一种改进的电力线正交频分复用信道估计的最小平方算法

信道估计是正交频分复用(Orthogonal FrequencyDivision Multiplexing,OFDM)技术数据解调与均衡的基础,文章在分析电力线信道特性的基础上,分析了采用离散导频技术的信道估计算法的性能,针对其抗噪声干扰能力弱的特点,提出了通过截短时域冲击响应长度来提高估计精度的算法.在电力线信道环境下的仿真计算证明了该算法具有良好的估计性能.     

低压电力线信道的决策估计算法研究

OFDM技术以其多种优势成为低压电力线载波通信的最佳选择,信道估计是OFDM系统的关键问题之一.分析了低压电力线信道特性,针对信道慢时变特性及噪声复杂的特点,提出一种适用于低压电力线通信信道的直接决策估计算法.该算法基于Kolaonen神经网络,改进了神经元学习率的自适应方法,通过竞争机制实时跟踪信道变化,实现信道估计...     

正交频分复用系统中基于迭代插值的低压电力线信道估计

<正>交频分复用(orthogonal frequency division multiplexing,OFDM)技术以其多种优势成为低压电力线通信的最佳选择,信道估计是OFDM系统的关键问题之一。分析低压电力线信道特性,针对信道慢时变特性及噪声复杂的特点,提出一种适用于低压电力线通信的采用迭代插值的信道估计算法。该算法对导频符号的频率响应进行迭代插值,求出整个信道的频率响应,并利用信道响应的自相关矩阵,对信道频率响应进行优化,从而得到更加精确的信道估计。仿真结果表明,该信道估计算法能有效地跟踪低压电力线信道特性,降低了系统的误比特率和均方误差。     

电力线OFDM系统整数频偏估计算法

正交频分复用(orthogonal frequency division multiplexing,OFDM)技术是电力线通信中重要的调制技术,而OFDM系统的主要缺点之一是对载波频率偏移非常敏感,故载波频偏估计是OFDM系统的关键技术之一。对采用Chu序列的互相关整数频偏估计算法进行改进,提出了基于最大后验概率准则的整数频偏估计算法。该算法在原有算法基础上考虑训练序列周围的数据符号和噪声影响,增加了一个修正项,可以进一步降低整数频偏估计错误检测概率,提高估计的准确性。仿真结果表明,与原互相关算法相比,该算法降低了一般通信信道和电力线通信信道下的整数频偏估计错误检测概率,在电力线OFDM通信系统中具有良好的应用前景。     

电力线通信中信道估计和模糊滤波技术研究

信道估计是正交频分复用(orthogonal frequency division multiplexing,OFDM) 技术中数据解调与均衡的基础。文章在分析电力线信道特性的基础上,针对电力线信道的非线性畸变对数据传输准确率的影响,提出采用基于模糊模型的滤波器来估计信道模型。仿真结果表明,所设计的H∞ 滤波器与OFDM 通信技术相结合能够有效消除或降低电力线信道中存在的噪声干扰、码间干扰和信道间干扰。     

OFDM低压电力线通信中基于小波去噪的盲信道估计

分析了OFDM低压电力线通信中采用盲信道估计的可行性,基于二阶矩盲信道估计算法提出一种小波去噪盲估计,这种算法利用小波变换思想,对盲算法中接收信号自相关矩阵的估计值进行消噪处理,以减小噪声干扰对信道估计的影响。通过仿真试验分析了小波去噪盲估计的性能。仿真结果表明,该方法与盲算法相比信道估计性能得到了明显的提高。     

基于适应性扩展和阈值分割的低压电力线信道数据处理算法的研究与应用

为了克服电力线通信系统中严重的多径衰落效应,改善低压电力线通信系统的通信质量,引入基于适应性扩展和阈值分割的数据处理算法。建立了OFDM通信系统以及电力线信道的仿真模型,分别对适应性扩展算法以及三级阈值分割算法在电力线通信领域的应用进行了仿真分析。与传统的OFDM通信系统的信道估计技术相比,该算法不占用宝贵的频带资源并且易于实现。实验证明,除去信号被噪声淹没等一些极端情况,对于各种多径信道,该方法均可以有效对抗多径衰落特性,降低误码率(BER),提高通信质量。     

基于稀疏贝叶斯学习算法的电力线通信脉冲噪声抑制方法

电力线通信脉冲噪声干扰是影响通信系统性能的主要因素之一。文中针对电力线中的脉冲噪声,采用基于稀疏贝叶斯学习算法的抗脉冲方法,将电力线信道中空子载波包含的信息用于脉冲噪声估计,通过基于正交频分复用(OFDM)的宽带电力线载波通信系统,在实际室内电压电网中,验证了算法的可行性。     

基于电力线信道的OFDM同步算法的仿真

针对OFDM在电力线载波通信中的应用,分析研究了SC的OFDM同步算法,并在此基础上提出了一种针对电力线信道的改进的OFDM同步方案。该方案在保证有效符号定位的情况下,扩大了频率偏移的估计范围,改善了归一化频偏在边界点附近的估计失真问题。通过所建立的电力线信道模型和电力线载波通信仿真平台,文章对提出的同步算法进行了仿真,证明了该方案的可行性。     

OFDM低压电力线通信中信道估计算法的研究

本文对现有的OFDM低压电力线信道估计算法进行了分析和比较,并基于低压电力线信道特性指出,LMS算法是一种更适合于电力线通信的信道估计方法。     

低频振荡模态参数辨识新算法

TLS-ESPRIT算法的实质是通过对信号子空间进行奇异值分解(SVD),辨识出信号的频率和阻尼比。SVD虽然可以抑制部分噪声影响,但噪声过强时就会影响TLS-ESPRIT算法的辨识精度;而且SVD易把较弱信号滤除,丢失真实模态而引入虚假模态。针对此结合数学形态学能够在时域内对信号进行滤波,且滤波后信号的几何特征保持不变的特点,将实测信号先经数学形态学滤波再通过TLS-ESPRIT进行模态辨识,可以最大限度地降低噪声的影响,使辨识精度更加精确。仿真结果验证了所提算法的可行性、有效性和强抗噪性。     

基于SVD的电压跌落持续时间检测新方法

针对电压跌落持续时间检测问题,提出了一种利用Hankel矩阵奇异值分解（ SVD）理论检测电压跌落起止时刻新方法,并对不同跌落幅值、谐波和噪声三种干扰下的信号进行适用性仿真分析,并提出对含噪声电压跌落信号选择合适的SVD分量进行信号重构,对重构信号进行SVD检测电压跌落起止时刻。通过 Matlab7．0平台仿真验证所提方法有效性,结果表明该检测方法原理简单,检测精度较高,适用性较强。     

THE SVD OF SYSTEM MATRICES AND MODAL PROPERTIES IN A TWO-AREA SYSTEM

ABSTRACT

In this paper we present results of a comparison of participation factors with a new method that uses the singular value decomposition ( SVD) of complex matrices which are functions of the state matrix A, the input matrix B, the output matrix C and the eigenvalues as measures of modal controllability and observability. The agreement between the two approaches is remarkable. We also give some results about the conditioning of single eigenvalues and eigenvectors and apply them to the same system mentioned above. We find that in some region in the parameter space the eigenvalues corresponding to the area modes approach each other coalescing into a double eigenvalue. At this point and in a region surrounding it in the parameter space the eigenvalues and the eigenvectors become very ill-conditioned rendering the information obtained from the eigenvectors meaningless.     

基于改进小波系数奇异值分解和小波去噪的低频振荡时变模式辨识

提出了一种基于连续小波变换(continuous walelet t r a n s f o r m , C W T )和奇异值分解( s i n g u l a r v a l u e decomposition,SVD)相结合的提升小波系数 SVD 辨识信号振荡频率和模式信息提取及信号去噪的新方法.克服了噪声较大或者密集模态时,小波脊线不清晰甚至会出现混叠和交叉难以提取频率的情况,根据提升的小波系数奇异值分解频率向量识别各阶振荡模式的频率.同时选用小波能量系数来识别主导振荡模式,用小波软阈值去噪和 SVD 分解后矩阵重构来进行信号去噪.CWT 可以处理含时变振荡模式的低频振荡信号,且对模式参数具有较高的辨识精度.仿真算例验证了算法的有效性和适用性     

基于SVD与小波变换的反高频脉冲磁场窃电方法

面对更隐蔽的高频脉冲磁场窃电方式,根据磁场信号进行反窃电检测会由于噪声影响而失效。针对这个问题,提出将奇异值分解（singular value decomposition,SVD）和小波变换结合的方法应用到防窃电装置中,在检测中去除噪声分离出窃电信号。首先将带有噪声的磁场混合信号进行快速傅立叶变换（fast Fourier transform,FFT）求出功率谱,引入经典阈值判断出窄带噪声的个数,并以此确定奇异值分解的有效秩阶次。然后对混合信号SVD分解,将窄带噪声对应的的奇异值置零后重构信号,最后利用小波变换去除随机噪声的影响。仿真和实验结果表明,此方法能有效应用到窃电检测中,并通过与FFT阈值滤波法、经验模态分解（empirical mode decomposition,EMD）法对比,所提方法抑制效果更突出。     

基于混沌和SVD-DWT的数字图像水印算法

提出了一种基于奇异值分解和离散小波变换相结合的数字水印算法。将二值水印图像用混沌的方法进行置乱并对原始图像进行N层小波分解,对小波系数LLn,LHn,HLn,HHn分别采用不同的方式嵌入水印信息。对LLn部分,根据系数的能量大小嵌入伪随机扩频序列;对LHn,HLn,HHn三个小波系数矩阵作奇异值分解,将置乱水印的奇异特征值嵌入到这三个小波矩阵的奇异特征值中。针对嵌入方案,设计了非盲检测和盲检测算法。实验仿真表明,该算法能够经受住噪声、中值滤波、JPEG压缩和剪切等攻击,具有较强的鲁棒性。     

BP神经网络和SVD算法联合的地震数据去噪方法

传统的地震数据去噪方法,由于过多依赖数据的先验信息而使得去噪效果不佳。为了更有效地压制地震数据噪声,结合BP网络和奇异值分解(SVD)算法的各自特点,提出了联合去噪方法。该方法分别对BP网络的拓扑结构和实验方案的选取进行了深入探讨,最终确定实验方法为:首先将含噪地震数据经过BP网络分离,然后将输出的噪声经过SVD算法重构,得到联合算法输出的噪声,最后将含噪地震数据与输出噪声相减,即可得去噪后数据。叠前和叠后地震数据实验均表明该方法的可行性与有效性。通过与传统去噪算法对比,该方法去噪后的均方误差更低,信噪比更高,表明其对实际地震数据去噪效果更佳。     

亚像素级的图像配准方法

在很多应用领域,要求图像配准的精度达到亚像素级,而多数亚像素级配准方法的运算量较大。文中阐述了一种高效的基于奇异值分解（SVD）的相位相关法。在无噪声干扰的情况下,该方法的精度达到0.02像素。通过对已知平移关系的图像的配准实验,比较了其与灰度相关函数内插法在无噪声和有噪声的情况以及应用于多光谱图像配准时的配准精度。实验表明,2种方法都有较好的抗噪声性能,在受噪声干扰不严重的情况下,基于SVD的相位相关法的配准精度优于灰度相关函数内插法。     

混合噪声背景下正弦参数估计的互高阶谱SVD方法和SVD-TLS方法

从理论上论述了相关高斯噪声和非相关噪声背景下正弦参数的估计方法,该方法采用互高阶的特征分解（ＳＶＤ）及最小二乘法（ＴＬＳ）,并且建立了信号矢量空间和噪声空间,几科不需要任何关于有色噪声的先验信息,就可以估计出正弦信号的幅值,频率和相位,该方法信噪比工作门限低,有良好的谱估计分辨率及稳定性。     

奇异值与特征值分解在谐波源定阶中的等价性

现代谱估计理论较好的解决了随机白噪声下平稳的电力系统谐波和间谐波模型的求解问题,算法的关键在于准确的确定谐波和间谐波源的个数,称为"定阶",定阶的方法有奇异值分解和特征值分解两种.本文通过理论推导论证两种定阶方法本质上是等价的,并对实测的电弧炉电流波形,采用Esprit进行仿真验证.