TLS-ESPRIT在局部放电窄带干扰抑制中的应用

针对局部放电信号的多态性以及利用混沌振子抑制周期性窄带干扰存在的不足,将一种阵列信号处理方法总体最小二乘-旋转矢量不变技术TLS-ESPRIT(total least squares-estimation of signal parameters via rotational invariance techniques)应用到局部放电信号窄带干扰抑制中。首先将含有窄带干扰的局放信号进行采样并形成HANKEL矩阵;再对HANKEL矩阵进行奇异值分解,划分为窄带干扰子空间与局放信号子空间,并判断是否存在窄带干扰及主要干扰的真实数目;最后通过TLS的二次消噪处理,改善周期性窄带干扰参数的提取精度。研究结果表明,该方法能够有效识别窄带干扰参数和有效处理多种形态的放电信号。     

不同基站计算架构Massive MIMO基带能效建模和趋势研究

大规模多输入多输出(massive MIMO)是5G系统的标志性技术,可利用大规模天线有效地提高频谱利用率。未来的5G-Advanced和6G演进massive MIMO将支持更多的天线和更复杂的算法,基带能效(EE)会成为持续提升网络能效的关键挑战之一。在MIMO系统中,基站计算架构可分为以ASIC为主的专用计算和以CPU为主的通用计算。由于缺乏对基带计算需求和EE的定量建模,选择最佳计算架构(专用或通用计算架构)是非常困难的。因此,有必要研究与组合逻辑单元及处理周期有关的不同计算架构的功耗模型。基于提出的功耗模型,得到每瓦特每秒单位浮点运算的EE方程式的封闭形式。数值结果表明,目前专用计算的EE分别比通用计算(带硬件加速)和CPU通用计算架构高30倍和200倍。     

频率切片小波变换在局部放电信号分析中的应用

在对电力设备局部放电信号进行时频分析时,当信噪比较低或周期性窄带干扰的频率与局放信号频带重叠时,会影响信号时频特征提取的准确性,使目前的局放信号时频分析方法存在局限性.为此,利用频率切片小波变换具有自由分割时频面的优点,提出一种基于频率切片小波变换的局放信号时频分析新方法.首先根据Heisenberg不确定性原理选择时频聚集性最佳的频率切片函数,利用频率切片小波变换获取局放信号的时频分布,突出信号非平稳特征,再根据噪声信号能量与局放信号能量时频分布的差异,选择时频细化区域重构分离出局放信号,结合3σ准则及窄带干扰抑制方法进一步消噪.仿真和实测信号的处理结果表明,与S变换相比,频率切片小波变换具有更高的时频分辨率和任意频带信号提取的灵活性,能够细腻刻画信号的非平稳过程;将时频信息融入局放信号噪声干扰抑制,信号能量损失和波形畸变较小,有利于后续局放信号的模式识别和机理研究.     

小型化高速实时量子随机数发生器的设计与实现北大核心CSCD

量子随机数基于量子力学的内禀特性,通过量子物理过程产生理论上完全不可预测的真随机数,在信息安全、计算机、量子通信等诸多领域有着重要的应用。为满足量子随机数发生器实用化应用需求,本文提出了一种基于多光子态散粒噪声测量的量子随机数发生器设计与实现方案,实现了小型化、高速率、实时量子随机数发生器,量子随机数实时输出速率可达103.2 Mbps,满足《GM/T 0005-2012随机性检测规范》的随机性测试标准,具备连续稳定工作能力。     

品质因子可调小波变换在谐波/间谐波检测中的应用

为有效抑制多种噪声,将一种品质因子可调小波变换(TQWT)应用于谐波/间谐波检测中。首先利用谐波/间谐波信号与噪声信号品质因子的不同,从检测信号中分离出谐波/间谐波信号,然后根据奇异值差分谱进行模型定阶,采用总体最小二乘-旋转矢量不变技术(TLS-ESPRIT)实现谐波/间谐波信号参数的有效提取。分别针对数值仿真信号、实测电弧炉电流信号进行分析,结果表明:与总体经验模态分解相比,TQWT有效削弱了随机噪声和脉冲干扰,较好地保留了信号的主要特征;TQWT与TLS-ESPRIT算法相结合,提高了强噪声背景下谐波/间谐波参数的检测精度。     

样本限制场景下金属板带材表面缺陷分类研究

深度学习在金属板带材表面缺陷检测中取得良好的检测效果,但随着网络层数的增加 ,针对较小样 本的金属板带材表面缺陷数据集训练数据容易出现过拟合现象的问题,为此将残差网络与迁 移学习结合提出 了一种融合多层次缺陷特征的图像分类算法。该算法采用残差网络模块逐层提取金属表面缺 陷特征,获得丰 富的位置信息和语义信息缺陷特征的特征图,后续利用分类网络基于该融合特征图得到最终 分类结果,同时 对特征提取网络进行迁移学习,增加网络泛化能力,优化分类精度。利用钢带表面缺陷检测 数据集评估本文 算法性能,实验结果表明,提出的算法具有较好的分类效果,优于其他缺陷分类算法,分类 准确率可达到 99.07%,同时本文所提算法具有良好的抗噪性和泛化性,在金属板带材表面缺陷智能检测中 具有较好的应用价值。