信号检测方法及装置

摘要

本发明提供了一种信号检测方法及装置，涉及信号检测技术领域。方法包括基于预设的差值信号计算规则及获取到的待检测信号，获得待检测信号的差值信号后，基于预设的自适应阈值计算规则及差值信号，获得差值信号的自适应阈值；再对比自适应阈值及差值信号，根据对比结果判断待检测信号中是否存在扰动信号；若判断得出待检测信号中存在扰动信号，对差值信号进行滑动窗奇异值分解，获得差值信号的第一滑动窗奇异信号；然后对第一滑动窗奇异信号进行扰动信息提取，输出扰动信号的定位结果。通过自适应阈值进行扰动检测，结合滑动窗奇异值分解对检测到的扰动进行定位的方式，实现待检测信号中的扰动检测，精确度高，抗噪性强，更灵敏，更有效。

权利要求

1.一种信号检测方法，其特征在于，应用于一电子设备，所述方法包括：基于预设的差值信号计算规则及获取到的待检测信号，获得所述待检测信号的差值信号；

基于预设的自适应阈值计算规则及所述差值信号，获得所述差值信号的自适应阈值；

对比所述自适应阈值及所述差值信号，根据对比结果判断所述待检测信号中是否存在扰动信号；

若判断得出所述待检测信号中存在扰动信号，对所述差值信号进行滑动窗奇异值分解，获得所述差值信号的第一滑动窗奇异信号；

对所述第一滑动窗奇异信号进行扰动信息提取，输出所述扰动信号的定位结果；

其中，所述预设的差值信号计算规则为xk＝|V((k+T/2)Δt)|-|V(kΔt)|，所述基于预设的差值信号计算规则及获取到的待检测信号，获得所述待检测信号的差值信号，包括：基于xk＝|V((k+T/2)Δt)|-|V(kΔt)|，获得所述待检测信号的差值信号，k为所述待检测信号中的一个周期的采样点，T为所述采样点的个数，k＝1,2,…,T，所述一个周期包括相邻半周期的前半周期和后半周期，Δt为每个采样点之间的间隔，V(kΔt)为所述前半周期，V((k+T/2)Δt)为所述后半周期，xk为所述待检测信号中的一个周期的采样点k处的离散差值信号；

所述预设的自适应阈值计算规则为 所述基于预设的自适应阈值计算规

则及所述差值信号，获得所述差值信号的自适应阈值，包括：

基于 获得所述差值信号的自适应阈值，τ为所述自适应阈值， 为所述差值信号的估计噪声，且 |x|HH为所述差值信号的最高频小波系数，Median为取中值的函数，σ为所述差值信号的均方差，且 为所述待检测信号的离散采样值，Z为所述离散采样值的个数，为所述待检测信号中的所述一个周期的T个采样点的均值，Amax为所述待检测信号的最大幅值。

2.根据权利要求1所述的方法，其特征在于，所述对比所述自适应阈值及所述差值信号，根据对比结果判断所述待检测信号中是否存在扰动信号，包括：对比所述自适应阈值及所述差值信号，若判断得出所述差值信号大于所述自适应阈值，确定所述待检测信号中存在扰动信号。

3.根据权利要求1所述的方法，其特征在于，所述若判断得出所述待检测信号中存在扰动信号，对所述差值信号进行滑动窗奇异值分解，获得所述差值信号的第一滑动窗奇异信号，包括：若判断得出所述待检测信号中存在扰动信号，基于所述差值信号，以滑动窗的形式构造方阵；

对所述方阵进行奇异值分解后，获得最大奇异值；

将所述最大奇异值作为采样点k的滑动奇异值，获得采样点k的离散差值信号xk对应的第一滑动窗奇异信号。

4.根据权利要求1所述的方法，其特征在于，所述对所述第一滑动窗奇异信号进行扰动信息提取，输出所述扰动信号的定位结果，包括：对所述第一滑动窗奇异信号进行形态学滤波，获得第二滑动窗奇异信号；

在所述第二滑动窗奇异信号中极大值点前半个周期内进行扰动信息搜索，直到满足预设的扰动信号成倍增长条件，输出所述扰动信号的定位结果，所述定位结果包括所述扰动信号的起止点。

5.根据权利要求4所述的方法，其特征在于，所述对所述第一滑动窗奇异信号进行形态学滤波，获得第二滑动窗奇异信号，包括：基于 获得第二滑动窗奇异信号，f表示所述第二滑动窗奇异信

号，表示形态开，·表示形态闭运算，F表示所述第一滑动窗奇异信号，g为直线型结构元素。

6.一种信号检测装置，其特征在于，运行于一电子设备，所述装置包括：第一计算单元，用于基于预设的差值信号计算规则及获取到的待检测信号，获得所述待检测信号的差值信号；

第二计算单元，用于基于预设的自适应阈值计算规则及所述差值信号，获得所述差值信号的自适应阈值；

对比单元，用于对比所述自适应阈值及所述差值信号，根据对比结果判断所述待检测信号中是否存在扰动信号；

分解单元，用于若判断得出所述待检测信号中存在扰动信号，对所述差值信号进行滑动窗奇异值分解，获得所述差值信号的第一滑动窗奇异信号；

输出单元，用于对所述第一滑动窗奇异信号进行扰动信息提取，输出所述扰动信号的定位结果；

其中，所述预设的差值信号计算规则为xk＝|V((k+T/2)Δt)|-|V(kΔt)|，所述第一计算单元包括：第一计算子单元，用于基于xk＝|V((k+T/2)Δt)|-|V(kΔt)|，获得所述待检测信号的差值信号，k为所述待检测信号中的一个周期的采样点，T为所述采样点的个数，k＝1,2,…,T，所述一个周期包括相邻半周期的前半周期和后半周期，Δt为每个采样点之间的间隔，V(kΔt)为所述前半周期，V((k+T/2)Δt)为所述后半周期，xk为所述待检测信号中的一个周期的采样点k处的离散差值信号；

所述预设的自适应阈值计算规则为 所述第二计算单元包括：

第二计算子单元，用于基于 获得所述差值信号的自适应阈值，τ为所述自适应阈值， 为所述差值信号的估计噪声，且 |x|HH为所述差值信号的最高频小波系数，Median为取中值的函数，σ为所述差值信号的均方差，且 vk,k＝1,2,…,Z为所述待检测信号的离散采样值，Z为所述离散采样值的个数，为所述待检测信号中的所述一个周期的T个采样点的均值，Amax为所述待检测信号的最大幅值。

说明书

信号检测方法及装置

技术领域

[0001] 本发明涉及信号检测技术领域，具体而言，涉及一种信号检测方法及装置。

背景技术

[0002] 随着现代电力系统中用电设备数量的日益增多，设备的敏感度也逐渐增加，电能质量已成为当今电力系统研究的热点问题。电能质量问题是指电压或电流偏离其理想波形的现象，其中包括：电压暂降、暂升、瞬变、波动、中断等。针对电能质量问题的分析是电力系统故障诊断和暂态保护的基础。由于电力系统中大多数瞬态信号都属于非平稳信号，所以信号的检测算法已成为研究动态电能质量的一个重要方面。随着电力系统规模的增大，为保证电力设备的稳定运行，电能质量数据的分析算法面临更高的要求。在考虑算法精确度及抗噪性的同时，对一些微弱扰动及复杂扰动的检测也提出了新的挑战。

[0003] 目前，已有研究者提出了多种算法对电能质量扰动进行检测，诸如：离散傅里叶变换(discrete Fourier transform,DFT)、小波变换(wavelet transform,WT)、S变换、希尔伯特-黄变换(Hilbert-Huang transform,HHT)等算法。傅里叶变换尽管已广泛应用于各个领域，但不适用于非平稳信号。小波变换实现了信号的时频域联合分析，但需要人为的选取小波基，导致其抗噪能力差异较大。S变换具有良好的时频表达能力且抗噪性能也较好，但它的计算量却相对较高。HHT作为一种新型的时频分析方法，适用于各种非线性、非平稳的信号，但HHT存在边界效应与包络线拟合的问题，虽然集合经验模态分解可以减少该类问题的影响，但仍具有一定的局限性，只适用于一些特定信号的检测。基于形态学理论的电能质量扰动检测算法已取得一定的成果，虽然其运算速度较快，但其结构元素难以选择，给算法带来了一定局限性。

发明内容

[0004] 本发明的目的在于提供一种信号检测方法及装置，以改善上述问题。为了实现上述目的，本发明采取的技术方案如下：

[0005] 第一方面，本发明实施例提供了一种信号检测方法，应用于一电子设备，所述方法包括：基于预设的差值信号计算规则及获取到的待检测信号，获得所述待检测信号的差值信号；基于预设的自适应阈值计算规则及所述差值信号，获得所述差值信号的自适应阈值；对比所述自适应阈值及所述差值信号，根据对比结果判断所述待检测信号中是否存在扰动信号；若判断得出所述待检测信号中存在扰动信号，对所述差值信号进行滑动窗奇异值分解，获得所述差值信号的第一滑动窗奇异信号；对所述第一滑动窗奇异信号进行扰动信息提取，输出所述扰动信号的定位结果。

[0006] 第二方面，本发明实施例提供了一种信号检测装置，运行于一电子设备，所述装置包括第一计算单元、第二计算单元、对比单元、分解单元和输出单元。第一计算单元，用于基于预设的差值信号计算规则及获取到的待检测信号，获得所述待检测信号的差值信号。第二计算单元，用于基于预设的自适应阈值计算规则及所述差值信号，获得所述差值信号的自适应阈值。对比单元，用于对比所述自适应阈值及所述差值信号，根据对比结果判断所述待检测信号中是否存在扰动信号。分解单元，用于若判断得出所述待检测信号中存在扰动信号，对所述差值信号进行滑动窗奇异值分解，获得所述差值信号的第一滑动窗奇异信号。输出单元，用于对所述第一滑动窗奇异信号进行扰动信息提取，输出所述扰动信号的定位结果。

[0007] 本发明实施例的提供的信号检测方法及装置，基于预设的差值信号计算规则及获取到的待检测信号，获得所述待检测信号的差值信号后，基于预设的自适应阈值计算规则及所述差值信号，获得所述差值信号的自适应阈值；再对比所述自适应阈值及所述差值信号，根据对比结果判断所述待检测信号中是否存在扰动信号；若判断得出所述待检测信号中存在扰动信号，对所述差值信号进行滑动窗奇异值分解，获得所述差值信号的第一滑动窗奇异信号；然后对所述第一滑动窗奇异信号进行扰动信息提取，输出所述扰动信号的定位结果。通过自适应阈值进行扰动检测，结合滑动窗奇异值分解对检测到的扰动进行定位的方式，实现待检测信号中的扰动检测，计算量少，实时性高，精确度高，抗噪性强，更灵敏，更有效，具有实用价值。

[0008] 本发明的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

附图说明

[0009] 为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

[0010] 图1为一种可应用于本发明实施例中的电子设备的结构框图；

[0011] 图2为本发明实施例提供的信号检测方法的流程图；

[0012] 图3为本发明实施例提供的信号检测方法中正常含噪信号与含暂降扰动信号各自的差值信号对比示意图；

[0013] 图4为本发明实施例提供的信号检测方法中信噪比为20dB下过零点处扰动的滑动窗奇异值分解的结果示意图；

[0014] 图5为本发明实施例提供的信号检测方法中信噪比为20dB下自适应阈值分别对不含扰动信号、含电压暂升信号检测结果对比示意图；

[0015] 图6为本发明实施例提供的信号检测方法中信噪比为40dB下自适应阈值分别对不含扰动信号、含暂态脉冲信号检测结果对比示意图；

[0016] 图7为本发明实施例提供的信号检测方法中对含电压暂降信号的检测结果示意图；

[0017] 图8为本发明实施例提供的信号检测方法中对含电压暂升信号的检测结果示意图；

[0018] 图9为本发明实施例提供的信号检测方法中对含暂态脉冲信号的检测结果示意图；

[0019] 图10为本发明实施例提供的信号检测方法中对含电压中断信号的检测结果示意图；

[0020] 图11为本发明实施例提供的信号检测方法中对含电力谐波信号的检测结果示意图；

[0021] 图12为本发明实施例提供的信号检测方法中对实测数据中含电压暂降及振荡暂态信号的检测结果示意图；

[0022] 图13为本发明实施例提供的信号检测方法中对实测数据中含电压暂升的检测结果示意图；

[0023] 图14为本发明实施例提供的信号检测方法中对实测数据中含电压持续波动信号的检测结果示意图；

[0024] 图15为本发明实施例提供的信号检测方法中对实测数据中含暂态脉冲信号的检测结果示意图；

[0025] 图16为本发明实施例提供的信号检测方法中对实测数据中含电压中断信号的检测结果示意图；

[0026] 图17为本发明实施例提供的信号检测方法中不同窗口长度在信噪比为30dB下进行奇异值分解后的结果示意图；

[0027] 图18为本发明实施例提供的信号检测方法中不同窗口长度在信噪比为10dB下进行奇异值分解后的结果示意图；

[0028] 图19为本发明实施例提供的信号检测方法中在信噪比为15dB下对过零点发生含电压暂降和电压暂升信号的检测结果示意图；

[0029] 图20为本发明实施例提供的信号检测装置的结构框图。

具体实施方式

[0030] 为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

[0031] 应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

[0032] 图1示出了一种可应用于本发明实施例中的电子设备100的结构框图。如图1所示，电子设备100可以包括存储器102、存储控制器104、一个或多个(图1中仅示出一个)处理器106、外设接口108、输入输出模块110、音频模块112、显示模块114、射频模块116和信号检测装置。

[0033] 存储器102、存储控制器104、处理器106、外设接口108、输入输出模块110、音频模块112、显示模块114、射频模块116各元件之间直接或间接地电连接，以实现数据的传输或交互。例如，这些元件之间可以通过一条或多条通讯总线或信号总线实现电连接。信号检测方法分别包括至少一个可以以软件或固件(firmware)的形式存储于存储器102中的软件功能模块，例如所述信号检测装置包括的软件功能模块或计算机程序。

[0034] 存储器102可以存储各种软件程序以及模块，如本申请实施例提供的信号检测方法及装置对应的程序指令/模块。处理器106通过运行存储在存储器102中的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现本申请实施例中的信号检测方法。

[0035] 存储器102可以包括但不限于随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-Only Memory，PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。

[0036] 处理器106可以是一种集成电路芯片，具有信号处理能力。上述处理器可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(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。其可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

[0037] 所述外设接口108将各种输入/输出装置耦合至处理器106以及存储器102。在一些实施例中，外设接口108、处理器106以及存储控制器104可以在单个芯片中实现。在其他一些实例中，他们可以分别由独立的芯片实现。

[0038] 输入输出模块110用于提供给用户输入数据实现用户与电子设备100的交互。所述输入输出模块110可以是，但不限于，鼠标和键盘等。

[0039] 音频模块112向用户提供音频接口，其可包括一个或多个麦克风、一个或者多个扬声器以及音频电路。

[0040] 显示模块114在电子设备100与用户之间提供一个交互界面(例如用户操作界面)或用于显示图像数据给用户参考。在本实施例中，所述显示模块114可以是液晶显示器或触控显示器。若为触控显示器，其可为支持单点和多点触控操作的电容式触控屏或电阻式触控屏等。支持单点和多点触控操作是指触控显示器能感应到来自该触控显示器上一个或多个位置处同时产生的触控操作，并将该感应到的触控操作交由处理器106进行计算和处理。

[0041] 射频模块116用于接收以及发送电磁波，实现电磁波与电信号的相互转换，从而与通信网络或者其他设备进行通信。

[0042] 可以理解，图1所示的结构仅为示意，电子设备100还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。

[0043] 于本发明实施例中，电子设备100可以作为用户终端，或者作为服务器。用户终端可以为PC(personal computer)电脑、平板电脑、手机、笔记本电脑、智能电视、机顶盒、车载终端等终端设备。

[0044] 在本实施例中，电子设备100为PC(personal computer)电脑。电脑的配置为Intel(R)Core(TM)i5-4200H CPU 2.8GHz以及8 GB RAM。电脑中安装有Matlab 2015b。

[0045] 请参阅图2，本发明实施例提供了一种信号检测方法，应用于一电子设备，所述方法包括步骤S200、步骤S210、步骤S220、步骤S230和步骤S240。

[0046] 步骤S200：基于预设的差值信号计算规则及获取到的待检测信号，获得所述待检测信号的差值信号。

[0047] 电能质量问题包含了电压质量与电流质量。由于目前研究者研究的大多数事件都与电压幅值的变化有关，且电流质量至今还没有明确的定义，本实施例中利用电压波形进行异常扰动检测。即在本实施例中，所述待检测信号为待检测的电压信号。

[0048] 在正常状态下，电能质量信号是呈正弦形式波动的，而异常扰动和噪声往往是零散分布且不对称的。基于这样的波形特点，可以将正常的电压信号与含异常扰动的电压信号分别表示为如下的形式：

[0049]

[0050]

[0051] 表达式(1)及表达式(2)中，V1(t)表示正常情况下的电压信号，V2(t)表示含异常扰动的电压信号；t表示时间；An表示n次谐波的电压幅值； 表示n次谐波的相角；N表示谐波的最高阶次；f表示系统频率；d(t)表示噪声；φ(t)表示异常扰动信号。

[0052] 通过式(1)和式(2)可知，将正常信号与含异常扰动信号作差值运算，可以得到只含有噪声与扰动的信号。对一段待检测信号取绝对值，将相邻的前后半周期作差，可以得到差值信号，即：

[0053] xk＝|V((k+T/2)Δt)|-|V(kΔt)|   (3)

[0054] 进一步地，作为一种实施方式，公式(3)为所述预设的差值信号计算规则，即xk＝|V((k+T/2)Δt)|-|V(kΔt)|。步骤S200可以包括：

[0055] 基于xk＝|V((k+T/2)Δt)|-|V(kΔt)|，获得所述待检测信号的差值信号，k为所述待检测信号中的一个周期的采样点，T为所述采样点的个数，k＝1,2,…,T，所述一个周期包括相邻半周期的前半周期和后半周期，Δt为每个采样点之间的间隔，V(kΔt)为所述前半周期，V((k+T/2)Δt)为所述后半周期，xk为所述待检测信号中的一个周期的采样点k处的离散差值信号。

[0056] 以扰动信号为暂降信号为例，正常含噪信号和含扰动信号的信号各自经过(3)式的差值运算结果如图3所示。在图3的(a)、(b)、(c)、(d)中，(a)为正常含噪信号的波形示意图，(c)为(a)中对应的差值信号的波形示意图，(b)中为含有扰动信号即暂降信号的波形示意图，(d)为(b)中对应的差值信号的波形示意图。在(a)和(b)中均添加了信噪比(signal noise ratio,SNR)为20dB的高斯白噪声。对比图3(c)和(d)可知，通过相邻半周期的差值信号，就可以显示出扰动信号的存在与否，如图3(d)所示，显示出了尖脉冲，表示存在扰动信号。

[0057] 步骤S210：基于预设的自适应阈值计算规则及所述差值信号，获得所述差值信号的自适应阈值。

[0058] 目前，研究者已提出了各种不同的扰动检测阈值。一些研究分别借助检测出的突变最大幅值衡量阈值，当扰动起止点突变幅值相差较大时，阈值就会失效。一些研究提出了自适应的检测阈值，可以根据输入信号的噪声含量自适应的变化，但在实际应用中需调节参数达到最优效果，增加了操作的复杂性。

[0059] 为了能够自适应的检测扰动是否发生，本实施例基于图像去噪中的经验阈值，将其运用在一维的电能质量信号中，定义如下的阈值公式：

[0060]

[0061] 所述预设的自适应阈值计算规则为公式(4)即 步骤S210包括：基于获得所述差值信号的自适应阈值，τ为所述自适应阈值， 为所述差值信号的
估计噪声，且 |x|HH为所述差值信号的最高频小波系数，Median为取中值的
函数，σ为所述差值信号的均方差，且 vk,k＝1,2,…,Z为所述待检测信号的
离散采样值，Z为所述离散采样值的个数，为所述待检测信号中的所述一个周期的T个采样点的均值，Amax为所述待检测信号的最大幅值。公式(4)中差值信号的估计噪声是通过对差值信号进行小波分解，从高频子带计算得到： 且在小波分解中，基于db4
小波作为小波分解的基函数，以提高特征提取性能。

[0062] 由于在一般情况下，信号中的噪声是保持恒定的。当差值信号中没有异常扰动时，信号的均方差只与噪声有关，阈值的检测结果中，差值信号不会超过阈值线的范围；当扰动发生时，均方差会迅速增大，导致阈值线的范围缩小，差值信号就会超出阈值线，即判断为发生扰动。本实施例中阈值的设定根据信号及噪声的大小自适应的变化，且不需调节额外的参数，计算简单，能够准确的判断扰动是否发生。

[0063] 步骤S220：对比所述自适应阈值及所述差值信号，根据对比结果判断所述待检测信号中是否存在扰动信号。

[0064] 进一步地，步骤S220可以包括：对比所述自适应阈值及所述差值信号，若判断得出所述差值信号大于所述自适应阈值，确定所述待检测信号中存在扰动信号。

[0065] 步骤S230：若判断得出所述待检测信号中存在扰动信号，对所述差值信号进行滑动窗奇异值分解，获得所述差值信号的第一滑动窗奇异信号。

[0066] 进一步地，步骤S230可以包括：若判断得出所述待检测信号中存在扰动信号，基于所述差值信号，以滑动窗的形式构造方阵；对所述方阵进行奇异值分解后，获得最大奇异值；将所述最大奇异值作为采样点k的滑动奇异值，获得采样点k的离散差值信号xk对应的第一滑动窗奇异信号。

[0067] 步骤S240：对所述第一滑动窗奇异信号进行扰动信息提取，输出所述扰动信号的定位结果。

[0068] 进一步地，步骤S240包括：对所述第一滑动窗奇异信号进行形态学滤波，获得第二滑动窗奇异信号；在所述第二滑动窗奇异信号中极大值点前半个周期内进行扰动信息搜索，直到满足预设的扰动信号成倍增长条件，输出所述扰动信号的定位结果，所述定位结果包括所述扰动信号的起止点。

[0069] 进一步地，对所述第一滑动窗奇异信号进行形态学滤波，获得第二滑动窗奇异信号，包括：基于 获得第二滑动窗奇异信号，f表示所述第二滑动窗奇异信号，○表示形态开，●表示形态闭运算，F表示所述第一滑动窗奇异信号，g为直线型结构元素。根据本实施例的定义，扰动尖脉冲的宽度大于T/2，所以为了滤除背景噪声而保留指示扰动信息的尖脉冲，g的长度可以小于T/2，例如g＝T/4。

[0070] 具体地，若根据自适应阈值判断出信号中存在异常扰动，那么就可以进一步提取扰动的起止时间。依靠差值信号的数据，并不能在强噪声的环境下对异常扰动进行定位。目前采用奇异值(Sigular Value Decomposition，SVD)分解的电能质量检测算法，大多是将原始信号构成Hankel矩阵，提取分量信号。这是由于Hankel矩阵的构造能够保留波形的特征，但这样的方式不能检测过零点发生的扰动，且抗噪性能较差。

[0071] 本实施例中，为了提高扰动信号定位的精确度和抗噪性，且不影响过零点的检测，在差值信号即xk(k＝1,2,…Z)构成的向量即y＝[x1,x2,…,xk,…,xZ]逐点移动滑动窗，以当前的采样点xk作为所述滑动窗内的起点，构造方阵即 对构造的方阵基于Y＝UΣVT，Σ＝diag(αi)，i＝1,2,...,w+1进行奇异值分解，Y表示所述差值信号；Z表示采样点的个数；w表示滑动窗的窗口长度，例如w取4～20个采样点的长度；U和V为两个正交阵，αi为方阵Y的奇异值，且有α1≥α2≥…≥αw+1，获得最大奇异值；将所述最大奇异值作为采样点k的滑动奇异值，获得采样点k的离散差值信号xk对应的第一滑动窗奇异信号：Fk＝(α1)k。Fk表示所述第一滑动窗奇异信号，(α1)k为所述最大奇异值。

[0072] 在奇异值分解中，信号的大部分能量集中在较大的奇异值中，而较小的奇异值包含了更多的噪声。为了提取出异常扰动在差值信号中的变化并降低噪声的干扰，取最大奇异值即α1作为滑动检测窗的输出值。如图4所示，以待检测信号为电压暂升信号，w＝5Δt为例，图4为信噪比20dB下过零点处扰动的滑动窗SVD分解的结果，横坐标为采样点，纵坐标为幅值，由图4可知，能克服传统的奇异值不能检测过零点处扰动的缺陷，并且差值信号经滑动窗奇异值分解后，经过形态学滤波后得到的第二滑动窗奇异信号在发生异常扰动的位置会形成尖脉冲，其值以指数倍增长，相应的背景噪声得到弱化，因此极大地提高了扰动定位的精确度与抗噪能力。随着w的增大，第一滑动窗奇异信号在扰动处的滑动奇异值也成倍增加，其效果会在后续实验部分给出。

[0073] 具体地，经过步骤S230得到的第一滑动窗奇异信号，其变化趋势与差值信号一致，其以指数倍开始增长的突变点即为待检测信号发生异常扰动的起止点。为了能对扰动信号的起止点进行准确的定位，先将变化相对较小的背景噪声滤除，基于形态学滤波具有计算简单，速度快的特点，进一步地，基于 获得第二滑动窗奇异信号。

[0074] 第二滑动窗奇异信号为经过形态学滤波后的第一滑动窗奇异信号，第二滑动窗奇异信号的背景噪声不再有尖锐的变化，而异常扰动信号的尖脉冲特征得到保留，为提取尖脉冲以指数倍增长的突变点，定义预设的扰动信号成倍增长条件即 fk表示采样点k对应的所述第二滑动窗奇异信号值，fk+1表示采样点k+1对应的所述第二滑动窗奇异信号值，fmax表示所述第二滑动窗奇异信号中极大值，fmin表示所述第二滑动窗奇异信号中极小值，w为所述滑动窗的窗口长度。检测扰动的突变点时，只需在第二滑动窗奇异信号中极大值点前半个周期内搜寻，直到满足式 即可停止搜索，输出即
为扰动信号的起止点。为使检测结果更加直观，将第二滑动奇异信号的最大值赋予检测出的起止点，其他采样点赋值为零，得到最终的扰动定位。

[0075] 为了验证本发明实施例提供的信号检测方法的有效性，本实施例采用了多组模拟数据与实测数据进行仿真实验。

[0076] 首先，为了验证本发明实施例提供的信号检测方法中自适应阈值的合理性，基于步骤S200-步骤S210，分别添加信噪比为20dB和40dB的高斯白噪声，信号采样频率为5000Hz，即一个周期含100个采样点。对含扰动信号和不含扰动信号分别进行检测，结果如图5和图6所示。A1表示信噪比(SNR)为20dB时的不含扰动信号的差值信号，A2表示信噪比(SNR)为20dB时的不含扰动信号的差值信号的自适应阈值，A3表示信噪比(SNR)为20dB时的含电压暂升信号的差值信号，A4表示信噪比(SNR)为20dB时的含电压暂升信号的差值信号的自适应阈值，A5表示信噪比(SNR)为40dB时的不含扰动信号的差值信号，A6表示信噪比(SNR)为40dB时的不含扰动信号的差值信号的自适应阈值，A7表示信噪比(SNR)为40dB时的含暂态脉冲信号的差值信号，A8表示信噪比(SNR)为40dB时的含暂态脉冲信号的差值信号的自适应阈值。由图5中(a)和(b)，当信号中不含扰动时，差值信号的大小不会超过自适应阈值设定的范围；当信号中存在扰动信号如电压暂升信号时，自适应阈值会自适应的减小，差值信号会超过自适应阈值的范围。由图5中的(a)与图6中的(c)对比也可见，根据信号中噪声大小的不同，自适应阈值的大小也在自适应的变化。实验证明，本实施例中提出的扰动检测阈值能够根据信号的噪声强度及扰动幅度自适应的变化，且没有额外的可调参数，实用性高，在噪声较强的环境下也同样适用。

[0077] 其次，为验证本发明实施例提供的信号检测方法对不同类型扰动的检测性能，添加信噪比为30dB的高斯白噪声，分别对电压暂降、电压暂升、暂态脉冲、电压中断以及谐波的情况进行检测。实验信号采样频率为5000Hz，即一个周期含100个采样点，w＝5Δt，检测结果分别如图7-图11所示，B1、B3、B5、B7和B9分别表示含电压暂降、电压暂升、暂态脉冲、电压中断以及谐波各自对应的差值信号，B2、B4、B6、B8和B10分别表示含电压暂降、电压暂升、暂态脉冲、电压中断以及谐波各自对应的差值信号与各自对应的自适应阈值，由图7-图11可知，本实施例提供的信号检测方法对多种类型的扰动均能实现检测及定位，并且自适应阈值可根据信号进行自适应的变化。在图7与图10中，扰动均发生在过零点，可以验证本实施例提供的信号检测方法依然能实现精确检测及定位且不受干扰。在图9中，发生了暂态脉冲扰动，本实施例提供的信号检测方法是采用了半个周波的差值进行计算，当发生了持续时间不超过半周波的扰动时，滑动窗奇异信号的突变点会刚好相差半个周波的长度，为避免重复检测且使定位结果更精确，当定位结果的突变点相差(T/2)Δt时，只显示第一个突变点。

[0078] 为进一步验证本发明实例提供的信号检测方法的实用性，对多组实测信号进行了检测。以下实测信号来源于我国华东地区部分变电站，采样频率为25600Hz，即一个周期含512个采样点，w＝5Δt，其中包括了单一扰动以及多种扰动并存的多类信号，检测结果如图
12-图16所示，由于在实测信号中，扰动类型多，波形幅度变化不稳定，第二滑动窗奇异信号会在尖脉冲附近产生多个小脉冲，此时的定位结果不仅会显示扰动发生的突变点，还会指示出扰动过程中变化较为剧烈的点，如图16所示。在图12中，同时发生了电压暂降及振荡暂态，可以看出本实施例提供的信号检测方法对这种多类型扰动混合的信号依然可以精确检测及定位，并且指示出了其中突变幅度较大的点。由于在本实施例提供的信号检测方法中，自适应检测阈值是以一个周期的数据进行分段检测，而滑动窗是逐点检测，所以阈值检测出的扰动段会稍大于奇异值的定位结果。

[0079] 在图12-图16中，分别发生了电压暂升、电压持续波动、暂态脉冲、电压中断，由于实测数据量较大，扰动信号未恢复平稳，定位结果只给出了扰动开始的定位点。并且如图15所示，对于一些扰动幅度较小、持续时间较短的扰动信号，本实施例提供的信号检测方法依旧可以灵敏地检测出来，可适用在一些早期故障检测中。以实现本发明实施例提供的信号检测方法对实测信号也同样适用，不仅可以检测单一扰动，对多扰动共存的信号也能精确检测。

[0080] 进一步地，在本实施例中，只涉及一个参数的选择，即滑动窗的窗口长度w。为验证w对本发明实施例提供的信号检测方法的影响，分别添加信噪比为10dB和30dB的高斯白噪声，信号采样频率为5000Hz，即一个周期含100个采样点，改变滑动窗的窗口长度进行检测，定位结果如图17、图18所示。

[0081] 在图17中，当信噪比为30dB时，设置扰动幅度为0.8倍的电压暂降信号，w的变化并不会对定位精度有所影响。当信噪比为10dB时，设置扰动幅度为0.6倍的电压暂降信号，可见在强噪声的环境下，本实施例提供的信号检测方法依旧保持优越的定位性能。当然，会存在一些背景噪声的毛刺，增大w，背景噪声即得到抑制。随着w的增大，滑动窗奇异信号的值也随之变大，随即会使计算量增加，即定位算法的时间变长，但会使扰动定位的精度提高，所以w取4至20个采样间隔为宜。本发明实施例提供的信号检测方法简单，计算量小，可调参数只有一个即窗口长度，且参数的改变对算法影响很小；同时本文提出的检测阈值无需任何额外的参数，具有较高的自适应能力。

[0082] 为了进一步说明本发明实施例提供的信号检测方法的检测性能，将本发明实施例提供的信号检测方法与3种现有算法进行了对比分析，3种现有算法包括WPTSE、差分和算法及传统奇异值(SVD)算法。在对比实验中，实验信号为模拟信号。针对不同的扰动类型，各算法的检测结果如表1所示，表1中，“---”表示检测失效的情况。

[0083] 由表1可见，本发明实施例提供的信号检测方法在几种算法的比较中表现出了较好的检测效果。其中，传统SVD算法抗噪性较弱，且出现了检测失效的情况。而WPTSE算法虽然能在噪声较大的环境中检测，但其误差较大，且WPTSE算法中需要对小波包节点进行选择重构，选取准则难以定义。差分和算法虽然实现了高精度检测，且抗噪性良好，但其在噪声大的环境下，对于过零点发生的扰动会检测失效。无需任何前置滤波单元，能够完整保留扰动的信息，在信噪比为15dB的环境下亦能完成检测，且对过零点的扰动也保持同样的检测性能。

[0084] 表1本发明实施例提供的信号检测方法与3种现有算法不同噪声强度下的检测结果

[0085]

[0086] 为了进一步说明本发明实施例提供的信号检测方法在检测过零点扰动的优越性，如图19所示，图19为本发明实施例提供的信号检测方法在信噪比为15dB的环境下过零点扰动的检测结果。该实验中，窗口长度为w＝5Δt，即表示对检测精度要求较低的情况。结合表1和图19中可以看出，在强噪声的环境下，本发明实施例提供的信号检测方法依旧可以对过零点的扰动实现精确定位，优于差分和算法的检测性能，且基于差分和算法的检测阈值虽然较其他算法实现了自适应的扰动检测，但在应用中需合理调节多个参数以达到最优效果，而本发明实施例提供的信号检测方法中的检测阈值，无需调节任何参数即可实现检测，更具有实用性。

[0087] 由于传统SVD算法在噪声稍大的环境中检测效果与精度不甚理想，在对比检测算法运算速度方面，仅将本实施例提供的信号检测方法与另两种算法即WPTSE、差分和算法进行对比。选用了两种扰动类型的模拟信号，其数据长度均为2500Δt，信噪比均为30dB。该实验中，滑动窗的窗口长度仍然选取w＝5Δt，差分和算法采用简化前的模式，三种算法的检测时长如表2所示。由表2可见，本实施例提供的信号检测方法在运算速度上基本与差分和算法一致，均优于WPTSE算法，验证了本实施例提供的信号检测方法计算量较小、实时性较高的优点。

[0088] 表2本发明实施例提供的信号检测方法与WPTSE、差分和算法各自的运算速度对比[0089]

[0090] 经过多组模拟信号与实测信号的实验，证明了本实施例提供的信号检测方法的检测定位性能与实用价值。并且在实测信号中，对于持续时间短，幅值突变很小的异常扰动，可以实现精确检测及定位，对于一些早期故障检测的研究领域，可提供一定的指导作用。

[0091] 本发明实施例的提供的信号检测方法，通过自适应阈值进行扰动检测，结合滑动窗奇异值分解对检测到的扰动进行定位的方式，实现待检测信号中的扰动检测，计算量少，实时性高，精确度高，抗噪性强，更灵敏，更有效，具有实用价值。

[0092] 请参阅图20，本发明实施例提供了一种信号检测装置300，运行于一电子设备，所述装置300可以包括第一计算单元310、第二计算单元320、对比单元330、分解单元340和输出单元350。

[0093] 第一计算单元310，用于基于预设的差值信号计算规则及获取到的待检测信号，获得所述待检测信号的差值信号。

[0094] 所述预设的差值信号计算规则为xk＝|V((k+T/2)Δt)|-|V(kΔt)|，所述第一计算单元310可以包括第一计算子单元311。

[0095] 第一计算子单元311，用于基于xk＝|V((k+T/2)Δt)|-|V(kΔt)|，获得所述待检测信号的差值信号，k为所述待检测信号中的一个周期的采样点，T为所述采样点的个数，k＝1,2,…,T，所述一个周期包括相邻半周期的前半周期和后半周期，Δt为每个采样点之间的间隔，V(kΔt)为所述前半周期，V((k+T/2)Δt)为所述后半周期，xk为所述待检测信号中的一个周期的采样点k处的离散差值信号。

[0096] 第二计算单元320，用于基于预设的自适应阈值计算规则及所述差值信号，获得所述差值信号的自适应阈值。

[0097] 所述预设的自适应阈值计算规则为 所述第二计算单元320可以包括第二计算子单元321。

[0098] 第二计算子单元321，用于基于 获得所述差值信号的自适应阈值，τ为所述自适应阈值， 为所述差值信号的估计噪声，且 |x|HH为所述差值信
号的最高频小波系数，Median为取中值的函数，σ为所述差值信号的均方差，且vk,k＝1,2,…,Z为所述待检测信号的离散采样值，Z为所述离散采样值的
个数，为所述待检测信号中的所述一个周期的T个采样点的均值，Amax为所述待检测信号的最大幅值。

[0099] 对比单元330，用于对比所述自适应阈值及所述差值信号，根据对比结果判断所述待检测信号中是否存在扰动信号。

[0100] 所述对比单元330可以包括对比子单元331。

[0101] 对比子单元331，用于对比所述自适应阈值及所述差值信号，若判断得出所述差值信号大于所述自适应阈值，确定所述待检测信号中存在扰动信号。

[0102] 分解单元340，用于若判断得出所述待检测信号中存在扰动信号，对所述差值信号进行滑动窗奇异值分解，获得所述差值信号的第一滑动窗奇异信号。

[0103] 分解单元340可以包括分解子单元341。

[0104] 分解子单元341，用于若判断得出所述待检测信号中存在扰动信号，基于所述差值信号，以滑动窗的形式构造方阵；对所述方阵进行奇异值分解后，获得最大奇异值；将所述最大奇异值作为采样点k的滑动奇异值，获得采样点k的离散差值信号xk对应的第一滑动窗奇异信号。

[0105] 输出单元350，用于对所述第一滑动窗奇异信号进行扰动信息提取，输出所述扰动信号的定位结果。

[0106] 输出单元350可以包括输出子单元351。

[0107] 输出子单元351，用于对所述第一滑动窗奇异信号进行形态学滤波，获得第二滑动窗奇异信号；在所述第二滑动窗奇异信号中极大值点前半个周期内进行扰动信息搜索，直到满足预设的扰动信号成倍增长条件，输出所述扰动信号的定位结果，所述定位结果包括所述扰动信号的起止点。

[0108] 输出子单元351，用于基于 获得第二滑动窗奇异信号，f表示所述第二滑动窗奇异信号，○表示形态开，●表示形态闭运算，F表示所述第一滑动窗奇异信号，g为直线型结构元素。

[0109] 以上各单元可以是由软件代码实现，此时，上述的各单元可存储于存储器102内。以上各单元同样可以由硬件例如集成电路芯片实现。

[0110] 本发明实施例提供的信号检测装置300，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。

[0111] 在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

[0112] 另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

[0113] 所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明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部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，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)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。

[0114] 以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。