| 中文摘要 | 第1-6页 |
| 英文摘要 | 第6-10页 |
| 1 绪论 | 第10-24页 |
| 1．1 研究局部放电在线监测与模式识别技术的意义 | 第10-11页 |
| 1．2 局部放电在线监测与模式识别技术研究现状 | 第11-20页 |
| 1．2．1 抗干扰技术 | 第12-13页 |
| 1．2．2 局部放电信号的特征提取和模式识别技术 | 第13-20页 |
| 1．3 小波分析在变压器局放在线监测抗干扰及模式识别中的应用 | 第20-23页 |
| 1．3．1 小波变换在去除局部放电信号中的干扰的应用 | 第20-22页 |
| 1．3．2 小波分析在局部放电模式识别中的应用 | 第22-23页 |
| 1．4 本文研究目标及主要工作 | 第23-24页 |
| 2 小波多尺度变换的基本原理及应用分析 | 第24-42页 |
| 2．1 引言 | 第24页 |
| 2．2 小波变换 | 第24-26页 |
| 2．3 多尺度分析 | 第26-27页 |
| 2．4 Mallat算法 | 第27-30页 |
| 2．4．1 一维Mallat算法 | 第27-29页 |
| 2．4．2 二维Mallat算法 | 第29-30页 |
| 2．5 小波基的数学特性和常用的小波函数 | 第30-36页 |
| 2．5．1 小波基的数学特性 | 第30-33页 |
| 2．5．2 常用的小波函数及其主要性质 | 第33-36页 |
| 2．6 小波多尺度变换及分析的应用研究 | 第36-41页 |
| 2．6．1 一维信号的小波多尺度变换及分析 | 第36-38页 |
| 2．6．2 二维图像的小波多尺度变换及分析 | 第38-41页 |
| 2．7 小结 | 第41-42页 |
| 3 局部放电信号中白噪声的小波自适应抑制方法 | 第42-62页 |
| 3．1 引言 | 第42页 |
| 3．2 仿真局部放电信号与白噪声的小波多尺度分析 | 第42-46页 |
| 3．3 小波变换去除白噪的基本方法—小波阈值去噪法 | 第46-48页 |
| 3．4 自适应最优小波阈值的选取 | 第48-57页 |
| 3．4．1 可微阈值函数 | 第48-50页 |
| 3．4．2 基于SURE的自适应最优阈值估计 | 第50-52页 |
| 3．4．3 自适应最优阈值小波去噪方法的仿真实验分析 | 第52-57页 |
| 3．5 最优小波基的自适应选取 | 第57-60页 |
| 3．5．1 选取方法 | 第57-59页 |
| 3．5．2 小波选择对去噪结果的影响 | 第59-60页 |
| 3．6 小结 | 第60-62页 |
| 4 小波与二阶级联格型IIR陷波器组合去噪方法 | 第62-76页 |
| 4．1 引言 | 第62页 |
| 4．2 周期性窄带干扰信号的多尺度分析 | 第62-64页 |
| 4．3 小波阈值法去除窄带周期干扰的结果及分析 | 第64-65页 |
| 4．4 二阶级联格型IIR陷波器及去噪效果分析 | 第65-68页 |
| 4．4．1 基本原理及设计 | 第65-67页 |
| 4．4．2 仿真信号去噪结果分析 | 第67-68页 |
| 4．5 小波与二阶级联格型滤波器组合去噪方法 | 第68-73页 |
| 4．5．1 组合去噪方法及其对仿真信号的去噪效果分析 | 第68-70页 |
| 4．5．2 对现场实测信号的去噪结果分析 | 第70-73页 |
| 4．6 小结 | 第73-76页 |
| 5 基于小波多尺度分析的局部放电灰度图像的识别方法 | 第76-98页 |
| 5．1 引言 | 第76页 |
| 5．2 基于小波多尺度的局部放电图像识别的原理 | 第76-78页 |
| 5．2．1 图像识别的基本原理 | 第76-77页 |
| 5．2．2 基于小波多尺度分析的局部放电图像的识别方法 | 第77-78页 |
| 5．3 放电模型及实验装置 | 第78-89页 |
| 5．3．1 放电模型 | 第78-80页 |
| 5．3．2 实验线路与设备 | 第80-81页 |
| 5．3．3 获取模型放电样本实验 | 第81-89页 |
| 5．4 识别效果及分析 | 第89-95页 |
| 5．5 小结 | 第95-98页 |
| 6 结论 | 第98-100页 |
| 致谢 | 第100-102页 |
| 参考文献 | 第102-112页 |
| 附录：作者在攻读博士学位期间发表的论文目录和承担的科研项目 | 第112-114页 |
