-
公开(公告)号:CN118068264B
公开(公告)日:2025-04-25
申请号:CN202410026657.9
申请日:2024-01-08
Applicant: 国电南瑞科技股份有限公司 , 国电南瑞南京控制系统有限公司 , 河海大学
Abstract: 本发明公开了一种基于十字形麦克风阵列的电力变压器多声源三维高精度定位方法,包括如下步骤:在方位线阵和俯仰线阵的中心安装一个激光测距传感器,实时测量阵列中心至声源所在平面距离R;形成方位和、差波束;形成俯仰和、差波束;基于多相滤波器的多声源分离,对方位与俯仰和、差波束分别运用多相滤波器将整个奈奎斯特频谱划分为K个不重叠的子带;基于频域输出的方位和差单脉冲测角;基于频域输出的俯仰和差单脉冲测角;计算声源坐标次获得各声源的三维坐标。本发明能够实现电力变压器多声源的三维高精度定位,支撑运检人员在异常早期快速锁定故障排查区域,提高检修效率,避免了变压器逐步劣化造成的严重危害。
-
公开(公告)号:CN117409800B
公开(公告)日:2025-04-25
申请号:CN202311331904.8
申请日:2023-10-13
Applicant: 国电南瑞科技股份有限公司 , 国电南瑞南京控制系统有限公司 , 河海大学
IPC: G10L21/0232 , G10L25/21
Abstract: 本发明公开了一种应用于多声源的子带复变分模态分解降噪方法,基于多相滤波器将接收信号整个频谱进行划分,根据子带数量和声源频率构建低通滤波器;对接收信号和低通滤波器进行多相分解,得到多相信号和多项滤波系数;根据多相信号和多项滤波系数得到每个子带的时域信号;基于复变分模态分解和每个子带的时域信号构造变分模型,并通过变分模型对每个声源子带输出信号进行噪声抑制。本发明将变分模态分解扩展至复信号领域,在各子带内分别利用CVMD对各声源进行降噪。本发明能有效提高各声源的信噪比SNR,且运算量较小,易于实现。
-
公开(公告)号:CN118068264A
公开(公告)日:2024-05-24
申请号:CN202410026657.9
申请日:2024-01-08
Applicant: 国电南瑞科技股份有限公司 , 国电南瑞南京控制系统有限公司 , 河海大学
Abstract: 本发明公开了一种基于十字形麦克风阵列的电力变压器多声源三维高精度定位方法,包括如下步骤:在方位线阵和俯仰线阵的中心安装一个激光测距传感器,实时测量阵列中心至声源所在平面距离R;形成方位和、差波束;形成俯仰和、差波束;基于多相滤波器的多声源分离,对方位与俯仰和、差波束分别运用多相滤波器将整个奈奎斯特频谱划分为K个不重叠的子带;基于频域输出的方位和差单脉冲测角;基于频域输出的俯仰和差单脉冲测角;计算声源坐标次获得各声源的三维坐标。本发明能够实现电力变压器多声源的三维高精度定位,支撑运检人员在异常早期快速锁定故障排查区域,提高检修效率,避免了变压器逐步劣化造成的严重危害。
-
公开(公告)号:CN117409800A
公开(公告)日:2024-01-16
申请号:CN202311331904.8
申请日:2023-10-13
Applicant: 国电南瑞科技股份有限公司 , 国电南瑞南京控制系统有限公司 , 河海大学
IPC: G10L21/0232 , G10L25/21
Abstract: 本发明公开了一种应用于多声源的子带复变分模态分解降噪方法,基于多相滤波器将接收信号整个频谱进行划分,根据子带数量和声源频率构建低通滤波器;对接收信号和低通滤波器进行多相分解,得到多相信号和多项滤波系数;根据多相信号和多项滤波系数得到每个子带的时域信号;基于复变分模态分解和每个子带的时域信号构造变分模型,并通过变分模型对每个声源子带输出信号进行噪声抑制。本发明将变分模态分解扩展至复信号领域,在各子带内分别利用CVMD对各声源进行降噪。本发明能有效提高各声源的信噪比SNR,且运算量较小,易于实现。
-
公开(公告)号:CN119007748A
公开(公告)日:2024-11-22
申请号:CN202410918958.2
申请日:2024-07-10
Applicant: 河海大学
Abstract: 本发明公开了一种基于极限学习机的电力变压器故障声纹检测方法,首先采集变压器故障的音频信号进行分帧,并通过快速傅里叶变换进行预处理;然后通过改进的梅尔滤波器,提取音频信号的声纹特征参量,构建基于极限学习机的故障声纹检测模型,并进行模型训练;最后建立测试集,将实时测试样本输入训练好的故障声纹检测模型,进行测试识别,得到变压器故障的声纹识别结果,实现故障声纹实时预警。本发明通过改进的梅尔滤波器能提高变压器声纹特征提取的频谱分辨率,降低系统复杂度,通过极限学习机算法构建故障声纹检测模型,有效提升了变压器故障检测准确率,且易于工程实施。
-
公开(公告)号:CN118051719A
公开(公告)日:2024-05-17
申请号:CN202211407913.6
申请日:2022-11-10
Applicant: 河海大学
IPC: G06F18/10 , G06F18/213 , G06N3/0464 , G06N3/08 , G06F18/25 , G06F18/214 , G06F18/24 , G06F17/16
Abstract: 本发明公开了一种基于双通道复数卷积神经网络的DOA估计方法。该方法首先将DOA估计问题表述为一个多标签分类任务,以阵列接收信号的复数协方差矩阵作为输入,分别输入由标准卷积层组成的第一通道和由空洞卷积层和池化层组成的第二通道中,其中空洞卷积在不损失角度信息的情况下,增大特征图的感受野。将双通道提取的特征融合后通过全连接层和sigmoid函数实现角度分类结果输出,实现多源输入下的DOA估计。本发明进一步提高DOA估计精度。仿真结果表明,双通道复数神经网络特征融合的方式有更优的收敛速度,在低信噪比和少快拍条件下,该方法有更高的估计精度。
-
公开(公告)号:CN117214852A
公开(公告)日:2023-12-12
申请号:CN202311178767.9
申请日:2023-09-12
Applicant: 河海大学
Abstract: 本发明公开了一种GNSS‑R被动雷达移动目标探测方法及系统,涉及雷达目标探测技术领域,首先对GNSS卫星的直达波进行提纯,得到直达波副本,接收目标回波,将接收的一维信号均转换到二维快时间‑慢时间域,并进行距离向压缩,得到距离向压缩信号;对距离向压缩信号进行距离徙动校正和多普勒频率徙动校正;将多普勒频率徙动校正后的单帧进行帧内的相干积累和帧间的非相干积累,得到调频率参数值对应的距离‑多普勒图;遍历每个调频率参数值对应的距离‑多普勒图,选取拥有最大峰值的距离‑多普勒图,进行恒虚警检测。本发明提高了GNSS‑R被动雷达移动目标的探测性能,同时没有增加计算复杂度。
-
公开(公告)号:CN116823610A
公开(公告)日:2023-09-29
申请号:CN202310772088.8
申请日:2023-06-28
Applicant: 河海大学 , 江西省水利科学院(江西省大坝安全管理中心、江西省水资源管理中心)
IPC: G06T3/40 , G06N3/0464 , G06N3/048 , G06N3/0475 , G06N3/045 , G06N3/08 , G06V10/80 , G06V10/52 , G06V10/82
Abstract: 本发明公开一种基于深度学习的水下图像超分辨率生成方法和系统,构建深度学习模型,包括多尺度特征提取、长距离及短距离依赖关系学习、多尺度上采样;训练模型以获得最优的权值和偏置,得到能够实现水下低分辨率图像到高分辨率图像生成的深度学习模型;利用训练好的深度学习模型进行水下图像超分辨率实验。本发明使用了更加轻量化的网络结构,不仅能够加快模型的训练速度,还可以大幅度减少训练参数,并能够尽可能地学习输入图像细节信息,同时引入长距离及短距离依赖关系学习让模型对全局及局部特征都有良好地建模能力;多尺度上采样网络,在不增加网络规模的前提下很好地挖掘多尺度的特征信息,从而提高了生成图像地视觉感知效果。
-
公开(公告)号:CN116796918A
公开(公告)日:2023-09-22
申请号:CN202210222125.3
申请日:2022-03-09
Applicant: 河海大学
IPC: G06Q10/063 , G06Q50/26
Abstract: 针对目前电子战作战效果评估中存在的电磁域热点聚焦能力评估、电磁域辅助决策能力评估、电磁域优势兑现能力评估等难点问题,本发明采用先验信息与层次分析法相结合的方法,通过构建指标层次结构,基于先验信息建立判断矩阵确定评估指标的权重,根据各个指标的指标效能值,综合计算评估结果。本发明中涉及的电子战作战效果评估方法可为指挥员在复杂博弈对抗环境下优化电子战决策质量提供支撑。
-
公开(公告)号:CN112882034B
公开(公告)日:2022-11-04
申请号:CN202110030173.8
申请日:2021-01-11
Applicant: 河海大学
Abstract: 本发明公开了一种基于低秩矩阵补全的气象雷达风电场杂波抑制方法,利用气象信号空间相关性,首先检测出回波信号中同时含有气象信号和风电场杂波的距离单元,将其置零,然后依次将单个脉冲下的向量重构为满足零元素随机分布且维数最优的低秩Toeplitz矩阵,使其低秩性达到最强,最后通过引入基于先验秩信息的正则化参数改进传统的非精确增广拉格朗日乘子法(IALM),并在每次迭代过程中自适应的更新正则化参数来提高对噪声子空间的估计精度,从而进一步提高对噪声的抑制能力,以此高精度的恢复气象数据。该算法实用性强,具有很好的工程应用前景。
-
-
-
-
-
-
-
-
-