-
题名基于S变换和弹性神经网络的电能质量扰动分类
- 1
-
-
作者
赵强强
余健明
范广伟
陈仕锟
-
机构
西安理工大学自动化与信息工程学院
-
出处
《西安理工大学学报》
CAS
北大核心
2010年第4期468-472,共5页
-
文摘
提出了基于S变换和弹性BP神经网络结构(RPROP)的电能质量扰动自动分类方法。通过S变换对电能质量扰动信号进行时频分析,有效实现对各种扰动信号时频特征量的输出,并确定特征量的最优组合来增加弹性BP神经网络分类的精度。同时研究了在不同噪声条件下弹性BP神经网络分类的敏感度。测试结果显示,该方法能有效地对电能质量扰动信号进行分类。
-
关键词
电能质量扰动
S变换
特征量提取
神经网络
弹性反向传播
分类
-
Keywords
power quality disturbances
S-transform
feature extraction
neural-network
resilient back propagation
classification
-
分类号
TN759
[电子电信—电路与系统]
-
-
题名一种小波特征与深度神经网络结合的信号制式识别算法
被引量：8
- 2
-
-
作者
唐作栋
龚晓峰
雒瑞森
-
机构
四川大学电气工程学院
-
出处
《计算机工程与科学》
CSCD
北大核心
2020年第5期902-909,共8页
-
基金
校企合作项目(17H1199,19H0355)。
-
文摘
针对当前通信信号的制式识别算法在低信噪比情况下识别不准确的问题,提出一种新的小波特征与改进的深度神经网络结合(WL-DNN)的识别算法。该算法将生成的10种{2ASK、4ASK、2PSK、4PSK、2FSK、4FSK、OFDM、16QAM、AM、FM}含有高斯白噪声的通信信号,用小波分解重构算法提取出一类新的小波特征参数。本文测试了含有多层隐含层的改进BP神经网络作为分类器,利用弹性反向传播算法训练神经网络的参数,确定神经网络的最优超参数。仿真结果表明:在信噪比低至0 dB的情况下,单个调制信号最低识别率超过95%,平均识别率超过98%,大幅提高了制式识别在低信噪比下的识别率,由此表明了该算法的有效性和正确性。
-
关键词
小波特征
深度神经网络
弹性反向传播
制式识别
-
Keywords
wavelet feature
deep neural network
elastic back propagation
modulation recognition
-
分类号
TN91
[电子电信—通信与信息系统]
-
