GIS局部放電小波閾值去噪算法的改進

陳 迅，秦海亭，劉 利，王黎明

（江蘇科技大學 電子信息學院，江蘇 鎮(zhèn)江 212003）

局部放電是指在電場作用下，絕緣系統(tǒng)中只有部分區(qū)域發(fā)生放電而沒有形成貫穿性放電的一種放電現象[1]，是由于生產過程中造成的缺陷或絕緣系統(tǒng)內部老化，在高電場強度作用下發(fā)生重復擊穿和熄滅的現象。局部放電既是GIS絕緣劣化的征兆和表現形式，又是絕緣進一步劣化的原因。

電力設備局部放電檢測技術的研究對于設備的在線監(jiān)測具有重要的實際意義。局部放電會使電力設備絕緣系統(tǒng)加速老化，引起絕緣故障，縮短使用壽命，為確保變壓器能夠安全運行，需及時發(fā)現電力設備內部潛伏性的絕緣故障[2]。近年來眾多學者在這方面做了深入的研究。由于局部放電的信號很微弱，而在實際設備運行的現場卻往往存在大量的噪聲干擾，嚴重影響了局部放電在線監(jiān)測的靈敏度和精度，為了正確地分析局部放電信號，首先必須解決噪聲干擾抑制的問題[3]。

1 小波閾值去噪

針對局部放電信號中的各種干擾，國內外的學者也提出了相應的抗干擾技術。近年來，隨著對小波去噪算法的深入研究，小波去噪方法也豐富起來。目前比較常用的小波除噪方法有：模極大值去噪算法、相關性去噪算法和小波閾值去噪算法[4]。

其中，模極大值去噪算法不僅不需要估計噪聲的方差，還能較好的分析信號的奇異性，從而保留信號的重要信息，可以將其應用到信號的去噪中[5]。考慮到小波函數模極大值受白噪聲的影響較大，致使大尺度下的平滑作用使模極大值的定位產生的偏差，導致重構信號有一定的誤差；同時，在小的尺度上如何更好的恢復1、2尺度的小波系數成為一個重要問題[6]。

而相關性去噪算法主要是根據信號和噪聲在經小波分解后表現出不同的特性被提出和應用的，但在計算相關系數時，受到小波系數在時間軸上的影響各尺度間小波系數的偏移會降低判斷的準確率[7]。小波閾值去噪算法實現簡單，計算量小，因而應用最為廣泛。常用的小波閾值去噪算法有硬閾值法、軟閾值法以及相關的改進算法。

本文在此基礎上提出了一種基于新的閾值函數的小波閾值去噪算法。其中，新閾值函數與原來的閾值函數相比，不僅表達式簡單、易于計算，而且具有無窮階導數，便于進行各種數學處理等諸多優(yōu)良數學性能，同時很好地改善了硬、軟閾值方法的去噪效果，發(fā)揮了閾值去噪的優(yōu)越性。

最后用仿真試驗驗證了基于新的閾值函數的去噪算法在去噪方法中具有良好的效果。

對于任意函數 Ψ∈L2（R），如果滿足“容許性”條件[8]：

則Ψ可以作為一個“基小波”。進而，在L2（R）上的積分小波變換定義為：

如果令 ψa，b）為尺度參數，b為平移參數，式（2）可寫為：

經小波變換后，在每個尺度上得到一組一維的小波系數。如果Ψ滿足上述容許性條件，則其變換是可逆的，反變換為：

即根據信號的小波變換系數 可以精確的恢復原信號。

而在實際的應用中，為了便于計算機實現，需要將小波變換離散化。仿照傅里葉變換和傅里葉級數的關系，希望小波函數Ψ（x）經過伸縮和平移構成L2（R）的一組正交基：

這樣以來，任意函數f∈L2（R）都可以表示為小波級數的形式：

事實上，只要{Cj，k}滿足 Riesz 條件：

上述小波級數便成立，其中：

稱為小波系數。 它實際上是小波變換在離散的點（2－jk，2－j）上的值，也就是離散的二進小波變換。如果ψj，k滿足Riesz條件，離散的二進小波變換的逆變換是一個小波級數。

信號經過小波變換后，可以認為由信號產生的小波系數包含有信號的重要信息，其幅值較大，但數目較少，而噪聲對應的小波系數幅值小。通過在不同尺度上選取合適的閾值，并將小于閾值的小波系數置零，而保留大于閾值的小波系數，從而使信號中的噪聲得到有效的抑制，最后進行小波逆變換，得到濾波后的重構信號。小波閥值去噪的流程如下：

含噪信號→小波變換→硬/軟閾值處理→小波重構→去噪后信號

其中硬閥值去噪算法的計算步驟如下：

對待降噪信號3求小波變換，得到一系列小波系數{cj，k}；

除了最粗尺度信號外，將每個尺度j上的小波系數進行閾值處理，閾值取為：

其中，σ為噪聲的標準差，Nj為該尺度上小波系數的個數。當某小波系數大于閾值時，保留原值，否則置零，用公式表示為閾值函數：

式中，tj為預置閾值，cj，k為小波分解系數，為估計的小波系數。

利用閾值處理后的小波系數{cj，k}做小波逆變換，重構信號，便可得到去噪后的信號。

與硬閾值相對，軟閾值算法只是閾值函數不同，其他步驟均相同。當某小波系數大于閥值時，向著減小系數幅值的方向作一個收縮t，否則置零，用公式表示為閾值函數：

由此可見，小波閾值濾波算法的兩個關鍵問題是閾值（或噪聲標準差σ的估計）與閾值函數的選取。

2 改進的閾值函數

硬、軟閾值算法雖然在實際中得到了廣泛的應用，也取得了較好的效果，由小波閾值去噪公式可知，軟閾值是對硬閾值的擴展，但這些算法本身還存在一些缺陷，在一般情況下，用硬閾值處理過的信號要比用軟閾值處理后的信號粗糙，這是因為硬閾值法往往使得濾波結果具有較大的方差 （主要因為濾波后的不連續(xù)性），因此在硬閾值處理過程中，利用cj，k重構所得的信號可能會產生一些振蕩。而采用軟閥值處理方法雖然可以獲得比較平滑的去噪信號，且軟閥值方法中估計小波系數有著良好的連續(xù)性，但由于當小波系數較大時，c^j，k與cj，k之間總存在恒定的偏差，這將直接影響重構信號與真實信號的逼近程度，給重構信號帶來不可避免的誤差。從而使得軟閾值法濾波結果具有較大的偏差 （主要因為對所有大于閾值的系數共同做了收縮）[8]。為了盡可能減少它們之間的偏差，構建了如下新的小波閾值函數：

式（12）中，cj，k為被噪聲污染后的小波分解系，為估計的小波系數，tj為閾值。

該方法思路簡單、易于實現，且與前兩者相比具有良好的效果。構建的新的閥值函數具有高階導數，使得其在信號和噪聲之間有著一個平滑的過渡區(qū)間。由于軟閾值算法估計出來的小波系數c^j，k的絕對值總是比cj，k要小tj，從而影響了重構精度，所以需考慮減小此偏差，但這種偏差減小到零也不一定是最好的（硬閾值的情況）。因為多數情況下cj，k本身就是由uj，k（信號對應的小波系數）和 Vj，k（噪聲對應的小波系數）組成的，而目的是使‖－uj，k‖最小，因此使的取值介于 cj，k－tj和 cj，k之間可能會使估計出來的小波系數更加接近于 uj，k，基于這一思想構建了該閾值函數?？疾齑撕瘮担?/p>

可知，當 λ 取 0 和 1 之間的數，x→±∞ 時，有 f（x）－x→2λt，即隨著 cj，k的增大，和 cj，k的偏差的絕對值逐漸減小為2λt，所以大大減小了軟閾值方法中產生的恒定偏差，從而提高了重構精度，改善了去噪效果。

可見相對于硬、軟閾值函數，新閾值函數更優(yōu)、更靈活，效果。如圖1為硬閾值函數、軟閾值函數以及改進閾值函數的曲線圖。

圖1 3種閾值函數曲線圖Fig.1 3 kinds of threshold function curves

3 仿真試驗

為了說明新閾值函數在去噪算法中的有效性和優(yōu)越性，分別采用傳統(tǒng)的硬、軟閾值函數和新閾值函數進行試驗對比。文中應用MATLAB仿真軟件對Bumps信號加入白噪聲，然后分別采用硬閾值、軟閾值和本文中提出的閾值去噪算法進行去噪，該信號采用了sym8小波對含噪信號進行3層小波分解，用最小極大方差法確定閾值。

圖2為Bumps信號及其用硬閾值、軟閾值和新閾值去噪算法進行去噪仿真的結果，從下圖中可以看出，硬閾值和軟閾值去噪均有不同程度的波形失真，而新的閾值去噪方法達到了較好的去噪效果。

圖2 Bumps信號去噪結果對比Fig.2 The denoising results compared to Bumps signal

下表列出了此3中方法對含噪的Bumps信號去噪后的信噪比和均方差，從表中可知，改進的小波去噪閾值方法信噪比最高，與硬閾值相比提高了23.74%，與軟閾值相比提高了79.98%，而均方差最小，與硬閾值相比降低了60.43%，與軟閾值相比降低了30%，所以去噪效果最好。

表1 Bumps信號的3種去噪結果比較Tab.1 Comparison of 3 kinds of Bumps signal denoising results

參照文獻[9]提出的用數學模型來表示局部放電脈沖信號的方法，采用單指數衰減震蕩模型來模擬局部放電信號，并對其進行仿真試驗。有如下數學表達式：

式中，A為信號的振幅，τ為信號衰減系數，t0為放電時刻，fc為放電信號主頻率。 當選取 A=5 A，τ=2 μs，t0=10 μs，fc=1 MHz時，信號模擬放電波形如圖3中的參考信號波形：

白噪聲在這里服從均值m=0，方差σ2=1的高斯分布隨機序列來模擬。本文選用db2小波對局放信號進行3層分解，當選取λ=0.8時，由仿真結果圖3可以看出，軟閾值去噪效果失真明顯，改進后的閾值去噪效果相對于硬閾值去噪較為理想，而如何保持更高的穩(wěn)定度是以后繼續(xù)研究的一個方向。

圖3 局部放電仿真波形和信號去噪結果對比Fig.3 The waveform of PD simulation and the denoising results compared to the signal

4 結 論

文中提出了一種基于新的閾值函數的去噪算法，與傳統(tǒng)的硬、軟閾值去噪方法相比，去噪效果無論在信號輸出波形上還是在去噪后信號的信噪比和均方誤差意義上都有了明顯改善，而且新閾值方法很靈活，且具有比較好的穩(wěn)定性。去噪仿真的結果也說明了改進后的小波閾值去噪算法能夠較好地完成對波形提取的工作，在GIS局部放電檢測方面具有較好的工程應用價值。

[1]牛海清.高壓直流局部放電的模糊識別及去噪策略[D].廣州：華南理工大學，2009.

[2]藏懷剛，王志斌，鄭英.改進小波閾值函數在局放去噪分析中的應用[J].自動化儀表，2010，31（5）:5-7.ZANG Huai-gang，WANG Zhi-bin，ZHENG Ying.Application of improved wavelet threshold function in partial discharge signal de-noising analysis[J].Automation Instrumentation，2010，31（5）:5-7.

[3]錢勇，黃成軍，陳陳，等.多小波消噪算法在局部放電檢測中的應用[J].中國電機工程學報，2007，27（6）:89-95.QIAN Yong，HUANG Cheng-jun，CHEN Chen，et al.Application of multi-wavelet based on denoising algorithm in partial discharge detection[J].Proceedings of the CSEE，2007，27（6）:89-95.

[4]華春紅，任章，張敏虎.基于自適應閾值估計的模極大值去噪方法[J].航天控制，2011，29（1）:37-40.HUA Chun-hong，REN Zhang，ZHANG Min-hu.The wavelet maxima denoising based on the adaptive bayes shrink threshold[J].Aerospace Control，2011，29（1）:37-40.

[5]廖華.GIS局部放電在線監(jiān)測系統(tǒng)及核主分量模式識別研究[D].重慶：重慶大學，2008.

[6]王瑞，張友純.新閾值函數下的小波閾值去噪[J].計算機工程與應用，2013，49（15）:215-218.WANG Rui，ZHANG You-chun.New threshold function in wavelet threshold de-noising[J].Computer Engineering and Application，2013，49（15）:215-218.

[7]秦毅，王家序，毛永芳.基于軟閾值和小波模極大值重的信號降噪[J].振動、測試與診斷，2011，31（5）:543-547.QIN Yi，WANG Jiang-xu，MAO Yong-fang.Signal denoising based on soft thresholding and reconstruction from yadic wavelet transform modulus axima[J].Journal of Vibration，Measurement，2011，31（5）:543-547.

[8]段大鵬.基于UHF方法的GIS局部放電檢測與仿生模式識別[D].上海：上海交通大學，2009.

[9]艾比布勒-賽塔爾，徐文邦，王德平，等.局部放電小波閾值去噪算法的改進[J].電子測試，2014（10）:26-28.Aibibule-Saitaer，XU Wen-bang，WANG De-ping，et al.The improvement of wavelet threshold denoising algorithm of partial discharge[J].The Electronic Test，2014（10）:26-28.