针对传统最小均方误差(Least mean square error,LMS)和最小二乘准则(Recursive least squares,RLS)的神经网络语音水印的局限性,提出了基于短时能量和最小相对均方误差(Least relative mean square error,LRMS)准则的神经网络语音水印...针对传统最小均方误差(Least mean square error,LMS)和最小二乘准则(Recursive least squares,RLS)的神经网络语音水印的局限性,提出了基于短时能量和最小相对均方误差(Least relative mean square error,LRMS)准则的神经网络语音水印算法。首先在首帧语音中嵌入同步序列,然后求出每帧的短时能量并对大于设定阈值的语音帧进行小波变换,最后利用以LRMS准则构建的神经网络实现水印的嵌入和提取。通过合理设定短时能量阈值,实现了水印容量和鲁棒性的平衡,而采用Levenberg-Marguardt(LM)算法迅速地让网络收敛。理论分析和实验结果表明,与文献[8]相比,本文提出的神经网络方案收敛速度更快,对于噪声、低通滤波、重采样和重量化等攻击有更强的鲁棒性,性能平均提高了5%。展开更多
在认知无线网络(CRN)中,基于压缩感知的宽带频谱检测仅关注频谱有效性,未考虑到频谱检测过程中节点的能效问题,在提高频谱检测性能的同时造成节点能耗开销过大。为此,提出一种在保障节点能量有效性基础上,进行基于贝叶斯压缩感知(BCS)...在认知无线网络(CRN)中,基于压缩感知的宽带频谱检测仅关注频谱有效性,未考虑到频谱检测过程中节点的能效问题,在提高频谱检测性能的同时造成节点能耗开销过大。为此,提出一种在保障节点能量有效性基础上,进行基于贝叶斯压缩感知(BCS)稀疏重构的CRN宽带频谱检测方法。推导感知能耗解析式,构造节点感知能耗模型,在满足宽带压缩频谱检测概率和BCS重构均方误差(MSE)阈值的约束条件下,通过改变BCS测量矩阵中采样点数实现感知能耗最小化。仿真结果表明,当虚警概率为0.04时,在采样点数较小的情况下,该方法的检测概率高于感知-能耗折衷方法。在重构MSE小于15 d B的条件下,与正交匹配追踪方法的重构能耗相比,基于BCS的节点重构能耗明显下降。展开更多
针对新能源汇集站跟踪计划出力误差大导致调度性差的问题,提出在新能源汇集站(new energy collection station,NECS)配置共享电池储能(energy storage,ES),并与新能源场站储能协调调控,提高风光集中接入区域整体跟踪计划出力能力。首先...针对新能源汇集站跟踪计划出力误差大导致调度性差的问题,提出在新能源汇集站(new energy collection station,NECS)配置共享电池储能(energy storage,ES),并与新能源场站储能协调调控,提高风光集中接入区域整体跟踪计划出力能力。首先,利用各新能源场站时空互补特性求出新能源汇集站联络线出力计划跟踪误差。然后,基于场站储能状态对各自误差进行一定程度的修正。其次,基于场站修正后的汇集站出力偏差,通过汇集站储能与场站储能协调调用提升计划跟踪能力;此过程中,优先调用汇集站储能,若储能容量不足,联合调用有剩余裕度的场站储能进行二次协调。旨在提升新能源汇集站跟踪计划出力能力的同时,降低弃风弃光率。最后,依据新能源跟踪计划性能指标,通过算例应用验证了所提储能协调运行策略对新能源汇集站计划出力跟踪的有效性。展开更多
为研究神华煤慢速焦和快速焦的表面特征和燃烧反应性,对神华600℃慢速焦和快速焦表面形貌和官能团进行分析的基础上,利用热重法研究了煤焦的燃烧反应性,采用修正随机孔模型(MRPM)模拟回归了神华煤焦的燃烧反应动力学。结果表明,神华慢速...为研究神华煤慢速焦和快速焦的表面特征和燃烧反应性,对神华600℃慢速焦和快速焦表面形貌和官能团进行分析的基础上,利用热重法研究了煤焦的燃烧反应性,采用修正随机孔模型(MRPM)模拟回归了神华煤焦的燃烧反应动力学。结果表明,神华慢速焦SHs的主要组成部分为密实状结构,快速焦SHf具有大量的气孔。SHs含有较少的羟基—OH,羰基减少甚至消失,脂肪族—CH3和—CH伸缩振动减弱,有较高的芳环缩合度。SHs较SHf的着火温度高,燃烬温度低,燃烧性能高。修正随机孔模型对两种焦的拟合度很高,拟合相关系数R2均为0.999 7,均方根误差RMSE均为0.006。拟合SHs燃烧活化能E为60.01 k J/mol,结构参数ψ为1.00,而SHf的E为44.88 k J/mol,ψ为0.62。展开更多
文摘针对传统最小均方误差(Least mean square error,LMS)和最小二乘准则(Recursive least squares,RLS)的神经网络语音水印的局限性,提出了基于短时能量和最小相对均方误差(Least relative mean square error,LRMS)准则的神经网络语音水印算法。首先在首帧语音中嵌入同步序列,然后求出每帧的短时能量并对大于设定阈值的语音帧进行小波变换,最后利用以LRMS准则构建的神经网络实现水印的嵌入和提取。通过合理设定短时能量阈值,实现了水印容量和鲁棒性的平衡,而采用Levenberg-Marguardt(LM)算法迅速地让网络收敛。理论分析和实验结果表明,与文献[8]相比,本文提出的神经网络方案收敛速度更快,对于噪声、低通滤波、重采样和重量化等攻击有更强的鲁棒性,性能平均提高了5%。
文摘在认知无线网络(CRN)中,基于压缩感知的宽带频谱检测仅关注频谱有效性,未考虑到频谱检测过程中节点的能效问题,在提高频谱检测性能的同时造成节点能耗开销过大。为此,提出一种在保障节点能量有效性基础上,进行基于贝叶斯压缩感知(BCS)稀疏重构的CRN宽带频谱检测方法。推导感知能耗解析式,构造节点感知能耗模型,在满足宽带压缩频谱检测概率和BCS重构均方误差(MSE)阈值的约束条件下,通过改变BCS测量矩阵中采样点数实现感知能耗最小化。仿真结果表明,当虚警概率为0.04时,在采样点数较小的情况下,该方法的检测概率高于感知-能耗折衷方法。在重构MSE小于15 d B的条件下,与正交匹配追踪方法的重构能耗相比,基于BCS的节点重构能耗明显下降。
文摘针对新能源汇集站跟踪计划出力误差大导致调度性差的问题,提出在新能源汇集站(new energy collection station,NECS)配置共享电池储能(energy storage,ES),并与新能源场站储能协调调控,提高风光集中接入区域整体跟踪计划出力能力。首先,利用各新能源场站时空互补特性求出新能源汇集站联络线出力计划跟踪误差。然后,基于场站储能状态对各自误差进行一定程度的修正。其次,基于场站修正后的汇集站出力偏差,通过汇集站储能与场站储能协调调用提升计划跟踪能力;此过程中,优先调用汇集站储能,若储能容量不足,联合调用有剩余裕度的场站储能进行二次协调。旨在提升新能源汇集站跟踪计划出力能力的同时,降低弃风弃光率。最后,依据新能源跟踪计划性能指标,通过算例应用验证了所提储能协调运行策略对新能源汇集站计划出力跟踪的有效性。
文摘为研究神华煤慢速焦和快速焦的表面特征和燃烧反应性,对神华600℃慢速焦和快速焦表面形貌和官能团进行分析的基础上,利用热重法研究了煤焦的燃烧反应性,采用修正随机孔模型(MRPM)模拟回归了神华煤焦的燃烧反应动力学。结果表明,神华慢速焦SHs的主要组成部分为密实状结构,快速焦SHf具有大量的气孔。SHs含有较少的羟基—OH,羰基减少甚至消失,脂肪族—CH3和—CH伸缩振动减弱,有较高的芳环缩合度。SHs较SHf的着火温度高,燃烬温度低,燃烧性能高。修正随机孔模型对两种焦的拟合度很高,拟合相关系数R2均为0.999 7,均方根误差RMSE均为0.006。拟合SHs燃烧活化能E为60.01 k J/mol,结构参数ψ为1.00,而SHf的E为44.88 k J/mol,ψ为0.62。
