多源数据融合方法的理论研究

2024-04-30

多源数据融合方法的理论研究（通用11篇）

篇1：多源数据融合方法的理论研究

多源数据融合方法的理论研究

1.引言随着遥感技术的发展,越来越多的不同类犁遥感器被用于对地观测.而90年代后光学遥感、雷达遥感、热红外遥感的快速发展,目前已形成了高分辨率、多传感器、多频谱、多时相的`对地观测卫星遥感系统,并源源不断地获得大范围、高精度和准实时的地物信息.

作者：夏国天戴俊成作者单位：夏国天(江苏省地质矿产调查研究所)

戴俊成(江苏省地矿生态环境研究中心,210018)

刊名：中国科技博览英文刊名：CHINA SCIENCE AND TECHNOLOGY REVIEW年，卷(期)：“”(25)分类号：P62关键词：

篇2：多源数据融合方法的理论研究

国内多源遥感数据融合研究综述

本文主要针对广泛应用的多源遥感数据融合方法,如IHS变换、主成分变换、小波变换法、神经网络法等进行简要介绍.概括了国内学者的主要研究成果,指出了遥感图像融合技术的`关键是图像之间的空间配准,发展方向是多源遥感数据融合模型的普遍适用性.

作者：李菲菲作者单位：北京林业大学林学院刊名：山西水土保持科技英文刊名：SOIL AND WATER CONSERVATION SCIENCE AND TECHNOLOGY IN SHANXI年，卷(期)：“”(2)分类号：V557+.2关键词：遥感数据源数据融合技术 IHS变换主成分变换小波变换法

篇3：多源数据融合方法的理论研究

1 多源遥感影像数据融合原理

1.1 多源遥感影像数据融合的概念

美国国防部从军事应用的角度将数据融合定义为这样一个过程:把来自多个传感器和信息源的数据和信息加以联合、相关和组合,以获得精确的位置估计和身份估计,以及对战场情况和威胁及其重要程度进行适时的完整评价。目前,一般认为多源遥感影像数据融合是将同一环境或对象的多源遥感影像数据综合的方法和工具的框架,以获得满足某种应用的高质量信息,产生比单一信息源更精确、更完全、更可靠的估计和判决[1]。因此,多源遥感影像数据融合的数据源可来自各个层次,既可以是同一传感器的不同波段和不同时间获取的影像,还可以是来自不同处理水平的数据。

1.2 遥感影像数据融合原理

对不同遥感器获取的数据进行融合,可分为影像的空间配准和影像融合两步。

1.2.1 影像的空间配准

影像的空间配准是遥感影像数据融合的前提,对两幅影像进行空间配准时,一般把其中一幅称为参考影像,以它为基准,对另一幅图像进行校正。

1.2.2 影像融合

根据融合目的和融合层次智能地选择合适的融合算法,将空间配准的遥感影像数据(提取的图像特征或模式识别的属性说明)进行有机合成,得到对目标更准确的表示或估计。多源遥感影像融合的一般模型见图1。

1.3 多源遥感影像数据融合的层次

多源遥感影像数据融合从层次上可分为:像素级(特征提取之前)、特征级(属性说明之前)和决策级(各传感器数据独立属性说明之后)。

1.3.1 像素级融合

像素级融合是将空间配准的多源遥感影像数据按某种算法生成融合影像,而后对融合的影像进行特征提取和属性说明。它直接利用原始数据进行融合,是一种最低层次的融合。像素级融合的优点是尽可能多地保持了景物的原始信息,能够提供其他两种融合层次所不具有的细微信息,但也存在一定的局限性。例如:所处理的数据量大、代价高、数据传输量大、抗干扰能力较差、对传感器要求高等。

1.3.2 特征级融合

特征级融合是由各个数据源中提取特征信息进行综合分析和处理的过程,是一种中间层次的融合。通常所提取的特征信息应是像素信息的充分表示量或统计量,据此对多传感器信息进行分类、汇集和综合。

特征级融合可分为目标状态信息融合和目标特征融合。目标状态信息融合主要应用于多传感器目标跟踪领域;目标特征融合就是特征层联合识别,具体的融合方法仍是模式识别的相应技术,只是融合前必须先对特征进行相关处理,对特征矢量进行分类组合。

1.3.3 决策级融合

决策级融合是在信息表示的最高层次上进行融合处理。首先将不同类型传感器观测同一目标获得的数据在本地完成预处理、特征抽取、识别或判断,以建立对所观察目标的初步结论,然后通过相关处理、决策级融合判决,最终获得联合推断结果,从而直接为决策提供依据。因此,决策级融合是直接针对具体决策目标,充分利用特征级融合所得出的各类目标特征信息,并给出简明而直观的结果。决策级融合除了实用性最好之外,还具有一个重要优点,即在一个或几个传感器失效时仍能给出最终决策,因而具有良好的容错性。

2 数据融合的主要方法

2.1 像元级融合

像元的融合方法主要是像元之间的直接数学运算,包括差值梯度比值运算、加权运算、多元回归或其他数学运算。如孙家柄等根据不同的应用需要,分别将TM与侧视雷达、TM与航片进行了加权融合[2]。

2.2 特征级融合

2.2.1 IHS变换

在色度学上,用强度、色度和饱和度来表示颜色色度的表示系统,称为IHS系统。用IHS变换进行影像融合,就是用另一影像替代IHS 3个分量中的某一分量,其中强度分量被替代最为常用。当高分辨率全色影像与多光谱影像融合时,先把多光谱影像利用IHS变换从RGB系统变换至IHS空间,同时将单波段的高分辨率图像经过灰度拉伸,使其灰度的均值与方差和IHS空间中亮度分量图像一致;然后将拉伸过的高分辨率图像作为新的亮度分量代入到IHS,经过反变换还原到原始空间[3]。

2.2.2 主成分分析

主成分分析又称KL变换。它是将N个波段的低分辨率图像进行KL变换,将单波段的高分辨率图像经过灰度拉伸,使其灰度的均值与方差和KL变换第一分量图像一致;然后以拉伸过的高分辨率图像代替第一分量图像,经过KL逆变换还原到原始空间。经过融合的图像包括了原始二幅图像的高空间分辨率与高光谱分辨率特征,保留了原图像的高频信息。融合图像上目标的细部特征更加清晰,光谱信息更加丰富[4]。

2.2.3 高通滤波

该方法是将高空间分辨率图像中的边缘信息提取出来,加入到低分辨率高光谱图像中。首先,提高高通滤波器提取高空间分辨率图像中空间信息的高频分量,去掉大部分的低频信息,然后将高通滤波结果加入到低分辨率光谱图像中,形成高频信息特征突出的融合影像[5]。此方法虽然有效地保留了原多光谱信息,却在对高分辨率波段影像滤波时滤掉了大部分的纹理信息。

2.2.4 小波变换

多分辨率小波融合方法用于多传感器影像数据的融合。小波变换是空间(时间)和频率的局部变换,能够有效地从信号中提取有用信息,通过对紧支撑小波基的伸缩和平移等运算功能,实现对信号的多尺度细化分析,被誉为“数学显微镜”。该方法最大限度地保留了原多光谱影像的光谱信息。李军等将小波的多分辨率分析与IHS变换相结合,提出了叠加融合法[6]。它将小波的多分辨率分析与IHS变换有机地结合起来,从而使融合影像既具有原高空间分辨率影像的结构信息,又保持了原多光谱影像的光谱特性,提高了多光谱影像的分类精度和量测能力。由于每一小波面的均值近似为零,因此,在提高了多光谱影像的清晰度和空间分辨率之后,融合影像保持了原多光谱影像的反差。目前的研究多集中于特征级的融合,其中尤以基于小波变换的融合技术最为完善。

2.3 分类级融合

分类级融合又称为决策级融合,它是最高层次上的融合。首先按应用的要求对图像进行初步的分类(Bayes分类、人工神经网络分类等),然后在各类中选取出特征影像。由于不同来源的遥感影像对应的最佳地物特征表现不同,因此,可以选择出每类地物的最佳图像组合进行融合处理,以取得最为满意的分类效果[2]。分类级融合的研究尚处于起步阶段,研究工作大多是从某一角度、特定的影像、有限的地物类别进行尝试,这将是今后图像融合的主要发展方向[2]。

3 结论与展望

遥感影像数据融合有着广泛的研究领域,有待进一步解决的关键问题主要有2点。

1)空间配准模型。解决的途径是将小波的高分辨分析理论引入,利用它在空间域和频率域同时具有良好的局部化性质,形成多传感器影像上的多尺度匹配模型。

2)建立统一的数学融合模型。可能的方法是对不同层次的融合建立相应的数学模型,然后综合利用这些模型完成融合任务,或归纳现有的方法,建立一个总的空间模型,以简化现有算法的繁杂性。

当前遥感影像融合的主要目标是在提高融合影像空间分辨率的同时尽量保持原有图像的光谱特征,从而保证后续分析理解的有效性。因此,在普遍融合理论、模型、方法还无法建立的情况下,结合遥感影像的特点,解决特征级和决策级信息融合的问题,将是遥感图像融合研究和发展的必然趋势。

摘要：在分析和探讨多源遥感影像数据融合原理、层次、结构及特点的基础上,归纳了多源遥感影像数据融合方法,并对未来的研究趋势进行了展望。

关键词：多源遥感影像,数据融合,融合方法

参考文献

[1]艾克武.信息融合技术[J].计算机世界,1997(5):107-108.

[2]孙家柄,刘继琳,李军.多源遥感影像融合[J].遥感学报,1998,2(1):47-50.

[3]Chavez P S Jr,Sides S C,Anderson J A.Comparison of three different methods to merge multiresolution and multispectra data:TM&SPOT pan[J].Photogram metric Engineering and Remote Sensing,1991,57(3):295-303.

[4]Sheffigara V K.Ageneralized component substitution tech-nique for spatial enhancement of multispectral images using a higher resolution dataste[J].Photogram metric Engineering and Remote Sensing,1992,58(5):561-567.

[5]Yesou H,Besnus Y,Polet J.Extraction of spectral information from Landsat TM data and merger with SPOT panchro-matic imagery-acontribution to be study of geological struc-tures[J].ISPRS Journal of Photogram metry and Remote Sensing,1993,48(5):23-36.

篇4：多源数据融合方法的理论研究

【关键词】地质矿产调查；多源数据；数据融合

0.引言

遥感引言区域地质矿产调查是一项基础性、公益性、综合性极强的基础地学工作，也是地学领域地面数据获取的主要方法之一。全面系统地取全、取准野外第一手资料是进行地质矿产调查与填图工作的基础和首要任务。隐着地质矿产勘查技术的发展，信息的来源和种类越来越多。在信息的实际应用中，单一的信息源所提供的信息往往是片面的。数据融合技术用于多源数据的处理，它可以使不同地质手段的优势互补，有效消除数据中信息的不确定因素，提高检测结果的准确性。

1.多源数据融合

所谓数据融合，实质上就是运用一定手段和技术方法。将从研究对象获取的所有信息全部统一在时空体系内所进行的综合评价。换句话说，就是将从不同侧面，用不同手段得到的统一地质体的信息。皆视为统一地质体的不同表征。其目的是吸收各种数据源的优点，从中提取更加丰富的信息，也可以称之为“1+1=3”。在区域地质矿产调查过程中主要进行的是多源遥感数据的融合及多源遥感数据与非遥感数据的融合。在区域地质矿产调查中，应用多源数据融合技术的目的是通过融合后的图像进行综合解译分析，提取区域地质矿产调查所需要的地层、构造、岩浆岩、矿产等专题信息，指导区调工作的合理部署。多源数据融合技术在地质矿产调查中应用，整个过程通过人机交互操作、查询及决策反复调试加以实现。

1.1数据选择

在地质矿产调查中进行多源数据融合时，合理选择数据对象是进行多源数据融合的首要步骤，这直接关系到多源数据融合处理的效果和是否满足实际应用需求。因此。首先要根据具体用途及目的选择合适的适感数据及非遥感数据。遥感图像类型选择的依据为地面分辨率、光谱分辨率和时相分辨率，其中地面分辨率、光谱分辨率为图像优选的主要依据。当前，不论航天遥感数据还是航空遥感数据，黑白航空相片、彩色红外航空相片、红外多光谱等），均可作为区域地质矿产调查的基础信息源，同时结合实际需要收集研究区相关的地质、地球物理、地球化学等方面的资料。

1.2数据预处理

在进行多源数据融合之前，首先必须对地质、地球化学、地球物理、遥感等不同类型数据和图件进行预处理。包括数据标准化、栅格图矢量化、属性分离归纳、遥感影像几何校准、不同来源图件地理配准。然后再转换成统一的图像格式，而且所有预处理皆应以能使已有的各类数据相互沟通为目的，从而保证各类数据能够在同一工作平台上实现融合。同时，针对研究目标对不同类型的空间数据进行图像化处理和图像增强处理：如遥感数据的光谱信息和空间信息提取、空间滤波、频率滤波、主成分分析、分形分析、纹理分析等处理方法：对于物探数据进行专业化的极化、延拓、匹配滤波、垂向二次导数等数值处理。形成图像。提取目标体不同特征的结构信息：地球化学数据赴理的目的是找出化探异常区，关键问题是确定异常下限，通过多种计算方法，得到异常区的分布图像。以上处理结果只做灰阶处理，以便于下一步的融合碑。

1.3数据融合

多源遥感数据融合多源遥感数据融合的目的，就是通过图像处理技术来实现对多波段、多传感器、多平台、多时相、多分辨率遥感影像进行综合处理，以期增强卫星图像的应用效果。它主要有多光谱遥感数据与雷达数据的融合、高低分辨率遥感数据的融合以及不同多光谱数据间的融合等。目前，多源遥感数据融合有3种基本方法：基于像素级的融合、基于特征级的融合、基于决策级的融合几种融合的方法。在地质矿产调查过程中。要根据具体目的选择合适的融合方法，例如提取线性构造信息的方法主要为滤波。可以在假彩色合成、主成分分析、比值等各种图像上进行，反差扩展或直方图调整以及相关的统计分析也是遥感线性构造研究的重要辅助手段，在实际应用中不囿于一些理论束缚，可依据具体情况对原方法进行灵活、合理地改动，同时要综合多种方法处理图像。

1.4综合结果分析

由于多源数据融合方法的多样性以及同一种融合方法对不同图像融合效果的多变性，使得对最终多源数据融合结果进行综合分析显得十分重要。一定要在图像处理及地质认识的基础上。以野外踏勘与实测地质剖面为依据，本着从已知刭未知的原则，给其一个客观、正确的评价分析，以充分发挥多源数据融合技术在地质矿产调查中的作用。

2.多源数据融合的应用

2.1构造信息提取

构造信息提取主要收集了TM卫星影像数据，两种数据配合使用。在应用之前，首先对遥感影像进行了几何校正、坐标配准、亮度值动态拉伸等预处理¨副。地质构造行迹主要表现为线性和环形特征。线性、环形构造及构造交叉部位，是成矿、拢矿的重要条件。而它们在遥感图像上多以特定的色调、形态、图形结构、水系展布、地貌组合等线性、环形影像特征得以显示。通过多次试验，根据研究区特点并结合图像的统计数据或岩石的波谱特征，最终选取对岩性信息反映明显的TM5、TM7波段和对植被反映明显的TM4波段以及一个可见光TM1波段进行假彩色合成及处理。在构造信息提取过程中，主要经过对TM7、TM4、TM1波段进行主成分变换的PC1分别进行北西、北东、东西和北南方向滤波后进行线性和环形构造解译。

2.2矿化蚀变信息的提取及找矿靶区的圈定

矿化蚀变信息的提取及找矿靶区的圈定遥感数据与非遥感数据通过融合可以做到优势互补，尤其在矿化蚀变信息的提取中，笔者根据不同数据源特点及在研究中的要求，对地物化数据和遥感图像数据等资料进行了配准叠合，并进行了融合处理与叠合显示，取得了较好的地质效果。同时根据研究区及邻区己知矿产的分布规律、地质、地球化学、成矿条件及控矿因素等特征，参照前人已有的研究成果，结合研究区实际地质矿产特征及野外地质矿产调查结果，进行找矿靶区的圈定。通过对所提取的蚀变信息及控矿构造、己知矿床点在空间上的相关关系分析和野外实地查证，所提取的遥感蚀变信息，与已知矿点基本吻合。

3.结束语

在区城地质矿产调查过程中主要进行的是多源遥感数据融合及多源遥感数据与非遥感数据的融合，目的是通过对融合后的图像进行综合解译分析来提取区域地质矿产调查所需要的地层、构造、岩浆岩、矿产等专题信息。随着空间信息科学的不断发展和计算机水平的不断提高，多源数据融合技术用来处理地质矿产调查工作中的海量数据。能够有效消除数据中信息的不确定因素，提高对目标或环境的描述、解释分析和表示结果的准确性。获得比单一信息有更充分的融合结果。 [科]

【参考文献】

[1]杨兴科.多源数据融合技术及其在地质矿产调查中应用[J]地球科学与环境学报，2010，（1）.

[2]马江水.浅覆盖区多源数据融合整合的技术方法郭奎城[J].地质通报，2008，（7）.

[3]王家林.遥感数据和多源地学数据的融合研究[J].工程地球物理学报，2007，（2）.

[4]王亚萍.多源信息融合在维西-兰坪矿产勘查中的应用[J]，云南地质，2010，（2）.

篇5：多源数据融合方法的理论研究

运用模糊数学与神经网络理论相结合,利用人工神经网络的GFMM算法,通过学习与实验,探索了遥感数据融合方法.

作者：高文君周宇 GAO Wen-jun ZHOU Yu 作者单位：高文君,GAO Wen-jun(山西省水土保持科学研究所)

周宇,ZHOU Yu(南京林业大学信息学院)

篇6：多源数据融合方法的理论研究

依据多源遥感影像融合技术的`基本理论,结合新时期土地利用更新调查的原则和方法,根据地物在影像的纹理特征,探讨了多源遥感影像技术在土地利用更新和变更调查中的应用,分析比较了融合方法的特点及其实际应用.

作者：陈冬梅张利李彩娟 Chen Dongmei Zhang Li Li Caijuan 作者单位：陈冬梅,Chen Dongmei(宁夏国土资源信息中心,宁夏,银川,750002)

张利,Zhang Li(西安中策咨询科技有限公司,陕西,西安,710075)

李彩娟,Li Caijuan(中宁县国土资源局,宁夏,中宁,755100)

篇7：多源数据融合方法的理论研究

4结束语

本文针对农作物病虫害多源遥感信息，基于数据挖掘理论和云计算技术理论，提出了一种基于云计算技术的农作物病害虫多源遥感信息的数据挖掘系统架构。本平台基于云计算技术实现了关于农作物病虫害多源遥感数据的挖掘构思，较传统的数据挖掘系统架构而言，具有更高的可扩展性记忆更高效的海量数据处理能力，有效的解决了传统农作物病虫害多源遥感数据挖掘框架计算能力不足的问题，更适用于大范围的农作物病虫害遥感数据挖掘与分析的设计和实际应用。

参考文献：

[1]霍治国，刘万才，邵振润，等.试论开展中国农作物病虫害危害流行的长期气象预测研究[J].自然灾害学报，，9(1)：117-121.

[2]StrangeRN,ScottPR.PlantDisease:Athreattoglobalfoodsecurity[J].Annualreviewsphytopathol,,43:83-116.

[3]张竞成，袁琳，王纪华，等.作物病虫害遥感监测研究进展[J].农业工程学报，,28(20)：1-11.

[4]日本卡农公司图像研究室.遥感一遥感技术的发展及其应用研究[M].王历译.北京:科学出版社,1983.36一44.

[5]宫辉力，赵文吉，李京.多源遥感数据挖掘系统技术框架[J].中国图像图形学报，2005,10(5)：620-623.

[6]易玲，杨小唤，江东，刘红辉.农作物病虫害遥感监测研究进展[J].甘肃科学学报，,15(3)：58-63.

[7]李德仁，张良培，夏桂松.遥感大数据自动分析与数据挖掘[J].测绘学报，,43(12)：1211-1216.

[8]李乔，郑啸.云计算研究现状综述[J].计算机科学，,38(4)：32-37.

[9]林闯，苏文博，孟坤，等.云计算安全：架构、机制与模型评价[J].计算机学报，，36(9)：1765-1784.

篇8：多源数据融合方法的理论研究

关键词：多源数据,融合,危化场所,火灾

传统对于危化场所区域的安全监控,如对场所内存储罐的液位、温度、压力和可燃气体等的监控和检测,都是通过单一的传感器完成的。单一传感器在复杂的罐区环境下很容易受到外界的干扰,或是由于设备的老化而导致测量上的误差,这样管理人员将很难判断出罐区的安全状态。此外,传统的监测方法未对消防设备的自检功能有所要求,这样可能因消防设备长时间不启动而造成腐蚀、老化等后果,为火灾埋下了安全隐患。所以将多源数据融合的技术应用于危化场所的火灾预警与保护的系统中,研究如何进一步提高油库消防系统的安全预警与应急保障能力,具有十分重要的现实意义。

1相关研究工作

1.1多源数据融合

多源数据融合(multi-source data fusion)又称为多传感器信息融合(multi-sensor information fusion),是20世纪70年代提出来的。多源数据融合技术研究的是如何将多源的数据信息或相关的辅助数据整合在一起,以得到比用单一的数据更准确、可靠的结果。

多源数据融合按融合的层次分为数据级融合,特征级融合和决策级融合。本文中主要用到就是数据级的融合,首先利用多传感器采集油罐周围的环境信息,然后通过处理单元进行数据融合,提取目标的数据特征,得到属性信息,最后输出相应的决策信息并且驱动执行机构。特征级融合首先需要通过各个传感器收集原始信息,然后对于每一组信息都提取一组特征信息,形成特征矢量,在联合各个特征向量做出属性判决。决策级融合是高层次的融合,先由每个传感器基于自身所采集的数据作出决策,然后在融合中心完成的是局部决策的融合处理。

1.2危化场所火灾预警与保护

在油库火灾预警与保护系统中,采用多源数据融合技术和自动化技术相结合,利用多个传感器采集油库信息,可以有效的减小误差,提高整个系统的可靠性和灵敏度。整个系统由以下几部分构成:火源自动检测部分、信息处理部分、监测部分、人机交互部分以及执行机构。分别起到检测火灾信息、对采集到的数据进行融合处理、实时显示油库情况、方便工作人员操控以及对火灾预警和消防的作用。

2多源感知数据融合模型

对于底层数据级的融合过程,本文采用目前对于原始数据进行预处理的最优加权平均法进行数据级的融合过程,最优加权平均法考虑了不同传感器所测量数据在最终决策过程中的重要性评价,同时对于整个多源数据融合系统的鲁棒性具有较好的提升与改进作用;此外,基于最优加权方法的数据融合过程对于多源测量信息数据的输入变量数量要求简单,一般以多源传感器测量噪声的方差进行估计模型的构建。考虑有n个传感器对同一环境参数值进行协同感知过程,假设第i个传感器的测量方差为:Yi=X+Ei(i=1,2,...,n),其中X为待测参数的真实值,Yi为测量的实际值,Ei为测量的噪声值,其中测量噪声值的数学期望为0,方差为σ2i。令各个不同传感器n的加权因子为权值矢量为。通过构建加权均方差误差最小值方差,求得加权估计的均方误差为:

通过对上式可以看出,若测量噪声值的方差越小,则其对应的传感器的权值就越大,对应的测量数据在加权估计值中的比例就会高一些;反之,则其比例就会低一些,即wi就会越小。在二级数据融合过程中,采用基于PSO-BP神经网络进行建模过程,其中BP神经网络属于前馈式网络,其可以以任意的精度逼近任何非线性连续函数,同时其具有较好的自适应和容错能力而被广泛应用于故障诊断与非线性系统的建模与辨识中;PSO是经典的智能优化算法,在PSO-BP神经网络中用以优化BP神经网络的各个权值,以有效提升BP神经网络的建模精度。

3系统设计

本系统以油库为仿真背景,采用多传感器检测油库的各项环境数据,并通过多源数据融合技术进行数据处理,最后输出决策信息,能够实现对火灾预警和保护的目的,同时通过自动巡检,减轻并消除了传统的消防设备需要定期检修、保养,以及设备长期不使用而带来的潜在故障增加等问题。本系统主要分为前向通道、处理单元、后向通道和显示装置四大部分,系统框图如图1所示。

3.1硬件系统设计

本系统的硬件部分主要由火灾自动检测系统、数据处理系统、火灾预警系统、自动灭火系统、监控显示系统和消防泵自动巡检系统等多个子系统构成,其中火灾自动检测系统由可燃气体检测系统、火焰检测系统和油罐温度检测系统组成。

火灾自动检测系统:即进行火源的探测,具备灵敏的采集信号的能力,包括温度传感器DS18B20、烟雾传感器MQ2、紫外线传感器和时间模块DS1302。由于石油燃烧后能迅速释放能量使环境的温度升高,并且释放大量烟雾,因此采用温度传感器、烟雾传感器和紫外线传感器分别采集油库温度、烟雾浓度和紫外线的信息。综合这三个数据并与提前设定的阈值相比较,判断是否有火灾发生,减小了误报警的可能性。

数据处理系统:单片机是信号处理单元,也是整个系统的核心部分。传感器将采集到的信息经各自的A/D转换器转换数据格式后输入单片机内,单片机根据设定的指令进行数据处理和阈值判断,当有数据超过阈值时,单片机发出驱动指令使执行机构动作,否则不动作。本装置采用STC12C5A60S2单片机模拟实现。

火灾预警和自动灭火系统:包括声光报警模块、风机模块和电机模块。当单片机处理完数据确认有火灾发生时,输出驱动命令,各个执行机构动作,声光报警模块通过亮灯和声响提醒人们火灾发生安全疏散。风机模块转动对油库降温,同时驱散烟雾,采用低电平驱动小风扇实现。电机转动带动消防泵灭火,采用L298驱动模块驱动电机,利用PWM波调节电机的转速。消防设备还配备手动启停的功能,以防止检测系统发生异常不能及时检测到火灾的发生而造成无法挽回的后果。在整个预警和灭火过程中可实时监控油库信息,直到数据低于阈值,解除预警并停止灭火。

监控显示系统:利用LCD12864液晶显示屏和与之匹配的按键模块实现。能够实时显示各项指标,调节上限设置,当火灾发生时也能直观的显示出来,方便工作人员监控和记录。

消防泵自动巡检系统:消防泵系统能够周期性自检,防止消防泵长期不启动而出现功能性故障。本系统设定为每日早八点以低速自动启动消防泵,20秒之后停止。

本系统由几个模块相互配合,从而在多源感知数据的基础上,实现对整个油库火灾的预警和保护功能。

3.2系统软件设计

本系统采用STC12C5A60SA单片机作为核心处理器,搭配各个硬件模块最终在显示屏上显示,共有初始化界面、时间显示界面、参数显示界面、阈值调整界面以及报警界面,主要负责将采集到的初始数据进行A/D转换,并进行数据融合与判别。本系统的软件程序中,将各个功能的程序模块化,每个模块都有其对应的子程序,再通过主程序连接贯通所有的子程序,使系统的各个模块能够结合完成所有的要求。

4仿真结果与分析

4.1火灾预警与保护系统的联动工作流程

(1)信息采集:在油库环境中,采用温度传感器、烟雾传感器和紫外线传感器检测温度、烟雾浓度和紫外线信息,并将该信息在显示中心显示。

(2)灾情确认:当油库范围内的温度传感器检测到罐体温度过高,可燃气体监控系统检测到某区域的烟雾浓度超限或者是紫外线探测器探测到紫外线过多时,报警信号传送到监控中心的报警器,发出声光报警,确认发生火灾。

(3)启动灭火:当有灾情发生的情况下,自动启动灭火控制设备、降温设备和驱散烟雾设备;如若系统因故障未能及时检测到火灾的发生,工作人员可通过手动开启消防泵进行灭火。直到灾情解除,报警和灭火设备关闭。

4.2仿真结果

本设备性能主要由动作灵敏性和准确度两方面来衡量。分别在通风环境下和封闭环境下进行模拟测试。因考虑到真实制造火灾的危险性,所以该实验仅模拟了火灾情况的高温和烟雾环境,用打火机点火测试,并且设定模拟温度报警阈值为30.0℃,模拟烟雾报警阈值为5.00%。将该设备与单一传感器设备分别在通风和封闭环境中进行比较实验,实验结果如表1和表2所示:

多源传感器的火灾预警与保护系统在每日早8时自动低速启动消防泵进行自检,20s后自动关闭。

5结语

本文针对危化场所的火灾预警与保护问题展开研究,利用多源感知数据融合技术,研究并设计了一个油库全自动火灾预警与保护装置。本装置利用多种传感器对油库进行检测,仿真模拟实验结果表明,本系统较单一传感器系统的灵敏度有所提高,误报率降低,并且具有自动巡检的功能,降低了消防系统的故障率。本系统具有一定的应用价值。

参考文献

[1]王婕,张网,吕东,等.易燃液体使用场所的火灾危险性半定量评价[J].消防科学与技术,2010(1).

篇9：多源数据融合方法的理论研究

遥感数据融合技术一直是近几年国际遥感界研究的热点.目前有关融合效果的评价还没有一致的评价准则和标准.因此,如何评价融合结果的客观性和可信度,成为人们长期探索的问题.本文分别对5种基本融合方法进行定性和定量对比分析,从地物光谱的.统计特性、相关特性等方面,来分析融合图像的空间分辨率及其与原多光谱影像的光谱一致性,比较得出在光谱特征上扭曲较小和空间分辨率较高的融合方法,为融合算法的应用和完善提供基础.

作者：泮雪芹钱乐祥宫少燕 Pan Xueqin Qian Lexiang Gong Shaoyan 作者单位：泮雪芹,宫少燕,Pan Xueqin,Gong Shaoyan(临沂师范学院环境与旅游学院,山东,临沂,276005)

钱乐祥,Qian Lexiang(广州大学地理科学学院,广东,广州,510006)

篇10：多源遥感图像数据融合

关键词：图像融合

1 图像融合的基本原理

由于成像原理不同以及技术条件等方面的限制，采用任何一个单一遥感器所获取的遥感数据都不能全面的反映目标对象的特征，都存在着一定的特点和其局限性。而一些非遥感数据也具有它自身的特点与局限。如果能将多种具有不同特征的遥感以及非遥感数据集合起来，相互取长补短则可以在发挥它们各自优势的同时又弥补相互的不足。同时可以更加全面的反映地面目标，提供更强的信息解译能力和更加可靠的分析结果。图像融合是一个对多遥感器的图像数据和其他信息的处理过程。它着重于把在时间或空间中存在冗余或者互补的数据按照一定的法则进行运算，获得比任何单一数据都更为精确、更为丰富的信息，从而得到一幅具有新的空间、波谱、时间特征的合成图像。目前图像融合可以在三个不同的层次上进行[1]。

1)像元，基于基本像元的图像融合是指直接在采集的原始数据层上进行融合，是对不同图像信息在像元基础上的综合，必须对栅格数据进行相互间的几何配准。要求在进行像元级合并处理之前应首先使各像元一一对应。

2)特征，基于特征的图像融合是指应用不同的算法，先对各种数据源进行目标识别的特征提取，比如边缘提取、分类等等。对从初始图像中提取的如范围、形状、邻域、纹理等空间结构信息进行综合分析与融合处理。

3)决策层，基于决策层的图像融合是指在图像理解和图像识别的基础上进行的融合。常用方法有：用Markov随机场模型方法加入多元决策分类、模糊集理论、专家系统方法等[2,3,4]。

2 图像数据融合方法

影像融合算法有很多，主要分为两大类方法即在空间域的融合、变换融合，具体方法如图1所示。

3 图像数据融合与地学相联系的相关应用

地学信息主要指专题地图和专题数据。其中专题地图指土地利用图、植被图、土壤图、行政区划图等各类专题图，以及等值线图、地形图等。而专题数据指各种采样分析数据、野外测量数据、调查统计数据、DEM等。地球化学信息的变化和地物的地学属性常常与它们的影像特征之间有明显的相关性。将它们结合起来综合考虑可以更全面、科学的表达所研究的内容。如在地形起伏的山区，将遥感图像与DEM相融合，可以用来纠正因地形起伏所造成的图像畸变，提高遥感对土地覆盖、森林覆盖等的分类精度;或将遥感提取的如绿度、温度、湿度、亮度等与生态环境有关的专题信息，与气象台所提供的各项气候信息相融合，可以反映区域环境变化以及气候与环境的关系等[5]。

4 结束语

目前对地观测中使用的各种不同类型的遥感器提供了多时相、多分辨率、多频段的遥感图像数据，它们各自都具有自己的优势与局限，利用数字图像融合技术可以扩大数据的应用范围，提高相应的分析精度、应用效果和实用价值。(下转第7844页)(上接第7838页)

参考文献

[1]Pohl C,Van Genderen J L.Multisensor Image Fusion in Remote Sensing:Concepts[J].Methods and Application,Int,J.Remote Sensing,1998,19(5):823-854.

[2]贾永红,李德仁.四种HIS变换用于SAR与TM影像复合的比较[J].遥感学报,1998,2(2):103-106.

[3]孙家柄,刘继林,李军,多源遥感影像融合[J].遥感学报,1998,2(1):17-50.

篇11：多源数据融合方法的理论研究

中国中低压配电网大多采用中性点经消弧线圈接地系统,当系统发生单相接地故障时,由于故障稳态分量微弱、电弧不稳定,并且受到补偿电网失谐度、线路结构和长短、故障合闸角、互感器特性等因素的影响,故障选线问题一直没有得到有效解决。针对该问题,参考文献[1]总结了多种选线方法,但每种方法在某种程度上都存在着不足之处。参考文献[2]提出的小波包选线法充分利用了小波包良好的时频特性去分析高频暂态量,但小波法在相电压过零值附近发生故障时选线效果不好,当接地电阻过大、暂态电流的高频分量微弱时易发生误判。参考文献[3]提出的能量选线法利用能量值分析故障时刻各线路稳态量的不同,在接地电阻过小时选线容易失效,且选线精度易受到噪声的影响。参考文献[4]提出的相关分析选线法可以通过比较零序电流的相似程度选择故障线路,但当故障发生在相电压过零或者过渡电阻过大时,容易误选线。

信息融合技术为故障选线问题带来了新思路,本文提出了一种基于多源信息融合的小电流接地系统故障选线方法。该方法利用可拓检测技术,以可能发生故障的线路集合、故障特征集合和特征规定的量域作为可拓融合的物元三要素,以能量值和小波包分解综合相关系数作为特征集合,以故障角的大小为权重,把在小故障角下选线准确的能量选线法和大故障角下选线准确的小波包分解综合相关系数选线方法有效融合,并结合重合闸技术来解决中性点经消弧线圈接地系统的选线问题。

1选线基本理论

1.1 可拓检测技术

可拓理论中物元、可拓集合、关联函数为可拓检测技术的基础。

1.1.1 物元概念

事物N的n个特征值c1,c2,…,cn和对应的量域v1,v2,…,vn构成的阵列R称为n维物元:

$R = [\begin{matrix} Ν, & c_{1}, & v_{1} \\ c_{2}, & v_{2} \\ ⋮ & ⋮ \\ c_{n}, & v_{n} \end{matrix}] = [\begin{matrix} R_{1} \\ R_{2} \\ ⋮ \\ R_{n} \end{matrix}] = (Ν, C, V) (1)$

1.1.2 可拓集合与关联函数

可拓集合是从经典集和模糊集理论发展过来的集合概念,描述的是事物的可变性,事物具有某种性质的程度用(-∞,+∞)里的数来描述。关联函数是可拓集合概念的核心。

在建立关联函数前,必须引入距的定义。假设x是实域(-∞,+∞)上的任意一点,X0=〈a,b〉是实域上的任意一区间,定义点x与区间X0=〈a,b〉之距为

$ρ (x, X_{0}) = | x - \frac{a + b}{2} | - \frac{b - a}{2} (2)$

关联函数将1个点与2个不同区间的关系定义为“位置”:设X0=〈a,b〉,X=〈c,d〉,且X0⊂X,则点x关于X0、X的“位置”为

$D (x, X_{0}, X) = {\begin{cases} ρ (x, X) - ρ (x, X_{0}), \\ ρ (x, X) \neq ρ (x, X_{0}) 且 x \notin X_{0} \\ ρ (x, X) - ρ (x, X_{0}) + a - b, \\ ρ (x, X) \neq ρ (x, X_{0}) 且 x \in X_{0} \\ a - b, ρ (x, X) = ρ (x, X_{0}) \end{cases} (3)$

在实际问题中,通常都要求某些指标有2个区间,量值符合要求的区间和质变区间。则点和区间的关联度为

$Κ (x) = {\begin{cases} \frac{ρ (x, X_{0})}{D (x, X_{0}, X)} - 1, \\ ρ (x, X) = ρ (x, X_{0}) 且 x \in X_{0} \\ \frac{ρ (x, X_{0})}{D (x, X_{0}, X)}, 其他 \end{cases} (4)$

式中:K(x)的值域为(-∞,+∞),若K(x)≥0,其值表示x属于X0的程度,若K(x)≤0,其值表示x不属于X0的程度。

1.2 小波包

小波分析是一种新的信号处理技术,它能够从变化规律不确定和不稳定的信号中提取到局部化的有用成分。与小波算法相比,小波包算法可以更加细致地分析与重构信号,它对小波分解过程中没有分解的高频信号进行了更加细致的分析,从而便于对最佳小波包基函数下分解后得到的信号做时频分析。从频率的角度看,各层小波包分解就是带通或低通滤波器[6,7]。

1.3 相关分析系数

对于数字信号x(n)和y(n),它们的互相关公式为

$r_{x y} (j) = \frac{1}{Ν} \sum_{n = 0}^{Ν - 1} x (n) y (n + j) (5)$

式中:N为相关信号的记录长度(采样点数);2个信号间的时差为jts,ts为采样时间间隔,j=0,1,…,通常直接称j为时差。

x(n)和y(n)的均方根值分别为

$\begin{array}{l} σ_{x} = [\frac{1}{Ν} \sum_{n = 0}^{Ν - 1} x (n)^{2}]^{\frac{1}{2}} (6) \\ σ_{y} = [\frac{1}{Ν} \sum_{n = 0}^{Ν - 1} y (n)^{2}]^{\frac{1}{2}} (7) \end{array}$

因此, x(n)和y(n)的相关系数可表示为

$\begin{array}{l} ρ_{x y} = \frac{r_{x y}}{σ_{x} σ_{y}} = \\ \sum_{n = 0}^{Ν - 1} x (n) y (n) [\sum_{n = 0}^{Ν - 1} x (n)^{2} \sum_{n = 0}^{Ν - 1} y (n)^{2}]^{- 1 / 2} (8) \end{array}$

ρxy表征了同一数据窗内2路信号在相同时刻的相似程度,取值范围为[-1,+1]。

1.4 能量函数

定义线路零序能量函数为

$W_{j} (t) = \int_{0}^{t} u_{0} (τ) i_{0 j} (τ) d τ ‚ j = 1, 2, \dots ‚ n (9)$

式中:Wj(t)为故障后第j条线路的零序能量函数;u0(τ)为线路始端的零序电压暂态分量;i0j(τ)为第j条线路的零序电流暂态分量;n为配网线路条数。

2多源信息融合选线方法

根据以上理论基础,多源信息融合选线步骤如下:

(1) 确定单相接地故障的物元三要素。

依照现有配电网参数建立一个中性点经消弧线圈接地系统模型,确定可能发生故障的线路集合为N={N1,N2,N3,N4,N5},N1、N2、N3、N4、N5分别表示线路1～5故障;每条线路相应的特征集合为C={C1,C2},C1为各线路的能量值,C2为小波包分解综合相关系数ρ。每个特征的量域应符合:故障线路的特征值在所确定的量域内,而健全线路的特征值在所确定的量域外。

根据式(9)计算出各线路能量,由各条线路能量特征分析可知,确定关于能量这一特征值的量域应分为2个部分:① 若Wm>Wn+Wk不成立,为母线故障,则线路i关于能量这一特征的量域Vi11=〈Wm+0.5Wk,Wm+0.5Wn〉。② 若Wm>Wn+Wk成立,则线路m为故障线路,此时线路i关于能量这一特征的量域Vi12=〈Wm-0.5Wn,Wm+0.5Wn〉。其中W表示各条馈线的能量值,选取暂态能量中的前2个最大值并按大小排序为Wm、Wn、Wk。

小波包分解综合相关系数这一特征的量域也分为2个部分:① 若ρmax-ρmin>ρset不成立,为母线故障,则线路i关于综合相关系数这一特征的量域 $V_{i 21} = < ρ_{\max} + 0.3 | ρ_{\min} |, ρ_{\max} + | ρ_{\min} | 〉$ 。② 若ρmax-ρmin>ρset成立,则ρmin对应的线路为故障线路,此时线路i关于综合相关系数这一特征的量域 $V_{i 22} = 〈 - 1, ρ_{\min} + 0.2 | ρ_{\max} | 〉$ 。其中ρmax、ρmin、ρset分别表示最大、最小、设定的综合相关系数值,本文取ρset为0.2。

(2) 建立单相接地故障的物元模型。

若小电流接地系统第i条线路发生单相接地故障,则对应的故障物元模型可表示为

$Q_{i} = [\begin{matrix} Ν_{i} & C_{1} & V_{i 1} \\ C_{2} & V_{i 2} \end{matrix}] (10)$

式中:Vij=〈aij,bij〉为馈线i关于特征Cj容许的量域,i=1,2,…,5,j=1,2。每个特征的量域根据特征的取值可以分成2个部分,即关于特征C1的量域为Vi11和Vi12,关于特征C2的量域为Vi21和Vi22。

根据各故障线路的量域及故障特征,确定节域(预先设定的故障线路参数值范围)V′ij=〈cij,dij〉的值: $V^{'}_{i 11} = 〈 W_{m} + 0.5 W_{k}, W_{m} + W_{n} 〉 ‚ V^{'}_{i 12} = 〈 W_{m} - W_{n}, W_{m} + W_{n} 〉 ‚ V^{'}_{i 21} = 〈 ρ_{\max} + 0.2 | ρ_{\min} |, ρ_{\max} + | ρ_{\min} | 〉, V^{'}_{i 22} = 〈 - 1, ρ_{\min} + 0.3 | ρ_{\max} | 〉$ 。

(3) 建立待定故障线路状态T的检测模型:

$Q_{t} = [\begin{matrix} Τ & C_{1} & V_{t 1} \\ C_{2} & V_{t 2} \end{matrix}] (11)$

式中:Vtj(j=1,2)为小电流接地系统发生单相接地故障时,馈线i对应各特征的实际状态,即实际取值。

(4) 确定权重。

根据小波包选线法和能量选线法的特点,在小故障角情况下优先采用能量选线法,大故障角情况下优先采用小波包选线法能有效提高选线精度。所以,利用故障合闸角的值来计算对应的权重系数,可以更精确地描述故障特征,即从故障发生时刻记录母线零序电压在1个周波的采样数据,计算其相角θu0。可见,随着 $| | θ_{u 0} | - 90 ° |$ 的增大,故障角减小,这时故障馈线中阻性能量特征明显,而各线路零序电流所含高频暂态分量较小,所以,特征C1所占的权重越大,特征C2所占权重越小;反之,随着 $| | θ_{u 0} | - 90 ° |$ 的减小,故障角增大,各馈线零序电流含有较明显的高频暂态分量,所以,特征C1应占权重越小,特征C2所占权重越大。根据以上分析,由故障合闸角的值可确定2个特征的权重系数为

$\begin{array}{l} \partial_{i 1} = \frac{| | θ_{u 0} | - 90 ° |}{90 °} (12) \\ \partial_{i 2} = 1 - \partial_{i 1} = 1 - \frac{| | θ_{u 0} | - 90 ° |}{90 °} (13) \end{array}$

(5) 计算关联函数:

$Κ_{i j} (v_{t j}) = \frac{ρ (v_{t j}, V_{i j})}{ρ (v_{t j}, V^{'}_{i j}) - ρ (v_{t j}, V_{i j})} (14)$

式中:ρ(vtj,Vij)为点vi与区间Vij的距离, $ρ (v_{t j}, V_{i j}) = | v_{t j} - \frac{a_{i j} + b_{i j}}{2} | - \frac{b_{i j} - a_{i j}}{2}$ ;Kij(vtj)为vtj关于区间Vij、V′ij的关联函数,其曲线如图1所示。

Kij(vtj)≥0表示vtj属于Vij;Kij(vtj)≤-1表示vtj不属于Vij;当-1<Kij(vtj)<0时,称为可拓域,表示vtj仍然有机会属于Vij,并且数值越大,vtj越容易转化到Vij中。

(6) 计算待定故障线路的关联置信度:

$λ (Ν_{i}) = \sum_{j = 1}^{2} \partial_{i j} Κ_{i j} (15)$

由图1可知,当线路i的vtj在区间〈aij,bij〉内时,Kij(vtj)≥0,即λ(Ni)≥0,表明线路i在特征Cj条件下在关联置信度内,该线路发生故障;否则Kij(vtj)<0,即λ(Ni)<0,说明线路在特征Cj条件下不在关联置信度内,该线路没有发生故障。如果母线发生单相接地故障时,各线路的vtj都不在区间〈aij,bij〉内,则任意的Kij(vtj)<0,即λ(Ni)<0。由此可形成选线判据:① 若存在一个i(i=1,2,3,4,5),使得λ(Ni)≥0成立,则线路i对应故障线路。② 若λ(Ni)<0对于i=1,2,3,4,5均成立,则判为母线故障。

(7) 根据各条线路关联置信度大小与正负,给出可能发生故障线路的排序。

(8) 选线与重合闸配合实现方案。

故障选线装置根据选线结果向第一条可能接地的线路发送选跳命令并启动重合闸,若母线绝缘监视装置检测到3U0消失,则选线成功;若3U0没有消失,则该线路不是故障线路;接下来按照线路标号依次对可能接地的线路进行以上处理,直到选出接地线路。母线绝缘监视装置可根据需要选择跳闸方式或接地告警方式,如果选择跳闸方式,则选出故障线路后将跳闸选线报文上传至主站,不再启动重合闸;如果选择接地告警方式,则启动重合闸,同时将接地告警事件报文上传至主站[8]。

3仿真实验

参考配电网实际数据,利用Matlab仿真软件建立一个小电流接地系统仿真模型,如图2所示。该模型是一个具有5条出线的110/10 kV变电站系统,中性点经消弧线圈接地,过补偿度为10%, 线路L1、L2、L5是架空线路,线路L3是缆线混合线路,线路L4是电缆线路,总电容3C0=5.96 μF。

设置线路L5距母线20 km处、时间为0.02 s、故障合闸角为10°时发生过渡电阻为20 Ω的单相接地故障,到0.04 s消失。按式(9)、式(2)、式(3)、式(4)、式(14)计算可得,线路L1～L5在以能量为特征值情况下的关联函数Ki1的值为[-42.561 1 -42.912 1 -42.282 3 -42.340 2 3.425 9],以小波包分解相关系数为特征值情况下的关联函数Ki2的值为[-0.248 1 -0.217 1 -0.212 8 -0.176 6 0.020 9]。由式(12)、式(13)计算权重系数∂i1的值为0.889,∂i2的值为0.111。由式(15)计算各线路的关联置信度为λ(Ni)为[-37.859 7 -38.168 2 -37.607 9 -37.655 4 3.047 6],由此可见,λ(N5)=3.047 6>0,说明线路L5最有可能发生单相接地故障。对线路L5发选跳命令,绝缘监视装置3U0消失,表明选线结果正确。

对不同的故障线路、不同的故障合闸角、不同的过渡电阻和故障位置进行仿真,结果见表1。

4结语

基于多源信息融合的小电流接地系统故障选线方法运用可拓理论将各线路暂态零序能量值与小波包分解综合相关系数进行融合,根据各特征值所对应的量域,以故障合闸角的大小来确定各个特征的权重系数,相比单一故障量的选线方法,有效地提高了选线的准确性;结合重合闸主动跳开开关进行选线验证,避免了误选情况的发生,并可及时熄灭接地电弧,提高了选线精度和供电可靠性,避免了单相接地时间过长后发展为2点或多点接地短路故障。

摘要：针对小电流接地系统故障选线难的问题,提出了一种基于多源信息融合的小电流接地系统故障选线方法。该方法以可能发生故障的线路集合、各线路故障特征集合和各线路故障特征规定的量域作为可拓融合的物元三要素,以故障角的大小为权重,把在小故障角下选线准确的能量选线法和大故障角下选线准确的小波包选线法有效融合,并结合重合闸技术实现了准确选线。仿真结果验证了该方法的有效性和合理性。

关键词：小电流接地系统,单相接地故障选线,多源信息融合,小波包,能量选线,可拓检测,重合闸

参考文献

[1]肖白,束洪春,高峰.小电流接地系统单相接地故障选线方法综述[J].继电器,2001,29(4):16-20.

[2]王耀南,霍百林,王辉.基于小波包的小电流接地系统故障选线的新判据[J].中国电机工程学报,2004,24(6):54-58.

[3]周登登,刘志刚,胡非,等.基于小波去噪和暂态电流能量分组比较的小电流接地选线新方法[J].电力系统保护与控制,2010,38(7):22-28.

[4]束洪春,徐亮,彭仕欣,等.谐振接地电网故障选线相关分析法[J].电力自动化设备,2008,28(9):6-9.

[5]徐圆.可拓理论在过程工业中的应用研究[D].北京:北京化工大学,2010.

[6]苏战涛,吕艳萍.一种基于小波包分析的小电流接地电网单相接地故障选线新方法[J].电网技术,2004,28(12):30-33.

[7]田书,王晓卫,王娟娟.配电网单相接地仿真分析研究[J].工矿自动化,2010,36(7):42-45.

[8]袁浩,顾欣欣,仇新红,等.基于网络数据共享的小电流接地选线方法[C]//第八届全国继电保护学术研讨会,北京,2001.

[9]徐炯,李兴夏.小电流接地系统单相接地故障分析与选线方法[J].电源技术应用,2012(10):64.

[10]刘建.小电流接地系统选线[J].科技创新导报,2011(14):86.