随着现代化数字处理技术的发展，局放在线监测中抑制干扰的措施正趋向软件化方向发展，即对采集信号进行数字处理。目前对于周期性窄带干扰抑制有多种数字处理方法如下：
①有限冲激响应(Finite Impulse Response，简称FIR)滤波法：
主要设计一带通滤波器，滤波器的频带范围根据现场干扰的情况事先确定。该方法不仅可以去除周期性窄带干扰，也可以去除部分白噪声干扰。但是由于应用中对FIR滤波器的阶数要求较高，计算时间过长，且频带范围需要事先确定，只能适用于特定的现场情况，当现场的载波通讯等干扰的频率变化时，就必须改变滤波器的参数，因此这种方法难以推广；
②无限冲激响应(Infinite Impulse Response，简称II助滤波器法：
该方法的优点是干扰抑制比高，波形畸变少，应用效果比较好。但是在实际运用中，存在干扰频率难以确定，计算时间过长等缺点；
③时频转换法：
该方法的原理是周期性窄带干扰具有很窄的谱线，形成陡峭的谱峰，而局放脉冲不具有陡峭的谱峰，这样将含有局放脉冲和干扰的叠加数据转换到频域，将陡峭的谱峰削去，再转回时域，周期性窄带干扰就消失了。然而脉冲频谱基线的选择对抗干扰效果的影响极大，由于频谱基线难以寻找，削去谱峰的处理很难掌握，使该方法对各种脉冲的通用性较差；
④自适应滤波法：
自适应滤波广泛用于许多场合，如建模、线性预测、谱估计、消噪等等。传统的方法是时域中的多组延迟线形式。Dentino等提出了频域自适应滤波方法，引起了人们的关注。Narayan等针对输入信号特征值分散度比较大的情况，将频域自适应滤波进一步扩展，引入了变换域自适应滤波的概念，获得了比时域自适应滤波更好的收敛特性。自适应网格滤波器是最早广泛使用的变换域自适应滤波器，目前已有多种形式的正交策略，如Walsh-Hadanard变换，Karhumen-loeve变换，离散Fourier变换和离散余弦变换等。
自适应滤波法的原理是根据周期性窄带干扰的时间相关性和局部放电信号的时间无关性，通过自动调整滤波器系数消除时间相关信号周期性窄带干扰提取出时间无关信号局部放电信号。其中自适应算法无需预先知道周期性干扰的频率，对周期性干扰的抑制有较好的效果。因此，近年来不少学者对自适应滤波抑制周期性窄带干扰作了深入的研究。
自适应滤波器应用中一个重要考虑问题是使可调节滤波器参数最优的标准。目前最小均方自适应数字滤波算法是常用的算法之一。最小均方算法的主要缺点是收敛速度慢，要加快收敛速度必须增大步长，但会导致均方误差的稳态值随之增大，甚至发散。对于单一频率的周期性窄带干扰可以通过大量的仿真得到最优的步长，但是在局部放电在线监测中，往往同时受到多种周期性窄带干扰的影响，且干扰的频率范围往往从几十千赫兹到几兆赫兹差别很大，这使自适应滤波器参数的选择变得非常困难；
⑤小波滤波方法：
小波变换形成了多分辨率滤波器组，周期性窄带干扰主要体现在大尺度变换中，而局部放电信号主要体现在小尺度变换中，选择合适的尺度或根据变换结果极大值的变化规律可以区分周期性窄带干扰和局部放电信号。
小波变换于1984年由J.Morlet提出，1986年数学家Y.Meyer偶然构造真正的小波基，并与S.Mallat合作建立了构造小波基的统一方法一多尺度分析之后，小波分析开始蓬勃发展起来，小波变换以其多分辨率分析的优势，广泛引用于去噪。自适应滤波和小波滤波是现在很多学者研究的热点，小波变换和自适应滤波的结合，发挥自适应算法无需预先知道周期性窄带干扰的频率，小波变换的多分辨率分析的优势，对周期性窄带干扰的抑制会有较好的效果。
18605209713
关注微信公众号