的，因此，如果把DFT的有限长序列x(n)及其相应的有限带宽频谱X(k)分别作为主值区间序列进行周期延拓，则所得的计算结果与DFS完全相同。 Fourier分析虽然可以用来对信号作时频分析，然而它没有任何时频局部化的能力。事实上，若要得到某个固定频率处的频谱信息，必须利用全部的时域信息f(t)，；而若仅仅已知局部的频谱信息，却不能由此获得信号在局部时域中的特性。同样，信号在局部时域上的改变会影响它在全部时域中的特性。 然而，在很多实际问题中，人们特别关心的是局部时域信号在局部频域中的对应特性，例如在电力系统故障信号分析中，人们关注的是故障电流(电压)的突发时刻及在随后的极短时段内对应的频谱特征，希望能及时判断出故障和扰动发生的时刻和类型。对于这样的突变信号的时频分析，Fourier分析是无能为力的，人们需要短时的时频局部化分析方法。 3.2.3基于DFT的谱估计与谐波分析 取样信号的离散傅里叶变换为： (3-5) 得到了信号的离散傅里叶变换之后就可以对信号进行频谱分析了，变换后的每一个值都对应信号时域中的一个频率为基波整数倍的正弦分量。其中需要注意的两个问题就是分析的最高频率和频率的分辨率：离散傅里叶变换的分析频率为采样频率的二分之一，当需要分析更高的频率时必须提高采样频率。DFT算法的频率分辨率是指在频率轴上的所能得到的最小频率间隔。从离散傅里叶变换的定义可以得到频谱的最小间隔为： 其中为信号的采样频率 越小，当然对分辨得越好。该式反映了频谱的分辨能力的都反比于信号的长度N。 由于 所以，严格的说反比于信号的实际长度T。 3.3 基于经典谱估计的谐波分析 3.3.1 基于相关函数法的谱估计和谐波分析 自然界中的各种噪声一般都是典型的随机信号，一旦这些随机的噪声信号混入我们需要分析的对象时，它们也变成了随机信号，这时继续把它们作为确定性信号分析就不可避免的出现误差，有时候甚至导致完全错误的答案。一般来说，电力系统中的各种噪声可以认为是随机性最强的白噪声，但是白噪声的傅氏变换在严格意义上是不存在的，各种统计特性就成为了描述随机信号的主要方法。白噪声的统计特性可表示为下式： (3-6) 其中 为的数学期望， 为相关函数，为时间延迟，为其方差。白噪声离散采样序列的的自相关函数为： 当时 设p个正弦信号组合为： (3-7) 在这种情况下，自相关函数为： (3-8) 从上式可见经过自相关变换之后正弦信号的频率信息被保留下来，丢失了相位信息，所以基于自相关变换的频谱分析只能用来定位信号中的正弦分量的频率，由于白噪声本身和任何正弦信号都是不相