CL多小波预处理方法在故障数据压缩中的应用 .docxVIP

工程建筑学相关资料ENGINEERING ARCHITECTURE RELATED INFORMATION 工程建筑学相关资料 ENGINEERING ARCHITECTURE RELATED INFORMATION PAGE PAGE 1 CL多小波预处理方法在故障数据压缩中的应用  　　摘 要：在介绍CL(Chui-Lian)多小波基本理论的基础上，探讨了CL多小波的预处理方法及其对CL多小波原有滤波器响应的影响，分析后认为Haar和平衡预处理方法是CL多小波最有效的预处理方法。文章还做了将具有这两种预处理方法的CL4多小波应用于电力系统正弦信号和故障暂态信号数据压缩的仿真实验。仿真结果表明，基于Haar和平衡预处理方法的CL4多小波具有较GHM多小波和传统db4小波更好的数据压缩效果。　　关键词：CL多小波；预处理方法；数据压缩；电力系统故障 　　ABSTRACT：On the basis of the presentation on basic theory of CL multiwavelet， the pre-processing methods of CL multiwavelet and their influence on former filters response are discussed and analyzed， and the conclusion is that the “Haar” and “Balancing” pre-processing methods are most suitable ones to CL multiwavelet. The simulations on applying CL4 multiwavelet possessing these two pre-processing methods to compression of sinusoidal signals and transient fault signals in power system are carried out. The simulation results show that better compression results can be given by the CL4 multiwavelet based on “Haar” and “Balancing” pre-processing methods than those by GHM multiwavelet and traditional db4 wavelet. KEY WORDS：CL multiwavelet；Pre-processing method；Data compression；Power system fault1 引言多小波分析是一种基于小波理论的近几年发展起来的新理论，多小波可同时具有对称性、正交性、短支撑性、高阶消失矩等属性，而这些属性是传统实系数小波不能同时具有的[1]。多小波有许多构造方法，如Geronimo等人[2]应用分形插值方法构造了具有短支撑、正交性、对称性和二阶消失矩属性的GHM多小波，Chui等人[3]利用多小波的正交性、紧支撑性、对称性和插值性构造了CL(Chui-Lian)多小波，Jiang[4]利用时频分析中的窗函数性质构造了具有最优时频分辨率的Jiang系列多小波，Mariantonia Cotronei等人[5]利用Hurwitz块矩阵和Gram矩阵构造了半正交多小波。本文在介绍CL多小波理论的基础上，深入探讨了CL多小波的预处理方法，并将其应用于电力系统正弦信号数据和故障暂态数据的压缩，还比较了GHM多小波与CL多小波的数据压缩效果。2 CL多小波的基本理论　　小波分析中的多分辨率即是将平方可积信号f∈L2(R) 的逐级逼近视为采用低通平滑函数φ(t) 对f(t) 作平滑滤波的结果，且逐级逼近时平滑函数φ(t)也作逐级伸缩。一个多分辨率分析由一个尺度 函数生成，且包含一个经平移与伸缩构成L2(R) 空 间基的小波函数。类似地，多小波分析中也存在多分辨率分析，一个多分辨率分析由多个尺度函数生成，且包含多个经平移与伸缩构成L2(R) 空间基的 小波函数，这些小波函数即称为多小波[6]。　　多小波的多尺度函数φ(t)和多小波函数Ψ(t)满足以下二尺度矩阵方程[3]式中 0≤k≤L ，Hk 和Gk 为r×r维系数矩阵；L为多小波滤波器长度；r为多小波维数。根据多小波的多分辨率分析，有如下快速多小波分解与重构公式[7]式中 为多小波分解和重构的低频系数； 为多小波分解和重构的高频系数； 分别为Hk 和Gk 的复共轭矩阵。　　位于区间[0，2]上的CL多