专利名称：一种信号处理的小波分析法的制作方法
技术领域：
本发明属于信号处理领域，尤其涉及一种振动信号处理的小波分析法。
背景技术：
目前分析振动信号的方法中最为常用的参数分析法，其极易受噪声干扰，最终对振动发射源的性质识别和判断有很大的影响，需要新的分析方法有效克服参数分析法的这
一缺点。
发明内容
本发明的目的在于提供一种信号处理的小波分析法。实现上述目的的技术方案是一种信号处理的小波分析法，包括以下步骤SI、负荷分量分解根据历史负荷的实际情况，采用具有紧支撑和高正则性的小波函数，对经过预处理的实际历史负荷数据序列进行三级小波分解，以预测误差最小化为标准，最终采用db4的小波基对其进行3尺度分解，分别得到4个子序列子序列dl，d2，d3，e3，其中c3为低频序列，dl，d2，d3均为高频细节序。S2、基荷分量的回归分析预测对于反映系统基荷的低频近似序列c3以及高频细节分量d3和d2分别构造相应的回归分析模型进行预测.使用外推叠加法对其进行近似预测.根据回归分析建模的一般步骤，首先采用多元线性回归方程建立回归分析方程对各尺度分量序列进行线性化处理.其中，利用矩阵解法求解确定回归方程的系数，在给定自由度后，确定序列中各元素的置信区间，得到预测模型方程式.利用该预测模型方程式得到各分量的预测值后，对各分量的预测值进行重构得到最终负荷序列的预测值。S3、变动分量的趋势外推预测对于随机性强、周期性短的dl分量采用对超短周期序列预测较佳的趋势外推预测法进行预测。S4、结果分析与修正实现负荷预测值的输出，并在知道最近预测日的实际预测值之后对所做的预测进行精度分析。本发明将小波分析、回归分析等几种较优的负荷预测方法相结合形成新的预测模型，从而进行优化处理、取长补短，达到进一步提高预测精度的目的。
具体实施例方式下面介绍信号处理小波分析法的实施方式，包括以下步骤SI、负荷分量分解.根据历史负荷的实际情况，采用具有紧支撑和高正则性的小波函数，对经过预处理的实际历史负荷数据序列进行三级小波分解，以预测误差最小化为标准，最终采用db4的小波基对其进行3尺度分解，分别得到4个子序列子序列dl，d2，d3，e3，其中c3为低频序列，dl, d2，d3均为高频细节序。S2、基荷分量的回归分析预测.对于反映系统基荷的低频近似序列c3以及高频细节分量d3和d2分别构造相应的回归分析模型进行预测.使用外推叠加法对其进行近似预测.根据回归分析建模的一般步骤，首先采用多元线性回归方程建立回归分析方程对各尺度分量序列进行线性化处理.其中，利用矩阵解法求解确定回归方程的系数，在给定自由度后，确定序列中各元素的置信区间，得到预测模型方程式.利用该预测模型方程式得到各分量的预测值后，对各分量的预测值进行重构得到最终负荷序列的预测值。S3、变动分量的趋势外推预测.对于随机性强、周期性短的dl分量采用对超短周期序列预测较佳的趋势外推预测法进行预测。S4、结果分析与修正.实现负荷预测值的输出，并在知道最近预测日的实际预测值之后对所做的预测进行精度分析。本发明的原理是结合小波分析、回归分析等几种较优的负荷预测方法，形成新的预测模型，实现优化处理、取长补短，达到进一步提高预测精度的目的。以上结合实施例对本发明进行了详细说明，本领域中普通技术人员可根据上述说明对本发明做出种种变化例。因而，实施例中的某些细节不应构成对本发明的限定，本发明将以所附权利要求书界定的范围作为本发明的保护范围。
权利要求
1.一种信号处理的小波分析法，其特征在于，包括以下步骤 s1、负荷数据预处理根据历史负荷的实际情况，采用具有紧支撑和高正则性的小波函数，对经过预处理的实际历史负荷数据序列进行三级小波分解，以预测误差最小化为标准，最终采用db4的小波基对其进行3尺度分解，分别得到4个子序列子序列dl，d2，d3，e3，其中c3为低频序列，dl，d2，d3均为高频细节序； s2、基荷分量的回归分析预测对于反映系统基荷的低频近似序列c3以及高频细节分量d3和d2分别构造相应的回归分析模型进行预测.使用外推叠加法对其进行近似预测.根据回归分析建模的一般步骤，首先采用多元线性回归方程建立回归分析方程对各尺度分量序列进行线性化处理，其中，利用矩阵解法求解确定回归方程的系数，在给定自由度后，确定序列中各元素的置信区间，得到预测模型方程式.利用该预测模型方程式得到各分量的预测值后，对各分量的预测值进行重构得到最终负荷序列的预测值； s3、变动分量的趋势外推预测对于随机性强、周期性短的dl分量采用对超短周期序列预测较佳的趋势外推预测法进行预测； s4、结果分析与修正实现负荷预测值的输出，并在知道最近预测日的实际预测值之后对所做的预测进行精度分析。
全文摘要
本发明公开了一种信号处理的小波分析法，具体步骤如下负荷数据预处理、基荷分量的回归分析预测、变动分量的趋势外推预测和结果分析与修正。该发明将小波分析、回归分析等几种较优的负荷预测方法相结合形成新的预测模型，从而进行优化处理、取长补短，达到进一步提高预测精度的目的。
文档编号G06F19/00GK102930168SQ201210438659
公开日2013年2月13日 申请日期2012年11月6日 优先权日2012年11月6日
发明者于星光 申请人:昆山北极光电子科技有限公司