含新能源发电的电力系统状态估计研究

新能源发电不确定性改变了传统状态估计的边界条件，给不良数据辨识和电力系统运行状态预测等状态估计基本功能带来新问题，影响含新能源电网的调度与运行控制决策。在综述传统电力系统状态估计功能、模型与算法的基础上，分析了新能源发电不确定性带来的主要影响；结合新能源发电的特点，从估计对象和时间2个维度提出一种含新能源发电的分层状态估计框架，针对不同估计对象实现电站层级与全网的状态估计信息合理拼接，在时间维度上考虑历史数据挖掘、实时状态估计和状态趋势预测的有机衔接，并在对比所提框架与传统状态估计差异的基础上，提出了亟待解决的关键技术问题。     

基于全相位预处理的时域多重信号分类波达方向估计方法

低信噪比下,针对宽带短脉冲情况下频域多重信号分类(MUSIC)中噪声子空间估计不稳定问题,提出一种基于全相位预处理的时域多重信号分类波达方向(DOA)估计方法。①对线列阵接收数据进行分组处理;②按搜索角度对各组数据进行相移预处理,并对各组数据预处理结果进行相加,得到一组新数据;③对线列阵接收数据在时域构建相移后的协方差矩阵,在更短数据长度下,稳定实现噪声子空间估计,并依据估计出的噪声子空间含有的正交特性,通过单位矩阵加法器得到相应空间谱估计值,实现波达方向估计。数值仿真和实测数据处理结果表明,相比频域MUSIC方法,该方法有效提高了线列阵接收数据协方差矩阵中信号含有量和信噪比,能够在更短数据长度情况下实现对噪声子空间的稳定估计,具有较好的稳定性和检测性能,提高了MUSIC方法在实际波达方向估计中的鲁棒性。     

使用具有重叠方向图的天线估计来波角度

基于接收信号强度(Rss)的室内定位设计容易受到多径干扰的影响，为了解决这个问题，将具有重叠方向图效果的波束切换天线和Rss相结合，提出一种来波角度(AoA)估计方法。AoA是通过不同波束Rss的差分运算进行估计，因为多径信号的AoA呈现一种对称分布的特性，从AoA估计误差的均值角度，证明Rss差分运算具有抑制多径干扰的能力。同时对于波束切换天线的结构参数与整体AoA估计精度和稳定性之间的关系开展研究，最后通过实验和仿真验证理论分析的结果，可以在多径丰富环境中获得较高的AoA估计精度和稳定性。     

基于贝叶斯估计的土壤呼吸传感器最优高度点搜索研究

为了准确监测土壤呼吸，针对土壤呼吸传感器最优布点的问题，提出了一种基于贝叶斯估计的土壤呼吸传感器最优高度点搜索算法。算法的具体思路为:首先通过CFD(计算流体力学)仿真与涡度相关法得到土壤呼吸稳态时气室内不同高度的碳通量数据。然后对数据赋予一定的权值得到不同高度的融合数据，最后采用贝叶斯估计理论求解相应高度的概率密度，从而确定传感器最优高度点。结果表明:直径为0.25m，高度为0.3m的气室传感器最优高度点为中轴线上0.0836m处，且该点数据的均方根误差RMSE为1.426μmol·ｍ-2·s-1 。平均偏差Bias为1.224μmol·m-2·s-1，并与贝叶斯联合密度的计算结果验证分析，证明此算法有很高的可行性与准确性，为土壤呼吸传感器的最优高度点选取提供了方向与建议。     

基于MEMS声传感器阵列的车辆鸣笛声抓拍系统设计与实现

基于MEMS(Micro Electrical Mechanical System)声传感器阵列及光学相机，设计并实现了车辆鸣笛声抓拍系统。结合车辆鸣笛声的时域与频域特点实现鸣笛声的识别，结合最小化最大旁瓣级原则给出生成声传感器阵列的具体方式，结合波，束形成技术及互谱矩阵实现区域内声源波达方向估计，以可编程逻辑门阵列(Field Programable Gate Array，FPGA)作为算法实现平台，完成数据采集与数据处理模块设计，结合工业计算机及光学相机，实现车辆鸣笛声抓拍。通过测试，验证了所设计的系统对鸣笛声抓拍的有效性。     

基于卷积神经网络的单目深度估计

针对利用深度学习方法对街道图像进行深度估计，提出采用语义分割的方法解决深度图出现边界模糊等问题；估计深度通过左右视角图生成视差图进行无监督的训练。在网络模型中添加语义分割层，采取多个空洞卷积并行的结构增加感受野，同时减少了图像下采样的次数，降低了由于下采样带来的信息损失，使得的结果更加准确。这也是在深度估计中首次与空洞卷积相结合增加准确率。通过对KITTI街道数据集进行训练，与现有结果相比，除了增加检测准确性，降低错误率之外，使得效果图中的物体更加清晰，并且在效果图中还保留了一些原模型中被忽视掉的细节信息，将原始图像更加完整的表现出来。     

基于双层修正无迹卡尔曼的水下节点定位算法* .txt

摘要：针对水下无线传感网络中运动节点定位精度低的问题，提出了一种新的基于双层修正无迹卡尔曼的水下节点定位算法(DLMUKF)。该算法利用下层无迹卡尔曼滤波算法对节点状态进行预测，根据各信标节点的测距传播时延对预测的节点状态进行修正。运用上层无迹卡尔曼滤波算法对修正后的状态进行新的预测与修正。仿真实验中，DLMUKF算法的平均定位误差约为传统多边定位算法的15%，约为基于无迹卡尔曼滤波（UKF）定位算法的16%，受节点运动时间与速度的影响最小。通过实验证明DLMUKF算法能更充分利用实际距离值，可以有效减小运动节点的定位误差。 .txt     

宽带毫米波大规模MIMO系统中低复杂度波束域信道估计

针对宽带毫米波大规模MIMO系统信道估计精度低及实现复杂度较高的问题，在传统支撑检测方案的基础上提出一种基于Gauss-Seidel方法的串行支撑检测（GS-SSD）方案。该方案不使用共同支撑假设，参考串行干扰删除，将整体信道估计问题分解为一系列子问题，每个子问题仅考虑一个信道成分。同时，利用Gauss-Seidel方法近似高复杂度的矩阵求逆。仿真结果表明，相比于基于串行支撑检测（SSD）的方案， GS-SSD方案在将求逆复乘数降低一个数量级的同时可以取得接近SSD方案的信道估计性能。     

Weibull型无故障数据下综合Bayes置信可靠性评估模型

在无故障数据情况下,将失效概率结合Bayes理论引入置信限,分析了修正后的数据Weibull分布中单侧置信可靠性。其方法是:首先基于Weibull分布采用配分布曲线法进行分析,构造出多层先验分布给出失效概率的综合EBayes估计,结合最小二乘法拟合得到分布参数的估计值;根据参数的统计性质构造置信区间的枢轴量,同时,给出Weibull分布特征参数的区间估计和可靠度置信下限。以经典轴承试验为例,将此方法与其它方法计算结果进行对比,证明了该方法对置信可靠性评估的合理性和可行性。