برای استخراج کاملتر ویژگیهای مفید از سیگنالهای نوسان فرکانس پایین یک روش تحلیل فرکانس زمان با استفاده از تجزیه سیگنال پراکنده مبتنی بر رزونانس و تبدیل موجک برشی فرکانسی پیشنهاد شده است. به طوری که می توان هر ویژگی کامپوننت باند را استخراج کرد. این می تواند جنبه های متعدد از سیگنال کلیک تجزیه و تحلیل, از جمله تعیین حالت غالب, جداسازی حالت و استخراج, و 3د بیان نقشه. همراه با تبدیل هیلبرت,پارامترهای اجزای حالت کلیک را می توان شناسایی. علاوه بر این, سر و صدا در سیگنال کلیک می تواند وضوح فرکانس تجزیه و تحلیل فوتواست کاهش, که ممکن است دقت شناسایی حالت نوسان تاثیر. سیگنالهای پیچیده را میتوان با فاکتورهای کیو قابل پیشبینی از هم جدا کرد. این روش می تواند به خوبی در حذف سیگنال کلیک انجام. اولا, سیگنال کلیک به یک جز با رزونانس بالا تجزیه, یک جز با رزونانس کم و یک باقی مانده توسط روبیاسدی. سیگنال کلیک خروجی یک سیستم کم میرایی با ضریب کیفیت بالا و خاصیت رزونانس بالا در یک فرکانس خاص است. مولفه رزونانس بالا سیگنال کلیک بدون تغییر است, و باقی مانده شامل بسیاری از سر و صدا. در مرحله دوم مولفه تشدید بالا توسط فرکانس تجزیه شده و باند کامل توزیع زمان-فرکانس حاصل می شود. بیان نقشه 3 بعدی و حالت غالب کلیک می تواند به دست. برش های فرکانس به دلیل توزیع انرژی برای تجزیه و تحلیل دقیق ویژگی های فرکانس زمان انتخاب می شوند. از طریق بازسازی سیگنال در برش فرکانس مشخصه, جداسازی و استخراج اجزای حالت کلیک متوجه شده است. ثالثا تشخیص با دقت بالا برای شناسایی پارامترهای مودال توسط تبدیل هیلبرت حاصل می شود. نمونه های شبیه سازی و کاربرد اثربخشی روش پیشنهادی را اثبات می کند.
1. مقدمه
نوسانات فرکانس پایین ناشی از اتصال سیستم های قدرت محلی باعث نگرانی های بیشتر و بیشتر در طول سال ها شده است. ممکن است توان خروجی ژنراتورها و قابلیت انتقال خطوط کراوات را محدود کنند و در برخی شرایط جدی ممکن است باعث فروپاشی سیستم شود [1,2,3,4,5,6]. سیگنال کلیک یک سیگنال معمولی غیر ساکن است که ویژگی های سیگنال غیر ساکن مانند دامنه ای را نشان می دهد که با گذشت زمان و ظهور تصادفی حالت های تحریک تغییر می کند بنابراین مناسب نیست که نوسان نوسان در حوزه زمان یا فقط در حوزه فرکانس نمایش داده شود.
تجزیه و تحلیل فرکانس زمان در سالهای اخیر نقطه داغی در زمینه تحقیقات پردازش سیگنال بوده است. این یک ابزار قدرتمند برای تجزیه و تحلیل سیگنال های غیر ثابت است. یان [7,8,9] پیشنهاد یک روش تجزیه و تحلیل زمان فرکانس جدید که او به نام فرکانس برش موجک تبدیل (فوتواست). تبدیل فوریه کوتاه مدت (استافت) و تبدیل موجک (وزنی) را حفظ می کند. می تواند به وضوح نشان دهنده ویژگی های میرایی سیگنال های چند معین به طور همزمان در حوزه زمان و فرکانس [7,8,9], که بسیار مناسب برای برخورد با سیگنال کلیک است. این می تواند شخصیت نوسان از زوایای مختلف تجزیه و تحلیل, که شامل تعیین حالت غالب, جدایی حالت و استخراج, و 3د بیان نقشه از سیگنال کلیک. سر و صدا در سیگنال کلیک می تواند وضوح فرکانس تجزیه و تحلیل فوتواست را کاهش دهد, که ممکن است دقت شناسایی حالت نوسان را تحت تاثیر قرار, بنابراین لازم است به حذف سیگنال کلیک. رویاسدی به خوبی می تواند در حذف سیگنال کلیک انجام. روش تجزیه و تحلیل سیگنال پراکندگی فعال پیشنهاد شده توسط سلسنیک است [10]. این یک روش جدید تجزیه و تحلیل سیگنال غیرخطی است که بر اساس تشدید سیگنال و نه بر اساس فرکانس یا مقیاس است که توسط تبدیل های فوریه و موجک فراهم شده است. این روش یک سیگنال را به عنوان مجموع یک جز "رزونانس بالا" و یک "رزونانس کم" بیان می کند. مولفه رزونانس بالا سیگنالی است که از چندین نوسان پایدار همزمان با ضریب کیو بالا تشکیل شده است. در مقابل مولفه کم تشدید سیگنالی است که شامل گذراهای غیر نوسانی با شکل و مدت زمان نامشخص با ضریب کیو پایین است. مکانیسم میرایی ناکافی یکی از دلایل بسیاری برای کلیک است. در نتیجه, سیگنال کلیک خروجی سیستم های کم میرایی در یک فرکانس خاص است. گفته می شود سیستمی با ضریب کیو بالا کم مصرف است. سیگنال کلیک یک مولفه رزونانس بالا که متشکل از چند نوسانات پایدار به طور همزمان است. بدین ترتیب, سیگنال کلیک به یک مولفه با رزونانس بالا تجزیه, یک جز با رزونانس کم و یک باقی مانده توسط روبیاسدی. مولفه رزونانس بالا سیگنال بدون علامت است. سپس برای تجزیه کامپوننت با رزونانس بالا استفاده می شود و بنابراین می توان باند کامل توزیع فرکانس زمان را به همراه بیان نقشه 3 بعدی و حالت غالب کلیک دریافت کرد. سپس با توجه به توزیع انرژی فواصل فرکانس برای تجزیه و تحلیل دقیق ویژگی های فرکانس زمان انتخاب می شوند. از طریق سیگنال های بازسازی شده در برش های فرکانس مشخصه,
جداسازی و استخراج اجزای حالت کلیک متوجه می شوند. در نهایت تشخیص با دقت بالا برای شناسایی پارامترهای مودال توسط تبدیل هیلبرت حاصل می شود.
2. تجزیه سیگنال پراکنده مبتنی بر رزونانس
تحلیل مولفههای مورفولوژیکی از دو بخش تبدیل موجک فاکتور کیو-کوک پذیر و تحلیل مولفههای مورفولوژیکی تشکیل شده است. تی کیووت یک تبدیل موجک با زمان گسسته است که عامل کیو به راحتی مشخص می شود. به طور انطباقی توابع پایه تجزیه سیگنال را تولید می کند. برای جداسازی سیگنالها به یک قطعه با رزونانس بالا و یک قطعه با رزونانس پایین با توجه به ویژگیهای غیرخطی به کار میرود تا بهترین نمایش سیگنال پراکنده ایجاد شود.
2.1. عامل س, میرایی و کلیک رزونانس
2.1.1. تشدید سیگنال و فاکتور کیو
ضریب کیفیت یا ضریب کیو یک پارامتر بدون بعد است که میزان کمبود نوسان ساز یا تشدید کننده را توصیف می کند یا به طور معادل پهنای باند تشدید کننده را نسبت به فرکانس مرکزی خود مشخص می کند. برای مقادیر بالای س, تعریف زیر نیز از نظر ریاضی دقیق است:cجایی که افwفرکانس رزونانس است, ب
پهنای باند نیمه قدرت است. شکل 1 مفهوم تشدید سیگنال را نشان می دهد. پالس های 1 و 3 اساسا یک چرخه واحد در مدت زمان پالس های کم رزونانس هستند زیرا رفتار نوسانی پایدار از خود نشان نمی دهند. پالس های 2 و 4 که نوسانات پایدارتر هستند پالس های با رزونانس بالا هستند. تبدیل موجک فاکتور کیو پایین برای نمایش کارا پالسهای 1 و 3 مناسب است. نمایش کارا پالس های 2 و 4 نیاز به تبدیل موجک با ضریب کیو بالاتر دارد.
2.1.2. کلیک رزونانس
س بالاتر نشان دهنده میزان کمتری از دست دادن انرژی نسبت به انرژی ذخیره شده تشدید کننده است. نوسانات کندتر از بین می روند. رزوناتورها با فاکتورهای با کیفیت بالا میرایی کمی دارند. گفته می شود سیستمی با ضریب کیفیت بالا کم مصرف است. سیستم های کم مصرف نوسانات را در یک فرکانس خاص با فروپاشی دامنه سیگنال ترکیب می کنند.
گفته می شود سیستمی با ضریب کیفیت پایین بیش از حد میرا می شود. چنین سیستمی اصلا نوسان نمیکند اما وقتی از حالت تعادلی خروجی حالت پایدار جابجا میشود با فروپاشی نمایی به حالت پایدار بازمیگردد و به صورت مجانبی به مقدار حالت پایدار نزدیک میشود.
شکل 2 نشان می دهد رزونانس سیگنال کلیک, با استفاده از چهار دستگاه دو منطقه سیستم کاندر به عنوان مثال [11]. سیگنال منحنی چرخش زاویه قدرت نسبی ژنراتور 4 به ژنراتور 1 است. بنابراین سیگنال کلیک خروجی سیستمهای کمرنگ در یک فرکانس خاص با خواص ضریب کیو و تشدید بالا است.
2.2. تبدیل موجک فاکتور کیو قابل تنظیم
تی کیووت یک تبدیل موجک کاملا گسسته انعطاف پذیر است [12]. از این رو می توان تحول را با توجه به رفتار نوسانی سیگنالی که اعمال می شود تنظیم کرد. این تحول بر اساس یک عامل مقیاس گذاری با ارزش واقعی (ضریب اتساع) است و توسط یک بانک فیلتر بیش از حد نمونه برداری شده با بازسازی کامل با فاکتورهای نمونه گیری با ارزش واقعی اجرا می شود [12].0در شکل 3 سیگنال زیر باند پنجمs(ن) دارای نرخ نمونه برداری از الفsجایی که اف1نرخ نمونه برداری از سیگنال ورودی است ایکس (ن). به همین ترتیب, سیگنال زیر باند پنجمs( ن) دارای نرخ نمونه برداری از f اف
. ال پی اس و اچ پی به ترتیب نشان دهنده مقیاس گذاری کم گذر و مقیاس گذاری با گذر بالا هستند.< 1 θ ( ω + ( β − 1 ) π α + β − 1 ) 0 | ω | ≤ ( 1 − β ) π ( 1 − β ) π ≤ | ω | ≤ α π α π ≤ | ω | ≤ π
ساعت 0 (ω ) =< 0 θ ( α π − ω α + β − 1 ) 1 | ω | ≤ ( 1 − β ) π ( 1 − β ) π ≤ | ω | ≤ α π α π ≤ | ω | ≤ π
ساعت 1 (ω ) =< α < 1 , 0 < β ≤ 1 , α + β >جایی که 0
1 , θ ( ω ) = 1 / 2 ( 1 + cos ω ) 2 − چون ω , | ω | ≤ π . عوامل مقیاس گذاری and و β را می توان با توجه به فاکتور س و افزونگی بیان کرد تحقیق [12]: = = 2 / ( س + 1), = = 1-β / ر .
پارامترهای اصلی برای ضریب س س, افزونگی تحقیق, و تعداد مراحل (یا سطوح) ج . بطور کلی, س اندازه گیری تعداد نوسانات نمایشگاه موجک است. یک تحول موجک فاکتور کیو بالا به سطوح بیشتری برای پوشش همان محدوده فرکانس در مقایسه با تحول ضریب کیو کم نیاز دارد. ما از س = 1 برای سیگنال های غیر نوسانی استفاده می کنیم. مقدار بالاتر س برای سیگنال های نوسانی مناسب است. پارامتر ر افزونگی است تی کیووت وقتی توسط سطوح بی نهایت محاسبه شود. به طور کلی مقدار ر = 3 توصیه می شود. ضمنا می تواند به عنوان اندازه گیری میزان همپوشانی طیفی بین فیلترهای باند گذر مجاور تفسیر شود. افزایش تحقیق بر افزایش همپوشانی در حوزه فرکانس فیلترهای باند گذر تشکیل دهنده تی کیووت اثر دارد. پارامتر ج تعداد بانکهای فیلتر را نشان می دهد. زیر باند ج + 1 وجود خواهد داشت: سیگنال خروجی فیلتر بالا گذر هر بانک فیلتر و سیگنال خروجی فیلتر کم الاغ بانک فیلتر نهایی.
2.3. تجزیه و تحلیل مولفه های مورفولوژیکی
پردازش سیگنال پراکنده از نمایش های پراکنده سیگنال ها برای برنامه هایی مانند استفاده می کند کاهش صدا, دکانولوشن, جداسازی سیگنال, طبقه بندی, و غیره. از این رو, تحولات برای نمایش پراکنده سیگنال عنصر کلیدی برای پردازش سیگنال پراکنده است. در مورد پر سر و صدا, ما باید برای برابری دقیق بپرسید. با توجه به سیگنال مشاهده شده:1جایی که ن سر و صدا است. هدف از تجزیه و تحلیل مولفه های مورفولوژیکی تخمین/تعیین ایکس است2و ایکس1جایی که ن سر و صدا است. هدف از تجزیه و تحلیل مولفه های مورفولوژیکی تخمین/تعیین ایکس است2و ایکس1می تواند به صورت پراکنده در پایگاه ها (یا قاب ها) نشان داده شود)2و Φ
