当高压设备内部绝缘出现故障时，会产生局部放电（Partial Discharge, PD），可通过检测PD信号来评估设备的绝缘状态。伴随PD产生的特高频（Ultra-High Frequency, UHF）电磁波信号（频率为0.3~3 GHz）会通过非金属屏蔽介质向外传播，可使用UHF天线传感器检测高压设备的PD。
然而由于早期绝缘缺陷产生的PD UHF信号幅值较低，且在现场检测中易受到外部电磁干扰，导致检测到的PD信号出现严重的波形畸变甚至淹没在噪声干扰信号中。因此，需要研究PD UHF信号中噪声干扰的抑制方法。
在PD检测现场，高斯白噪声干扰和周期性窄带干扰为背景噪声的主要组成部分。目前数字化PD去噪方法由于具有噪声抑制效果好和性能可优化的特点，成为了研究热点并得到广泛应用。该方法主要包括快速傅里叶变换（Fast Fourier Transform, FFT）阈值滤波法、自适应数字滤波法、经验模态分解（Empirical Mode Decomposition, EMD）类去噪方法和小波变换类去噪方法。
其中，FFT阈值滤波法和自适应数字滤波法可有效抑制窄带干扰，但是当PD信号和窄带干扰的频率重合时，会使波形发生明显畸变；由于PD信号属于暂态非平稳信号，采用EMD类方法对PD信号进行去噪处理时，会出现模态混叠现象，影响去噪效果；小波变换类去噪方法可有效抑制高斯白噪声信号，但是由于较难选取合适的小波基、分解层数和阈值，导致抑制窄带干扰后PD波形会出现一定的畸变。
此外，文献[9]提出的混沌振子法可有效抑制窄带干扰信号，但无法灵活设置系统周期性策动力频率，且计算量较大。文献[10]采用独立分量分析的方法将PD信号与噪声干扰逆向分离，但是分离出的PD信号幅值发生变化。
文献[11]提出一种PD信号稀疏表示去噪方法，可有效抑制白噪声和窄带干扰且波形畸变较小，但是该方法需要建立原子库并进行迭代计算，导致计算时间较长。文献[12]基于广义S变换模时频矩阵进行PD信号去噪，但是该方法无法有效抑制无线通信中的幅值调制窄带干扰，且需要进行大量的矩阵运算。
盲源分离技术可在源信号特征参数和混合模型未知时，将混合信号中各源信号分离出来[13]。本文将各噪声干扰信号和原始PD信号均视为源信号，将检测到的PD UHF信号视为观测信号，提出一种基于单通道盲源分离的PD信号去噪方法。
首先对PD UHF信号进行时频联合分析，获得源信号数量；对检测到的单通道UHF信号进行奇异值分解（Singular Value Decomposition, SVD），并选取与源信号数量相等的重构奇异值进行SVD逆运算，得到一系列重构奇异值子矩阵，进行信号重组获得伪多输入多输出（Multiple Input Multiple Output, MIMO）矩阵，使单通道检测PD信号增维为多通道检测信号；再采用特征矩阵近似联合对角化（Joint Approximate Diagonalization of Eigen-matrices, JADE）算法对单通道PD信号进行盲源分离，分离出各类干扰信号；最后采用l1范数最小化方法进行源信号估计，得出去噪后的PD UHF信号。
图1 JADE盲源分离算法原理
图4 试验平台接线图
