开题报告(结束).ppt

《开题报告(结束).ppt》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、研究生：李伟导师：唐炬教授2008年7月全封闭组合电器复合绝缘缺陷局放盲源分离研究开题报告主要内容1.GIS内复合PD信号存在的可能性2.盲源分离（BSS）研究的主要对象3.复合PD信号采用盲源分离的可行性分析4.研究课题的主要内容6.研究计划5.研究课题的学术意义和使用意义PD类型的多样性1.GIS内复合PD信号存在的可能性自由金属微粒固定金属突出物绝缘子污染绝缘子气隙常见缺陷GIS内部结构复杂性PD产生的随机性和分散性GIS内部多局放源GIS内非线性混合超高频外置传感器复合PD信号问题：检测到复合PD

2、信号如何处理？2.盲源分离（BSS）研究的主要对象鸡尾酒会中，与会者同时在同一个房间里面交谈，各人的讲话声音经过反射和其他人的声音以及背景噪声混合在一起，传入人的耳朵。人的听觉系统在这个酒会环境里，可以有选择地听取某个人的讲话声音，而同时感觉其他人的声音和背景噪声似乎不存在(或者影响很小)。因此，人们感兴趣的问题就是:是否可以用一个麦克风阵列，将这些声音转换成观测数据，然后通过盲信号分离方法提取出我们所关心的某个人的声音。A:典型例子:鸡尾酒会(cocktailparty)S1S2Sn混合系统H分离系统WX

3、1XnX2nnNY1Y2Yn未知传感器测量信号混合－分离矩阵G=WH已分离信号YB.盲源分离(BSS):是要解决从若干个观测数据(源信号的混合)中估计(分离或者提取)未知源信号的问题，也就是通过一组传感器(电极、天线等)的输出获得观测信号，再通过这些观测信号采用盲源分离算法恢复源信号。2.盲源分离（BSS）研究的主要对象多个传感器检测信号盲源信号未知信道传输参数未知恢复源信号绝缘缺陷判断图像识别波达方向估计生物医学信号无线通信地球信号语音识别当前应用领域2.盲源分离（BSS）研究的主要对象C.当前的应用领域

4、：还没有见将BSS应用于GIS系统的报道！查新：国内从事BSP的主要高校：清华大学大连理工大学上海交通大学东南大学西安电子科技大学主要研究领域：1.通信；2.语音信号；3.数据压缩与特征提取；4.海洋生物信号；5.脑信号等等A.GIS中PD信号与“鸡尾酒会”问题语音信号的比较：3.复合PD信号采用盲源分离的可行性分析相同点区别信号传播方式和传播介质相似研究目的相同信号检测方式相似信号的空间行为相似多信号源★自由空间★同轴波导PD信号可作为BSS研究的信号源！两种信号有相似的产生和发展过程！电磁波和声波空气和

5、SF6,都是气体回响和反射波，卷积混合3.复合PD信号采用盲源分离的可行性分析①：非平稳信号；②：波形持续时间较长；③：波幅变换差异明显.PD信号可用于BSS！语音信号线性混合卷积混合相似B:波形比较：波形计算应把反射波作为GIS内部结构特征的反映，不能丢！等时a.PD实测波形（Fs=10GHz,50ns/div）t＝10ns;T=100ns;V=0.25m/nss=2.5mS≤13.75m在以传感器UHF的检测点O为中心，前后2.5m内（OB,OB’）的距离内，若有几个局放PD信号在t时间内产生，几个PD

6、信号的第一个振荡波内就能够混合构成复合信号；在前后13.75m内(OA,OA’)的距离内，几个PD信号在T时间内构成复合信号。⊿t5ns⊿t15nsPD信号相位部分重叠构成复合信号；如果更多的信号混合，就更像语音信号；如果采用UHF传感器，这种波形特征就决定了，并非是1～2ns的脉冲！必须分离，否则无法判断！3.复合PD信号采用盲源分离的可行性分析C:BSS前提条（M=N）：白化3.复合PD信号采用盲源分离的可行性分析123BSS实测信号3个条件估计出源信号混合矩阵列满秩零均值，随机，相互独立至多一个高斯分

7、布盲分离算法PD信号满足BSS条件！线性混合卷积混合3.复合PD信号采用盲源分离的可行性分析D.通过人工构造复合PD信号信号盲分离验证：X=HSS1S2X1X2BSSY=WXY1Y2盲源分离的特点：1.幅值的不确定性；2.波形极性的不确定性；3.顺序的不确定性。不影响对PD波形的判断！BSS可用于复合PD信号！线性瞬时混合4.研究课题的学术意义和使用意义从有针对性地研究盲信号分离理论的角度，具有较高的学术理论意义：1.线性瞬时混叠矩阵混合信号；2.卷积混叠矩阵混合信号。事实上，不论是线性瞬时混叠信号的盲分离

8、还是卷积混叠信号的盲分离都还有许多理论上的问题需要解决，如算法的全局收敛性和渐进稳定性等问题的分析以及算法的鲁棒性研究等，有待研究的方向集中以下几个方面：1）.带噪声混叠信号的盲源分离；2）.欠定盲源分离（信号源数多于传感器数）；3）.信号源数的估计；4).非平稳混叠信号的盲分离。迄今为止,大多数理论和算法都是关于瞬时混合的盲信号分离问题,而关于卷积混合盲信号分离问题的研究却比较少。然而,在许多实际应用环境中,信