直流输电线路故障行波波速不确定、波头提取困难以及噪声干扰等因素制约了直流电网中故障测距技术的应用。为了降低上述因素对定位准确性的影响,提出一种基于局部特征有理样条插值均值分解(LMD based on characteristic rational spline...直流输电线路故障行波波速不确定、波头提取困难以及噪声干扰等因素制约了直流电网中故障测距技术的应用。为了降低上述因素对定位准确性的影响,提出一种基于局部特征有理样条插值均值分解(LMD based on characteristic rational spline,CRS-LMD)和奇异值分解(singular value decomposition,SVD)的故障测距方法。首先,利用特征尺度选取最优极点系数,结合有理样条插值调节拟合曲线的松紧程度,实现对故障电压行波的局部均值分解。其次,采用奇异值分解对故障行波波头进行准确提取。最后,在PSCAD/EMTDC中搭建了张北±500 kV柔性直流电网的仿真模型,模拟各种故障情况并输出故障数据,利用Matlab对故障数据进行处理并验证定位算法。最后,仿真结果表明,所提故障测距算法在不同故障距离和故障类型下均能实现故障测距,且在叠加噪声和过渡电阻的情况下也能保障较高的精确性。展开更多
针对通信中软扩频信号伪码序列盲估计困难的问题,提出一种奇异值分解(singular value decomposition,SVD)和K-means聚类相结合的方法。该方法先对接收信号按照一倍伪码周期进行不重叠分段构造数据矩阵。其次对数据矩阵和相似性矩阵分别...针对通信中软扩频信号伪码序列盲估计困难的问题,提出一种奇异值分解(singular value decomposition,SVD)和K-means聚类相结合的方法。该方法先对接收信号按照一倍伪码周期进行不重叠分段构造数据矩阵。其次对数据矩阵和相似性矩阵分别进行SVD完成对伪码序列集合规模数的估计、数据降噪、粗分类以及初始聚类中心的选取。最后通过K-means算法优化分类结果,得到伪码序列的估计值。该算法在聚类之前事先确定聚类数目,大大减少了迭代次数。同时实验结果表明,该算法在信息码元分组小于5 bit,信噪比大于-10 dB时可以准确估计出软扩频信号的伪码序列,性能较同类算法有所提升。展开更多
文摘直流输电线路故障行波波速不确定、波头提取困难以及噪声干扰等因素制约了直流电网中故障测距技术的应用。为了降低上述因素对定位准确性的影响,提出一种基于局部特征有理样条插值均值分解(LMD based on characteristic rational spline,CRS-LMD)和奇异值分解(singular value decomposition,SVD)的故障测距方法。首先,利用特征尺度选取最优极点系数,结合有理样条插值调节拟合曲线的松紧程度,实现对故障电压行波的局部均值分解。其次,采用奇异值分解对故障行波波头进行准确提取。最后,在PSCAD/EMTDC中搭建了张北±500 kV柔性直流电网的仿真模型,模拟各种故障情况并输出故障数据,利用Matlab对故障数据进行处理并验证定位算法。最后,仿真结果表明,所提故障测距算法在不同故障距离和故障类型下均能实现故障测距,且在叠加噪声和过渡电阻的情况下也能保障较高的精确性。
文摘针对通信中软扩频信号伪码序列盲估计困难的问题,提出一种奇异值分解(singular value decomposition,SVD)和K-means聚类相结合的方法。该方法先对接收信号按照一倍伪码周期进行不重叠分段构造数据矩阵。其次对数据矩阵和相似性矩阵分别进行SVD完成对伪码序列集合规模数的估计、数据降噪、粗分类以及初始聚类中心的选取。最后通过K-means算法优化分类结果,得到伪码序列的估计值。该算法在聚类之前事先确定聚类数目,大大减少了迭代次数。同时实验结果表明,该算法在信息码元分组小于5 bit,信噪比大于-10 dB时可以准确估计出软扩频信号的伪码序列,性能较同类算法有所提升。
