随着数字测量系统的采用，以及数字信号处理技术的发展，出现了很多软件去干扰的方法。主要有傅里叶分析，小波变换、经验模态分解，自适应滤波等。
a）傅里叶分析
对混有窄带干扰的检测信号在频域抑制干扰，再将其变换为时域信号，这种抑制窄带干扰的方法称为频域处理法。通过频域处理法抑制窄带干扰的基础是傅里叶分析或快速傅里叶变换(FFT)。当局部放电检测信号中混入窄带干扰后，在局部放电脉冲信号的幅频特性上将叠加上一些窄带干扰的频率成分，因此，可根据不同的情况，使用谱线删除法，频域开窗法或多通带滤波法来抑制窄带干扰。当干扰源较少时，可将谱图中的垂直谱线删除，再对处理后的谱图进行快速傅里叶反变换(IFFT)得到时域波形，这种方法称为谱线删除法。如果窄带干扰在频域占有一定宽带，则可在频域相应的位置开窗，对经过处理的谱图进行IFFT，这种方法称为频域开窗法。如果干扰源较多，有各在频域占有一定宽度，则可选择频域中无干扰的频率范围作为信号通带，进行多通带滤波，最后对经过处理的谱图进行IFFT，这种方法称为多通带滤波法。
但是，局部放电脉冲的频谱与干扰脉冲的频谱是重合的，以上方法在抑制干扰的同时，会丢失局部放电脉冲的部分频率分量，导致脉冲波形发生畸变。
b）小波变换
小波变换(wavelet transform)是一种强有力的信号处理工具，具有多分辨率特性，在时频平面不同的位置采用不同的分辨率，在时域和频域同时具有良好的局部性，比傅里叶变换和短时傅里叶变换(STFT)更适合处理具有瞬态突变特性的局部放电信号。因此，小波分析在电力工程中得到了广泛的应用。小波变换是用小波基函数系来逼近信号的，而小波基函数系是母小波基通过平移和伸缩得到的。小波算法用于局部放电信号的检测是当前的研究热点，国内外都有较成功的范例。例如利用小波包变换的频域分割特性，将信号信息测度的香农熵作为局部放电信号的小波包变换树节点存在周期性窄带干扰与否的判据，应用小波包变换熵阈值法抑制局部放电在线监测中周期性窄带干扰。应用基于小波分解的自适应滤波算法，抑制局部放电测量中窄带周期干扰，利用小波的分频特性先将信号分解到不同的频段上，然后对各频段的信号施以自适应滤波，由于信号被分解到不同的频段，各频段内的窄带干扰频率相差有限，所以，可以根据各频段信号的特性采用最佳的滤波参数，以达到较好的滤波性能。
但是，小波方法也存在缺陷，小波消噪效果取决于最优母小波基和分解尺度的选取。
c）经验模态分解(EMD-empirical mode decompositon)
经验模态分解依据数据自身的时间尺度特征来进行信号分解，无须预先设定任何基函数。这一点与建立在先验性的谐波基函数的傅里叶分解和小波基函数上的小波分解方法具有本质性的差别。正是由于这样的特点，EMD方法在理论上可以应用于任何类型的信号的分解，因而在处理局部放电信号等非平稳信号上具有非常明显的优势。该方法基于信号的局部变化特征，可以自适应地将复杂的信号分解成若干阶固有模态函数(IMF-intrinsic mode funciton)。应用EMD和IMF重构算法可用于局部放电噪声抑制，首先对含有噪声的局部放电信号进行经验模态分解，得到含特征频率的固有模态函数，然后对所得的固有模态函数分量进行自适应闭值处理后重构，从而抑制噪声干扰。
但是EMD算法存在模态混淆、端点效应、欠包络和过包络的问题，影响了局部放电信号的消噪效果。
d）自适应滤波
Widrow B等在1967年提出了自适应滤波理论，通过对滤波系数的自动调整达到最佳的滤波效果。自适应滤波器主要由两部分组成：一是滤波子系统，根据所要处理的对象的不同而有不同的结构形式；另一个是自适应算法部分，用于调整滤波子系统结构的参数，或滤波系数。自适应算法是自适应滤波器的重要组成部分，要求根据输入、输出和原参量值，按照一定准则修改滤波参数，以使它本身能有效地跟踪外部环境的变化。经常使用的自适应算法有最小均方误差(LMS)算法和递归最小二乘(RLS)算法。其中LMS算法以其实现简单、运算速度快等优点得到了广泛的应用。在局部放电测量过程中，现场存在大量的周期性干扰，其频率并非预先知道，自适应滤波器能利用周期性干扰和局部放电的自相关性的不同，将两者区分开来，自适应滤波器能随输入序列的变化，按照某种误差递减的规则，自行调整滤波系数，使其对应现场的干扰频带，从而达到消除局部放电检测中周期性干扰的目的。
关注微信公众号