基于互相关与混沌检测相结合 的光声信号检测方法

1、0引言充油电力变压器在长期运行过程中,存在着放电和过热现象,其油纸绝缘裂解会产生多种气体,分析油中溶解气体的成分和比例,可以有效判断其潜伏性故障和类型1。近年来,光声光谱气体检测技术在变压器油中溶解气体在线监测应用中得到了很大发展2。但是由于溶解气体的体积分数是微量的(常为1/106级,微音器输出的电信号通常是毫伏级甚至于更低;同时变压器运行现场的环境干扰以及杂散光照射等因素使得光声信号湮没在强噪声下无法辨识,采用滤波放大等方法对微弱光声信号的提取没有太显著的效果,信噪比仍然较低。互相关分析是一种目前得到广泛应用的微弱信号检测方法,它可以将噪声干扰下的与参考信号同频的微弱信号提取出来,但是该方

2、法具有一定局限性:当待测信号幅值与噪声功率量级上相差较大时,得到的结果会出现大的偏差,其原因在于剩余噪声的存在使得互相关函数波形发生畸变而影响到检测结果3。为此这里引入混沌检测的方法,把含有剩余噪声的互相关函数作为混沌系统策动力的一部分引入到系统中,利用混沌系统对噪声干扰强免疫的特性,避开剩余噪声的影响提取微弱信号,进一步提高检测信噪比4。结合互相关分析和Duffing 混沌振子检测的方法,采用LabVIEW 和Matlab 软件混合编程构建虚拟检测系统对光声信号进行检测,实验结果表明该方法将检测的信噪比大幅提高,可有效提取强噪声环境下的微弱光声信号。1微弱光声信号检测方法微音器的输出信号为周

3、期信号,其幅值与油中溶解气体体积分数具有函数关系,频率与光源调制频率相同。1.1微弱光声信号互相关分析方法设X (t 为待测信号,r (t 为参考信号,n (t 为噪声,!为待测信号与参考信号的相差。其互相关函数为U 0(t =lim T !1TT0"X (t r (t -d t =lim T !1TT0"U ssin t+n (t ×U r sin (t-+!dt =lim T !1TT 0"U ssin t U rsin (t-+!dt +lim T !1TT0"n (t U rsin (t-+!dt =U r U s /2cos (t -

4、!+Rnr (t (1式中U 0为互相关函数幅值;U s 为待测信号幅值;U r 为参考信号幅值。理论上,周期参考信号与白噪声不相关,其相关函数Rnr (t 应为0,但是在某些实际场合下,噪声没有那么理想,不能看作是白噪声,而应该视为色噪声,色噪声与信号的相关性有可能很强,且工程实际中积分时间不可能为无限长,故实际计算的Rnr (t 不为零,而只是接近于零的随机变量,表现为剩余噪声。针对互相关分析去除噪声不完全的缺陷,引入基于混沌振子检测微弱信号的方法,可以在 互相关分析的基础上进一步提高信噪比5。待测信号在经过互相关分析环节后,初始噪声在很大程度基于互相关与混沌检测相结合的光声信号检测方法陈

5、伟根,张嵩,杜林,王有元(重庆大学高电压与电工新技术教育部重点实验室,重庆400030摘要:采用光声光谱方法检测变压器油中溶解气体的体积分数时,由于变压器运行现场的干扰以及检测过程中存在的噪声使得微弱光声信号湮没在强噪声中而无法辨识。在分别对互相关运算和混沌检测进行分析说明的基础上将这2种方法结合起来作为微弱光声信号检测的理论依据。集成LabVIEW 和Matlab 软件构建了虚拟信号检测系统,编程实现了由李雅普诺夫特性指数谱来判定混沌系统运动状态的功能。实验结果表明该方法对被强噪声覆盖的微弱光声信号非常敏感,具有较高检测精度。关键词:光声信号;互相关分析;混沌检测;虚拟检测系统中图分类号:T

6、M 930.1文献标识码:A文章编号:1006-6047(200803-0022-05收稿日期:2007-01-23;修回日期:2007-04-24电力自动化设备Electric Power Automation EquipmentVol.28No.3Mar.2008第28卷第3期2008年3月基金项目:重庆市科委自然科学基金重点资助项目(CSCT ,2007-BA2002上得到抑制,由于剩余噪声在能量上远低于初始噪声,与待测微弱信号的量级相当,不会因噪声过强使得系统由临界混沌状态相变到大尺度周期状态,而让混沌检测方法失效(仿真实验发现:混沌系统临界混沌状态并一定对强噪声免疫,在噪声功率很大的

7、情况下,有一定概率会使得系统发生相变。1.2微弱光声信号混沌检测方法1.2.1信号混沌检测原理微弱信号检测最大的障碍就是噪声的类型及其分布情况未知,而混沌检测对于白噪声和零均值未知分布色噪声均具有极强的抑制能力,利用其进行微弱信号检测的理论基础是振子的非平衡相变对微弱信号具有极大敏感性和对噪声具有强免疫力6。目前,广泛用于强噪声背景下微弱正弦信号检测的Duffing振子方程的一般形式(可测任意频率如下:d2xd t2=-k x+2(x3-x5+f cost(2其状态方程为d x d t =y,dyd t=(x3-x5-k y+f cost(3其中f为内置策动力幅值,(x3-x5为振子的非线性项

8、,在外加信号一定的情况下,它决定了振子的特性,也决定了检测能够达到的精度。理论分析和仿真试验都证明由该振子构成系统的相平面能够产生混沌现象7。阻尼系数k固定,随着f/k的变化,系统状态发生改变。当f很小时,系统随机围绕其焦点或鞍点作周期运动;随着f 的增大,当f达到某一阈值f1时,系统的相轨迹所经历的状态为同宿轨道、倍化分叉、混沌状态;f继续增大,系统保持混沌状态,当f增大到另一阈值f2时,系统的相轨迹表现为大尺度周期的极限环运动状态,此后f/k进一步增大,该周期轨道仍然存在,只是形状有所变化8。将待测信号作为系统周期策动力的一部分引入到混沌系统中,当只有纯噪声干扰时,系统理想运动轨迹上出现毛

9、刺,且随着噪声幅值在一定范围内增大而增加,但系统状态不会发生相变;当输入信号含有特定的周期正弦信号,即使幅值很小,也会使系统发生相变。此时,可根据相轨迹是混沌状态还是稳定的周期运动状态来判定待测信号中是否存在周期信号9。1.2.2混沌系统运动状态的判定信号混沌检测的关键是确定系统由混沌状态进入大尺度周期状态的阈值f2。在实际信号检测中,系统的混沌运动与周期运动之间没有明显界限,单凭肉眼观察来确定临界阈值有一定的困难,所以混沌特性判据的研究是混沌检测的理论基础10。混沌运动的基本特点是运动对初始条件的敏感性, 2个极为靠近的初值所产生的轨道,随时间推移按指 数形式分离,李雅普诺夫特性指数是定量描

10、述这一现象的量,它表示在多次迭代中平均每次迭代所引起的指数分离中的指数11。在Duffing系统中至少存在有一个李氏特性指数始终为常数0,下面关于混沌判据的讨论均不包括这些始终为0的指数。由李氏特性指数谱可以辨识出系统的运动状态和得到相变临界阈值:如其中一个特性指数为正,说明系统处于混沌态;如全都为负,说明系统处于大尺度周期态;如有指数为0,或近似为0,则系统处于从混沌态向大尺度周期态过渡的临界状态,此时对应的策动力幅值即为相变临界阈值f212。2基于LabVIEW与Matlab结合的光声信号检测系统及其算法LabVIEW和Matlab是当今工程领域内使用广泛的2种软件,Matlab具有非常强

11、大的信号处理功能,而LabVIEW则能非常方便地实现与数据采集硬件设备的通信。在LabVIEW程序中调用Matlab脚本节点,可互相弥补各自不足之处,提高编程效率,也使得虚拟仪器的信号处理功能更为强大。2.1光声信号检测系统的组成基于LabVIEW与Matlab结合的光声信号检测系统由LabVIEW平台,Matlab算法模块以及LabVIEW数据I/O模块3部分组成,其结构及算法如图1所示。由Matlab算法模块提供互相关分析和混沌检测的算子13以及李雅普诺夫特性指数谱计算程序,在Matlab环境下用脚本文件编辑器编写,对算法进行定义,并确定仿真的时间参数及混沌系统相平面初值,对混沌系统采用龙

12、格-库塔四阶计算方法求解,时间步长本文选为0.001s,然后编程计算李氏特性指数谱,从而判别系统状态和得到相变临界阈值。值得注意的是混沌系统对初值具有极大的敏感性,且当初值超过某个值后,系统不再出现混沌态。在完成编程后存盘退出,并将保存路径添加到LabVIEW程序框图中;然后在程序框图中加入Matlab脚本节点,在节点中用“Import”命令直接调用Matlab算子,节点与外部程序框图依靠其输入、输出变量来连接,由于Matlab和LabVIEW对数据类型有着不同的定义,在编程时应使得脚本节点内外数据类型相匹配14。另外还有2点值得注意:一是程序中采样点数的选择将会对结果产生较大的影响,点数太少

13、不能准确描述实际波形,但如果点数太多又会使得硬件采样频率的调节误差增大,因此采样点数的选择要合适才能保证检测的精度15 (本文选为3000点,采样频率为1000Hz;二是混沌系统仿真时间选取要足够长才不会对系统运动状态产生误判(本文选为30s,步长为0.001s。2.2系统与数据采集卡的通信LabVIEW数据I/O模块用于采集数据的记录和传输,NI公司提供了专门用于数据采集的软件DAQmx,它可以与LabVIEW平台很好的集成在一起,将采集卡采集到的数据通过数据采集助手DAQ陈伟根,等:基于互相关与混沌检测相结合的光声信号检测方法第3期Assistant 传输到后续程序框图中。根据选用采集卡的

14、型号,在LabVIEW 中由相应的程序驱动其工作。3微弱光声信号检测实验分析将已知体积分数的变压器油中溶解特征气体充入到光声池,用斩波器对入射到光声池中的红外光线进行频率调制,根据气体光声原理,气体吸收光能后的非辐射驰豫过程在光声池内产生周期声信号,在池顶端安置的微音器接收该信号并输出与气体体积分数相对应的电信号,由于气体体积分数是事先确定的,可以计算得到电信号幅值为1mV 。数据采集卡采集到的微音器信号采样波形由数据采集助手储存为电子表格形式的数据文件,然后通过文件I /O 的读取电子表格VI 将数据传输到后续程序框图中去,采集到的待测信号波形如图2所示,光声信号湮没在强噪声中无从辨识。此时

15、用正弦信号生成VI 建立起同频参考信号(频率由光源调制频率确定,本实验为100Hz ,选定其幅值为2mV ,初始相位为0,与待测光声信号进行互相关运算,结果如图3所示,信号理想互相关函数应为正弦波形,频率相同,且在幅值上与两路信号存在着如公式(1所示的函数关系。互相关分析从很大程度上降低了初始干扰噪声,此时的噪声功率相比于初始噪声降低了数倍,可以由图3看出该函数仍为周期信号,但是由于互相关函数波形中存在有剩余噪声的现象,它们使得波形出现许多毛刺甚至在某些地方发生畸变,此时波形的幅值由于剩余噪声的干扰而无法准确得到。可以将此波形看作是一个正弦信号与幅值量级相当的剩余噪声叠加而成,由公式(1可知剩

16、余噪 声实际上是噪声与参考信号的互相关函数,其频率与待测信号相同,无法采用频域滤波措施滤掉,而要采用其他不依赖于频率的方法来抑制噪声。为了减小剩余噪声对微弱信号检测的影响,引入混沌检测方法,将互相关函数作为混沌检测中策动力的一部分引入到混沌系统。在选定阻尼系数k 为0.5后,首先从零开始调节策动力幅值f 到临界分岔阈值f 2,该阈值没有确切公式得到其解析解,只能通过实验确定,当选定f 值后运行混沌判据计算程序,观察系统的李氏指数谱图,重复该步骤将f 值精度顺次向高位扩展,直到有一条李氏指数谱线收敛值为负,另一条谱线收敛值为0,此时系统处于从混沌态向大尺度周期态过渡的临界状态,最后得到f 2值为

17、0.7339867,系统运动状态如图4所示,对应的李氏指数随时间演化关系如图5所示(L E 为Lyapunov 分量,其中有一条李氏指数谱线近似为0,另一条谱线为负数;然后加入互相关函数信号,并调整内置策动力相位与其相同,由于混沌系统对同频微弱信号的极度敏感性,系统进入大尺度周期状态,0.30-0.3100200300400500t /msu m /V图2强噪声干扰下待测信号波形图Fig.2Waveform of signal with strong noise0.0150-0.015100200300400500t /msu m /V图3互相关函数波形图Fig.3Waveform of cr

18、oss correlation function采样信息采样频率采样点数设定波形参数信号互相关计算结果输出DAQ Assistant readfrom Excel 数据采集卡信号生成VI 参考信号互相关分析Matlab 脚本节DAQmx波形数据待测信号互相关函数信号混沌系统策动力幅值Fd WK系统频率混沌系统阻尼比Duffing 混沌系统仿真Matlab 脚本节点设定系统初值设定仿真时间参数结果输出Duffing 函数脚本保存路径Path簇捆绑X YX-Y Gragh李雅普诺夫指数谱计算Matlab 脚本节点初始化将Duffing 系统转化为自治系统计算雅可比矩阵计算轨线距离矩阵计算变分方程结

19、果输出Gragh LE-tPathFind_lyapunov 函数脚本保存路径微音器文件I /O图1光声信号检测系统Fig.1Photoacoustic signal detection system第28卷电力自动化设备系统运动状态如图6所示,对应的李氏指数谱如图7所示,其中有2条李氏指数谱线为负数且在数值上很接近(李氏指数谱线随着时间演化具有收敛性质;此时,调节策动力幅值f 使系统再次处于混沌态向大尺度周期态过渡的临界状态,记下此时的阈值f 0为0.7329885,即可求得加入的互相关函数信号幅值U 0=f 2-f 0,其值为0.0009982,又参考信号幅值U r 值为2mV ,根据公式

20、U s =2U 0/U r 可计算出待测电信号的幅值U s 值为0.9982mV 。该检测系统信噪比(SNR =-10lg (周期信号功率/噪声标准差约为60dB ,相对误差小于0.2%。4结论针对在变压器油中溶解气体光声光谱检测中微弱光声信号湮没在强噪声下难以检测的问题,结合互相关分析和混沌检测的方法,采用在LabVIEW 平台中嵌用Matlab 算法模块的方法构建虚拟信号检测系统,并实现根据李雅普诺夫指数谱判定混沌系统状态的功能,减小了系统状态误报的可能性;实验结果表明该系统可以在很大程度上提高信噪比且具 有较高检测精度,能从强噪声中有效地提取出微弱光声信号。参考文献:1孙才新,陈伟根,李

21、俭.电气设备油中气体在线监测与故障诊断技术M .北京:科学出版社,2003.2刘先勇,周方洁,胡劲松,等.光声光谱在油中气体分析中的应用前景J .变压器,2004,41(7:30-33.LIU Xianyong ,ZHOU Fangjie ,HU Jinsong ,et al.Prospect to apply photoacoustic spectroscopy in dissolved gasses in oil analysis J .Transformer ,2004,41(7:30-33.3聂春燕,石要武.基于互相关检测和混沌理论的弱信号检测方法研究J .仪器仪表学报,2001,22

22、(1:32-35.NIE Chunyan ,SHI Yaowu.The reaserch of weak signal detection based on cross-correlation and chaos theory J .Chinese Journal of Scientific Instrument ,2001,22(1:32-35.4朱志宇,姜长生,张冰,等.基于混沌理论的微弱信号检测方法J .传感器技术,2005,24(5:65-68.ZHU Zhiyu ,JIANG Changsheng ,ZHANG Bing ,et al.Weak signal detection ba

23、sed on chaotic theory J .Journal of Transducer Technology ,2005,24(5:65-68.5李月,杨宝俊,石要武.色噪声背景下微弱正弦信号的混沌检测J .物理学报,2003,52(3:526-530.LI Yue ,YANG Baojun ,SHI Yaowu.Chaos -based weak sinusoidal signal detection approach under colored noise background J .Acta Physica Sinica ,2003,52(3:526-530.6李健,何坤,乔强,等

24、.应用混沌系统实现弱信号的检测J .四川大学学报:自然科学版,2002,41(6:1180-1183.LI Jian ,HE Kun ,QIAO Qiang ,et al.Detection of a weak signal by using chaotic systems J .Journal of Sichuan University :Natural Science Edition ,2002,41(6:1180-1183.7张景超,张淑清.弱信号检测的混沌模型及应用J .传感技术学报,2001(4:371-375.ZHANG Jingchao ,ZHANG Shuqing.The in

25、termittent chaotic me-thod of fake signal detection J .Journal of Transcluction Tech -nology ,2001(4:371-375.8张鑫,陈伟斌,姚明海.Duffing 振子检测微弱正弦信号的普遍性研究J .计算机与数字工程,2005,33(12:71-73.ZHANG Xin ,CHEN Weibin ,YAO Minghai.General research of weak signal detection based on duffing oscillators J .Computer &Di

26、gital Engineering ,2005,33(12:71-73.9聂春燕,徐振忠.混沌系统在弱信号检测中的应用J .传感器技术,2003,22(1:55-57.NIE Chunyan ,XU Zhenzhong.Application of chaotic system in detecting weak signal J .Journal of Transducer Technology ,2003,22(1:55-57.10刘丁,任海鹏,李虎明.基于Lyapunuv 指数的弱周期信号检测J .仪器仪表学报,2005,26(12:1215-1218.LIU Ding ,REN Hai

27、peng ,LI Huming.Detecting of weak perio -dic signal based on Lyapunuv index J .Chinese Journal of Scientific Instrument ,2005,26(12:1215-1218.11张宾,李月,卢金.Lyapunov 特性指数用于混沌判据J .吉林大学学报:信息科学版,2004,22(2:111-114.ZHANG Bin ,LI Yue ,LU Jin.Study of the Lyapunov charac -teristic exponents used as the criteri

28、a for chaos J .Journal of Jilin University :Information Science Edition ,2004,22(2:111-114.12聂春燕,石要武.基于混沌检测弱信号的混沌特性判别方法的研究J .计量学报,2000,21(4:308-313.NIE Chunyan ,SHI Yaowu.Research of identifying chaotic nature based on chaos to detecting weak signal J .Acta Metrologica Sinica ,2000,21(4:308-313.13司淑

29、平,邵左文,王国波.Matlab 计算模块嵌入LabVIEW 实现混沌噪声的产生J .现代电子技术,2006(6:50-53.20-1012X A xisY A x i s-2图4系统的临界混沌状态Fig.4Critical chaotic state of system1-120Y A x i s-1012X A xis-2图6引入待测信号后系统的大尺度周期状态Fig.6Large -scale periodic state of systemadded with signal being detected1-1图5临界混沌状态的李氏指数谱Fig.5Lyapunov exponent cha

30、rt ofcritical chaotic stateL E tO图7大尺度周期状态的李氏指数谱Fig.7Lyapunov exponent chart oflarge -scale periodic stateL E Ot陈伟根,等:基于互相关与混沌检测相结合的光声信号检测方法第3期Photoacoustic signal measuring based on cross-correlationanalysis and chaotic detectionCHEN Weigen ,ZHANG Song ,DU Lin ,WANG Youyuan(The Key Laboratory of Hi

31、gh Voltage Engineering and Electrical New Technology ofMinistry of Education ,Chongqing University ,Chongqing 400030,China Abstract :When photoacoustic spectrum is used to measure the concentration of dissolved gases in transformer oil ,the weak photoacoustic signals can not be differentiated from t

32、he strong field noises and test interferences.Cross -correlation operation and chaotic detection are introduced ,based on which a method integrating these two theories to detect weak photoacoustic signals is proposed.A virtual signal detection system is built with LabVIEW and Matlab ,and the Lyapuno

33、v characteristic exponent chart is programmed to realize the function of chaotic state determination.Experimental results show that this method is very sensitive to the weak photoacoustic signals under strong noise and has higher detection precision.This project is supported by the Key Project of Na

34、tural Science Foundation of Chongqing (CSCT ,2007BA2002.Key words :photoacoustic signal ;cross correlation analysis ;chaotic detection ;virtual detection systemSI Shuping ,SHAO Zuowen ,WANG Guobo .Chaos signal generator based on Matlab and LabVIEW J .Modern Electronics Technique ,2006(6:50-53.14张志平,

35、刘正平.在LabVIEW 中应用Matlab 进行信号处理J .中国测试技术,2004,30(4:77-79.ZHANG Zhiping ,LIU Zhengping.Using Matlab to process signal in LabVIEW J .China Measurement Technology ,2004,30(4:77-79.15康帅,庞华伟,周伟林.用LabVIEW 开发系统实现微弱光信号的锁相检测J .光电信息与技术,2004,17(3:62-64.KANG Shuai ,PANG Huawei ,ZHOU Weilin.The phase -locked detec

36、tion of weak signal by the LabVIEW development system J .Optoelectronic Technology &Information ,2004,17(3:62-64.(责任编辑:李玲作者简介:陈伟根(1967-,男,浙江绍兴人,教授,博士,博士研究生导师,主要从事电气设备在线监测、状态检修方面的研究工作(E-mail :weigench ;张嵩(1982-,男,四川雅安人,硕士研究生,研究方向为电气设备的在线监测技术(E-mail :gnrss0726 ;杜林(1970-,男,四川达州人,副教授,博士,主要从事电气设备在线监测

37、方面的研究工作;王有元(1971-,男,重庆人,副教授,博士研究生,主要从事电气设备状态检修方面的研究工作。(上接第13页continued from page 13 !第28卷电力自动化设备作者简介:许庆强(1976-,男,江苏常州人,工程师,博士,主要从事电力系统仿真和继电保护方面的研究工作(E -mail :xuqq2008 ;索南加乐(1960-,男,藏族,陕西西安人,教授,博士研究生导师,主要从事电力系统继电保护的教学和研究工作。Faulty phase selector based on inter -phase resistance changeXU Qingqiang 1,SUONAN Jiale 2,CHEN Jiulin 1(1.Jiangsu Electric Power Research Institute Corporation Lim