模拟电路故障诊断的多小波神经网络算法

提出了基于多小波变换和能量归一化预处理的模拟电路故障诊断多小波神经网络算法.这种方法能够有效提取故障信号特征,从而减少小波网络训练时输入层和隐层节点的个数,减小网络的规模,降低计算的复杂度,也加快了训练速度.最后在Matlab和模拟电路仿真软件IsSpice4下对算法的收敛性能进行了仿真比较,结果表明基于多小波变换的算法能够对模拟电路的故障进行有效诊断和定位,而且收敛速度比小波包变换更快一些.     

粒子群优化神经网络在高压断路器机械故障诊断中的应用

提出了一种以振动信号小波包特征熵为特征向量的高压断路器机械故障诊断的智能算法,该算法利用小波包分解原理将高压断路器振动信号分解到不同的频段中,计算各频段的能量熵值,并将其作为神经网络的输入向量,同时利用粒子群算法对神经网络进行优化,以提高故障诊断的精度。试验结果表明：该方法不仅能够取得良好的分类效果,而且诊断速度与精度均高于传统神经网络算法,适用于高压断路器机械故障诊断     

基于差分进化小波神经网络的多维非线性系统辨识

提出一种基于差分进化小波神经网络(DE-WNN)的多维非线性系统辨识方法。利用差分进化算法同时优化小波神经网络的结构和参数,简化网络结构,提高小波神经网络的学习精度和收敛速度。将该方法应用于多维非线性系统的辨识,并与RBF神经网络和遗传小波神经网络的辨识结果进行了比较,实验结果表明,差分进化算法优化的小波神经网络隐层节点为6,迭代次数为30,网络训练时间为0.58s,辨识均方误差达到1.02×10?4,所提出的方法具有更高的辨识精度和收敛速度,能够更好的辨识出多维非线性系统。     

MC-CDMA系统基于小波变换的多用户检测

本文首先将DS-CDMA系统的最小均方误差(MMSE)多用户检测器加以推广,用于MC-CDMA系统中。最小均方(LMS)算法是实现自适应MMSE多用户检测较好的算法,但收敛速度较慢,就此本文提出新的箕舌线变步长加速LMS算法并用到MC-CDMA自适应MMSE多用户检测中。为了使收敛速度更快,对接受的信号先进行小波变换,且可以通过小波域去噪,提高系统的误码率性能。最后用MATLAB仿真对理论分析作出有效验证。     

基于小波包能谱熵与自组织RBF神经网络的低压断路器机械故障诊断

利用小波包分解技术分析断路器故障时的振动信号,提取小波包的能谱熵,将其作为断路器故障模式的特征向量。然后,建立基于K-均值聚类方法的自组织径向基神经网络,对断路器的几种模拟故障进行识别分析,证明了算法的收敛性,给出收敛速度计算公式。通过仿真实验,验证了该方法的有效性,且较之传统BP神经网络有更快的收敛速度和更高的准确度。     

基于小波包变换的电能质量扰动数据压缩

正交小波包变换可以对信号进行多频带分解，并根据被分解信号的特征，自适应地选择相应的频带，弥补正交小波变换的不足。将正交小波包变换与门限阀值相结合，应用于电能质量扰动数据压缩，并对其中最佳小波包的选取、门限阀值确定、算法实现等问题进行了讨论。对用电消耗信号、电压间断信号及暂态谐波失真信号进行了压缩仿真，并比较了这些信号在不同分解层次和门限限定系数取值时的压缩效果，结果验证了该方法的可行性和有效性。     

高阶QAM实时多域测试多模式自适应盲均衡技术研究

提出了一种全新的宽带通信信号实时多域分析通用架构,详细介绍了该架构下信号分析的基本原理。在这种架构的基础上,通过加载不同的算法,不仅能够实现各种宽带通信信号高精度实时宽带频谱分析,而且还能同时实现宽带通信信号时域、调制域等多域联合分析。针对宽带高阶正交幅度调制（QAM）通信信号实时多域分析,详细讨论了面向测试的基于GMMA和DDLMS双模自适应盲均衡算法。系统仿真结果证明：相比GMMA自适应盲均衡算法,双模自适应盲均衡算法收敛速度明显提高,256QAM信号均衡后输出残余码间串扰（ISI）改善提高了10dB;同时通过实验验证,采用20MHz实时分析带宽对码率为6.4MSps的宽带256QAM信号进行实时多域分析,误差矢量幅度（error vectorm agnitude,EVM）测试误差小于2%。     

基于蚁群算法的神经网络配电网故障选线方法

为了克服基于神经网络的故障选线方法收敛速度慢、易于陷入局部极小点的缺点,提出了蚁群算法和神经网络相结合的故障选线方法。利用ATP-EMTP做单相接地仿真试验,得到各线路的零序电流信号,通过小波变换和傅里叶变换提取其中的故障特征作为神经网络的输入。利用蚁群算法对神经网络进行训练,完成训练的神经网络模型即可实现故障选线。仿真结果表明,该方法训练速度快、误判率低。     

基于小波和神经网络的电能质量扰动信号数据压缩

在小波变换数据压缩方法和神经网络数据压缩技术的基础上,提出了将小波和神经网络应用于电能质量扰动信号数据压缩的方法。利用小波时域和频域的双重分辨率和神经网络的非线性函数逼近能力,以压缩比、均方误差为压缩效果的评价指标,对实际扰动信号进行数据压缩。采用样条小波和径向基神经网络数据压缩方法,以一个实例,给出了电能质量扰动信号的压缩仿真过程,给出了各类(电压凹陷、突起、尖峰、闪变及瞬态振荡)电能质量扰动信号的仿真分析结果。结果表明,该电能质量扰动信号数据压缩方法,压缩后得到的均方误差为-16.1397 dB,压缩效果良好。     

基于支持向量拟合的恒模盲均衡算法

本文提出了一种利用迭代最小二乘支持向量拟合(IRWLS-SVR)的盲均衡算法.该算法利用数字通信系统中调制方式的恒包络特性(CMA),在基带条件下对具有严重码间干扰的接收信号进行均衡处理,实现无线信道的无误差传输.该方法不同于以往基于神经网络算法和高阶统计量的盲均衡方法,具有收敛速度快,干扰抑制强,计算量小的优点.计算机仿真结果表明,经过多径瑞利信道衰减后的接收信号可以通过该均衡器得到正确解调.     

通用数据链并行Laguerre盲均衡算法

为解决深衰落信道中传统盲均衡算法存在的长抽头系数和高误码率的问题,提出通用数据链并行Laguerre盲均衡算法。在分析通用数据链信号的基础上,引入Laguerre滤波器替代FIR滤波器,以较短的抽头系数逼近长脉冲序列响应;同时借助判决引导算法和分数间隔思想,加快了算法的收敛速度;利用均衡输出的平方期望直接作为自适应步长模块的修正变量,进一步提升了新算法的均衡性能。实验结果表明,新算法减少了均衡器抽头系数,拥有更快的收敛速度和更低的误码率。     

Semi‐blind fast equalization of QAM channels using concurrent gradient‐Newton CMA and soft decision‐directed scheme

This contribution considers semi‐blind adaptive equalization for communication systems that employ high‐throughput quadrature amplitude modulation signalling. A minimum number of training symbols, approximately equal to the dimension of the equalizer, are first utilized to provide a rough initial least‐squares estimate of the equalizer's weight vector. A novel gradient‐Newton concurrent constant modulus algorithm and soft decision‐directed scheme are then applied to adapt the equalizer. The proposed semi‐blind adaptive algorithm is capable of converging fast and accurately to the optimal minimum mean‐square error equalization solution. Simulation results obtained demonstrate that the convergence speed of this semi‐blind adaptive algorithm is close to that of the training‐based recursive least‐square algorithm. Copyright © 2009 John Wiley & Sons, Ltd.     

一种MMSE类盲均衡算法的凸组合策略

通常有2类重要的MMSE类盲均衡算法：恒模盲均衡算法和判决引导算法。前者面临收敛速度慢,剩余误差大的缺点;而判决引导均衡算法的收敛速度快,稳态性能好,缺点是启动条件不满足时算法会发散。本论文提出了一种MMSE类盲均衡算法的凸组合策略。通过应用凸组合的基本原理,恒模盲均衡算法可以自适应平滑地切换到判决引导模式。首先,提出了算法的凸组合策略,使得恒模盲均衡算法和判决引导算法之间可以自动软切换。然后描述了一种锚定过程,可以消除稳态时恒模均衡器过高的剩余误差,因此总的算法可以看作是经过了恒模均衡器训练的判决引导均衡。仿真实验证实了新算法的优异性能。     

基于ARM9的整数小波阈值压缩算法及其EVC实现

采用传统的一代小波变换进行数据压缩,存在实时性差,内存需求量大等问题.本文从小波滤波器的多相位矩阵出发,利用Euclidean分解方法,实现了小波变换由传统卷积模式到提升算法的转变,并进行了整数提升,克服了一代小波的不足.在此基础上提出了一种改进的整数小波阈值压缩算法,在ARM9上利用EVC予以实现.实验表明该算法在均方误差为0.3490%时,压缩比为11.875%,计算速度快,适合应用在实时性要求较强的场合.     

基于可变遗忘因子广义RLS算法的频率估计

传统的递推最小二乘(RLS)算法有良好的抑制噪声的能力,但在非稳态环境下跟踪能力弱,导致误差大.RLS和Kalman滤波之间存在一一对应的关系,引入Kalman滤波的一步预测估计和新的状态转移矩阵,可以得到广义的RLS算法,该算法改进了跟踪能力.同时,考虑到加权遗忘因子对算法的收敛速度和跟踪能力也有很大影响,故在广义RLS算法中再引入可变的遗忘因子,以确保对时变参数的快速跟踪能力和小的参数估计误差.对基于可变遗忘因子的广义RLS自适应算法和按指数加权的传统RLS算法进行了仿真比较,分析了在稳态下加入谐波、输入幅值变化、输入频率变化等情况下,2种方法所得的频率估计值和均方误差,结果显示所提方法在精度和收敛速度上都更优越.     

一种并行双模式盲均衡算法的研究与实现

本文提出了一种将SMMA算法与DD算法并行运行的变步长双模式盲均衡算法。该算法在保持原来两种算法高性能的基础上，改进传统的DD算法，将两种算法采用并行结构运行，同时加入误差控制函数，控制SMMA算法占比，降低稳态误差；并且引入变步长方法，加快算法的收敛速度。经过理论分析与仿真实验表明，该算法相对于传统方法，ISI降低到-29.8 dB，收敛速度提高，在630个符号左右算法完成收敛。在完成仿真实验后，进行了实测信号的解调均衡，其EVM降低到1.69%。     

Fractionally spaced blind equalization with low‐complexity concurrent constant modulus algorithm and soft decision‐directed scheme

The paper proposes a low‐complexity concurrent constant modulus algorithm (CMA) and soft decision‐directed (SDD) scheme for fractionally spaced blind equalization of high‐order quadrature amplitude modulation channels. We compare our proposed blind equalizer with the recently introduced state‐of‐art concurrent CMA and decision‐directed (DD) scheme. The proposed CMA+SDD blind equalizer is shown to have simpler computational complexity per weight update, faster convergence speed, and slightly improved steady‐state equalization performance, compared with the existing CMA+DD blind equalizer. Copyright © 2004 John Wiley & Sons, Ltd.     

结合二代小波与快速傅里叶变换的L电能质量数据压缩算法

针对大量电能质量数据的传输和储存问题,提出一种结合快速傅里叶变换(FFT)和二代小波(SGWT)的电能质量数据压缩算法,包括FFT、SGWT有损压缩和LZW(字符串表编码)无损压缩的流程图。分别对暂态和稳态扰动信号进行仿真比较,结果表明所提出的算法与FFT以及SGWT相比,可有效降低存储空间,可得到更高的压缩率且在压缩比、均方误差与运行时间等性能指标上取得较好平衡。     

Filter proportionate normalized least mean square algorithm for a sparse system

In this paper, the proportionate normalized least mean square (PNLMS) and its modifications, such as improved PNLMS (IPNLMS) and μ‐law PNLMS (MPNLMS) algorithms, developed for a sparse system, are analyzed for a compressed input signal. This analysis is based on a comparative study of the steady‐state error and convergence time for the original signal and the compressed signal. Further, in this paper, a filter PNLMS (FPNLMS) algorithm that is a modification of the IPNLMS algorithm is proposed. The FPNLMS algorithm uses a step size varying in time to adapt to the sparse system. Simulations are carried out to compare the proposed FPNLMS algorithm for different signal‐to‐noise ratio for a compressed input signal with existing algorithms, ie, PNLMS, MPNLMS, and IPNLMS algorithms. The FPNLMS algorithm achieves a better steady‐state and convergence time compared with other existing algorithms in both low and high SNRs. The FPNLMS algorithm is further simulated for a real transfer function to show its robustness compared with existing algorithms.