辐射源系统特有的非线性可用于辐射源指纹识别(radio frequency fingerprinting,RFF)。特别地,基于非线性动力学重构相空间(reconstructed phase space,RPS)的特征对线性信道具有天然优势,且对细微差异更加敏感。然而,该方法在非理想场...辐射源系统特有的非线性可用于辐射源指纹识别(radio frequency fingerprinting,RFF)。特别地,基于非线性动力学重构相空间(reconstructed phase space,RPS)的特征对线性信道具有天然优势,且对细微差异更加敏感。然而,该方法在非理想场景中同样面临着鲁棒性不足的问题。为此,分析非线性动力学基础与其对应的RFF机理,结合实际非理想应用场景完善了相关理论模型;在此基础上,构造相空间K阶状态转移矩阵,提出通过表征K阶状态转移矩阵的特性来提取RFF特征的方法,并通过理论证明其鲁棒性。基于多种实测和仿真数据在随机扰动、多径衰落等场景下进行细致实验,结果表明所提方法特征机理清晰、计算简单,在多种场景下均表现出明显的鲁棒性优势,具有较高的应用价值。展开更多
为解决能源危机问题,提高能源利用率,综合能源系统(integrated energy system,IES)成为发展创新型能源系统的重要方向。准确的多元负荷预测对IES的经济调度和优化运行有着重要的影响,而借助混沌理论能够进一步挖掘IES多元负荷潜在的耦...为解决能源危机问题,提高能源利用率,综合能源系统(integrated energy system,IES)成为发展创新型能源系统的重要方向。准确的多元负荷预测对IES的经济调度和优化运行有着重要的影响,而借助混沌理论能够进一步挖掘IES多元负荷潜在的耦合特性。提出了一种基于多变量相空间重构(multivariate phase space reconstruction,MPSR)和径向基函数神经网络(radial basis function neural network,RBFNN)相结合的IES超短期电冷热负荷预测模型。首先,分析了IES中能源子系统之间的耦合关系,运用Pearson相关性分析定量描述多元负荷和气象特征的相关性。然后,采用C-C法对时间序列进行MPSR以进一步挖掘电冷热负荷和气象特征在时间上的耦合特性。最后,利用RBFNN模型对电冷热负荷间耦合关系进行学习并预测。实验结果表明,所提方法有效挖掘并学习电冷热负荷在时间上的耦合特性,且在不同样本容量下具有良好且稳定的预测效果。展开更多
文摘辐射源系统特有的非线性可用于辐射源指纹识别(radio frequency fingerprinting,RFF)。特别地,基于非线性动力学重构相空间(reconstructed phase space,RPS)的特征对线性信道具有天然优势,且对细微差异更加敏感。然而,该方法在非理想场景中同样面临着鲁棒性不足的问题。为此,分析非线性动力学基础与其对应的RFF机理,结合实际非理想应用场景完善了相关理论模型;在此基础上,构造相空间K阶状态转移矩阵,提出通过表征K阶状态转移矩阵的特性来提取RFF特征的方法,并通过理论证明其鲁棒性。基于多种实测和仿真数据在随机扰动、多径衰落等场景下进行细致实验,结果表明所提方法特征机理清晰、计算简单,在多种场景下均表现出明显的鲁棒性优势,具有较高的应用价值。
文摘为解决能源危机问题,提高能源利用率,综合能源系统(integrated energy system,IES)成为发展创新型能源系统的重要方向。准确的多元负荷预测对IES的经济调度和优化运行有着重要的影响,而借助混沌理论能够进一步挖掘IES多元负荷潜在的耦合特性。提出了一种基于多变量相空间重构(multivariate phase space reconstruction,MPSR)和径向基函数神经网络(radial basis function neural network,RBFNN)相结合的IES超短期电冷热负荷预测模型。首先,分析了IES中能源子系统之间的耦合关系,运用Pearson相关性分析定量描述多元负荷和气象特征的相关性。然后,采用C-C法对时间序列进行MPSR以进一步挖掘电冷热负荷和气象特征在时间上的耦合特性。最后,利用RBFNN模型对电冷热负荷间耦合关系进行学习并预测。实验结果表明,所提方法有效挖掘并学习电冷热负荷在时间上的耦合特性,且在不同样本容量下具有良好且稳定的预测效果。
