基于功率谱相对值判决的多载波编码调制

针对低压配电网的信道特性及现有调制解调技术的局限性,提出基于功率谱相对值判决解调的多载波编码调制方案。方案采用多载波调制,接收端通过数字信号处理技术对接收信号进行功率谱估计,利用谱估计结果进行判决解调。在模拟的低压电力线载波信道条件下,对调制解调方案进行了仿真。结果证明方案能有效抑制多种噪声,且对信道具有较强的自适应能力。与传统的多载波调制技术比较,传输特性有明显改善(在高斯白噪声信道中误比特性能改善约4dB)。     

OFDM电力线载波远程智能抄表技术

介绍了智能电网及AMI对新一代远程智能抄表系统所提出的新要求,通过对低压电力线载波信道特性的分析,以及对目前低速PLC调制技术性能局限性的分析,提出了采用新一代低压电力线载波通信技术——OFDM多载波调制．详细介绍了OFDM低压电力线载波调制原理、编码及接收机技术．并阐述了APLNET—iM的物理层设计、MAC层设计及专用芯片设计。     

低压电力线载波通信信号对家用电器阻抗影响分析

低压电力线载波通信技术是电力用电信息采集系统建设主要通信方式,载波信号作为一种能量信号是否对家用电器产生影响,国内外还没有深入的研究。从低压电力线载波信号引起电器阻抗变化这方面进行研究和试验论证,首先分析低压电力线载波信号特征,理论分析高频电路元器件阻抗特性和主流家用电器内部构造,经过试验验证定量的得到了家用电器在低压电力线载波通信时下的阻抗变化特性。     

基于电力线载波的低压配电网拓扑结构检错模型

由于低电压配电网受到电力线载波差异性特征量影响,导致检错稳定性以及可靠性降低,提出基于电力线载波的低压配电网拓扑结构检错模型。构建电力线载波信号模型,通过信号检波分析电力线载波信号特征;结合信号增强算法增强载波信号滤波,分析电导频率分布特征;结合频谱分量检测方法,融合电力线载波信息,通过配电网拓扑结构特征分析进行检错处理;结合电力线载波的差异性特征量,诊断电网拓扑结构的故障,建立低压配电网拓扑结构的检错分析和故障诊断模型,通过谐振电感和谐振电容的输出特征分布,实现低压配电网拓扑结构的检错分析。仿真结果表明,低压配电网拓扑结构检错处理的稳定性和可靠性较高,提高了低压配电网拓扑结构的安全稳定运行和运维管理能力。     

电力线载波通信时频混合降噪方法

电力线干扰噪声是影响电力线载波通信(power line communication,PLC)传输质量的重要因素,直接降低电网信息物理系统的泛在感知和可靠传输性能。为提高电力线载波通信抗干扰能力,该文提出了一种低压电力线载波信号时频混合降噪方法。通过对电力线载波环境中五种常见噪声建模分析,结合载波调制方式,将载波信号降噪问题分解为信号频域降噪和载波时域降噪两步处理,并提出码元位置校验和幅值补偿操作,最终实现电力信号降噪的目的。仿真实验结果表明,该方法在不同编码模式和信道环境下都具有显著的降噪效果,且有很好的抗信号衰减性能,可有效提升信噪比。     

家庭网络中通用电力线载波模块的设计

利用低压电力线载波技术来实现家庭自动化控制网络,其难点在于设计合理的调制解调和耦合方案。本没有使用专用载波通信芯片,而以通用集成芯片设计出廉价实用的电力线载波调制解调模块及系统实现方案。本主要简要地介绍了该通用电力线载波模块的工作原理与实现。     

中压电力线载波通信现状及发展趋势探讨

10kV电力线载波通信是配用电通信系统的重要组成部分,目前电力线载波技术发展正处于瓶颈,文章对电力线载波现有技术进行分析,介绍了载波信号调制、耦合技术及电力线载波组网现状,并对电力线载波技术发展进行了展望。     

窄带OFDM低压电力线载波技术及标准化发展趋势分析

针对低压电力线载波通信及电力用户用电信息采集应用,分析了窄带OFDM低压电力线载波技术的发展现状以及国际标准化情况。首先分析了低压配电网电力线信道的特点,揭示了新一代低压电力线载波通信均采用窄带OFDM调制技术的原因;然后针对我国电力用户用电信息采集电力线载波本地网络,提出了一种协议栈模型,目的是为标准化建立一个分层协议框架,实现不同厂家载波终端的互联互通和互操作。最后分析了物理层工频过零点传输的必要性,并对几个主要的窄带OFDM物理层标准进行了比较。     

低压配电网载波信号衰减特性研究

低压电力线载波通信技术已被广泛应用于电力用户用电信息采集系统,由于低压配电网的载波传输特性造成电力线载波通信不可靠,尤其是低压配电网对载波信号的衰减,是导致通信失败的重要因素之一.本文根据实际现场测试数据,对低压配电网载波信号的衰减特性进行了分析.     

一种混合级联逆变器的改进载波层叠调制方法

传统的载波层叠调制方法应用于双低压单元混合级联逆变器时,存在低压单元之间功率不平衡问题。为此,提出了一种基于载波层叠调制的改进调制方法,首先通过传统载波层叠调制方法产生脉宽调制(PWM)脉冲信号,然后以目标波形为参照对PWM脉冲信号进行逻辑组合后得到各个开关管的初始驱动信号,最后再对开关管的初始驱动信号进行功率平衡优化后得到开关管的实际驱动信号。仿真和实验结果表明,该调制方法能够使逆变器在高压单元工作于基波频率的情况下,解决电流倒灌问题和实现两个低压单元的功率平衡。     

FFT与小波分析应用于抑制局部放电窄带干扰

局部放电极易被噪声污染,众多干扰中载波通讯、高频保护、无线电广播等周期干扰尤其严重,而窄带干扰严重时可能完全淹没局部放电信号,这给局部放电的检测工作带来了巨大困难。为了从强的窄带干扰背景中有效提取局部放电信号,在基于FFT与小波分析理论的基础上,根据窄带干扰与局部放电信号具有不同频谱的特性,提出了抑制局部放电信号窄带干扰的新方法。考虑FFT处理方法的频谱泄漏性,再用小波变换对FFT处理后的局部放电信号进行进一步消噪,由此能够取得很好的消噪效果。仿真结果表明,此方法对窄带干扰去噪要比FFT、小波及小波模极大值去噪效果好,且得到的局部放电信号失真小。     

基于 AdvGAN 的无线通信信号反侦察方法

深度学习技术凭借其强大的特征提取能力,在信号认知方面取得广泛应用,这对有保密需求的无线通信系统的保密 性安全带来极大威胁。针对上述问题,提出一种基于对抗生成网络(generating adversarial examples with adversarial net- works,AdvGAN) 的无线通信信号反侦察方法。首先实现两种不同的调制信号识别模型;再使用3种对抗样本生成方法构造 伪装信号;最后叠加在原始信号上并在调制信号识别模型上进行测试。实验结果表明,所提方法能够使侦收方的智能调制识 别模型的识别准确率大幅下降,在信噪比10 dB 条件下,使侦收方未知模型识别准确率下降约66%,从而有效反制侦收方的 智能识别模型。     

基于MEMD和TK能量算子的肌电信号手势识别

为提高肌电信号手势识别的准确率,提出基于时频域分析的肌电信号特征提取方法。该方法利用无线肌电信号采集装置获得肌电信号,采用基于多元经验模态分解(multivariate empirical mode decomposition, MEMD)和TK(Teager-Kaiser)能量算子的肌电信号特征提取方法,利用多维尺度分析(multi-dimensional scaling, MDS)对多通道特征降维,采用线性判别分类器(linear discriminant analysis, LDA)对手势特征分类识别。将该算法应用于UCI数据库,手势识别准确率达98.96%,应用于自主采集数据库准确率达99.37%,同时F1 score具有明显提升。实验结果表明,与典型方法相比,所提出的肌电信号特征提取方法对手势识别的准确率更高。     

基于GLCM和LBP的局部放电灰度图像特征提取

针对变压器局部放电模式识别中传统统计谱图特征提取维数高、识别率差等问题,提出基于灰度共生矩阵和局部二值模式的局部放电灰度图像纹理特征提取方法。该方法从宏观角度将灰度图像转化为灰度共生矩阵并获取其8维特征,从微观角度计算邻域像素相对灰度响应并获取其10维特征量。搭建四种局部放电实验模型,通过脉冲电流法采集局部放电信号;结合两类特征,以支持向量机作为分类器来识别放电类型并用传统特征提取方法作为对比。结果表明利用该方法提取灰度图像特征在避免特征灾难的同时仍有较高识别率,能有效识别四种放电模型,验证了该方法的有效性。     

Effective Communication Strategies for Noise-Limited Power-Line Channels

Ergodic chaotic parameter modulation (ECPM) has recently been proposed as a viable modulation technique for power-line communications (PLC) due to its robustness to multipath conditions and low complexity in receiver design. While performance of ECPM has been found to be satisfactory in limited noise conditions, performance issues for other hostile challenges in the power-line environment, such as narrowband and impulsive noise, have not been extensively studied for this technique. Numerous studies have been performed on direct-sequence spread-spectrum (DSSS) modulation used in a wireless channel. The technique has been found to be well suited for a mobile environment due to its resistance to multipath fading and inherent narrowband interference suppression capability. For this study, PLC performance is investigated for both the DSSS and ECPM receiver for PLC. A signal-to-noise ratio (SNR) analysis is presented which investigates the noise-limiting properties of the power-line channel. This work provides a detailed insight to communication system performance in a power-line environment that includes the presence of significant narrowband and impulsive noise. It is concluded that while DSSS significantly outperforms ECPM in terms of bit-error rate for a Gaussian white noise-limited channel, the performance of the two techniques is similar for low SNR communication dominated by narrowband or impulsive noise. While the implementation of DSSS is more complex, ECPM is found to be less robust to low-frequency interference     

基于PCA的管道缺陷导波信号特征优化方法

针对超声导波管道缺陷检测中存在的识别率低、鲁棒性差等问题,应用了主成分分析对管道缺陷回波信号进行特征优化.首先,通过对超声导波缺陷回波信号进行处理,提取了信号在时域和时频域内的特征参数,构成联合特征向量.然后使用主成分分析法(principal component analysis,PCA)对联合特征向量进行降维处理,通过提取累计贡献率达到89％的主成分得到融合特征.最后用BP神经网络对融合特征进行训练和识别.这种方法可以有效的识别管道缺陷,与联合特征向量相比具有更高的识别率.     

基于DTCWT与LLE算法的变压器局部放电特高频信号特征参数提取方法

提出了一种基于对偶树复小波变换(Dual-tree Complex Wavelet Transform,DTCWT)与局部线性嵌入(Locally Linear Embedding,LLE)算法的局部放电特高频信号特征参数提取方法,可以有效识别典型变压器内部绝缘缺陷。首先采用DTCWT算法分解变压器局部放电特高频信号,得到一系列不同变化尺度下细节分量信号。再提取出各细节分量信号的偏斜度和峭度作为初始特征参数。采用LLE算法对初始特征参数组成的特征向量进行降维处理,得到最终的特征参数及特征向量,输入到支持向量机(SupportVectorMachine,SVM)中识别各类绝缘缺陷。结果表明,该特征参数可以有效识别典型变压器内部绝缘缺陷,模拟绝缘缺陷识别准确率达到98.35%,现场检测信号识别准确率达到92.1%。     

基于D-S证据组合规则的双模型融合局部放电模式识别方法

针对传统的局部放电模式识别存在的特征提取单一、识别准确率低等缺点,提出了一种基于D-S证据组合规则的双模型融合局部放电模式识别方法.根据基于相位信息的局部放电(PRPD)谱图的统计数据特征和图像特征的特点,分别建立了反向传播(BP)识别模型和卷积神经网络(CNN)识别模型.根据2个识别模型的识别结果,提出了基于信息熵改进的D-S证据组合规则以解决常见的悖论问题,基于此建立了判定模型,更好地融合了2个识别模型的输出结果,实现了2种特征识别的优势互补.根据实际数据测试,与单一模型对比,所提方法可以稳定、准确地识别局部放电模式.     

基于CWD谱图和改进CNN的无线电调制分类

针对频率随时间的变化规律是不同调制信号之间最重要的区别，提出一种结合崔 威廉斯分布和改进卷积神经网络模型的无线电调制分类识别方法。在信号预处理阶段，为了更好保留信号的时频特征，引入崔-威廉斯变换将原始时间序列转换成时频图像，进而将调制信号分类问题转化成图像识别问题。在信号识别阶段，通过在卷积神经网络模型中引入残差密集块和全局平均池化层，以克服卷积神经网络模型泛化能力差和训练时间久等缺点。实验结果表明，所提方法可以有效解决梯度消失问题，具有识别率高、泛化能力强等优点。尤其是在低信噪比情况下，表现更为优异，在信噪比为-4 dB时，8种信号的分类精度便可达到100%。     

基于混合模糊Petri网的电力系统故障暂态识别方法

提出一种基于混合模糊Petri网(hybrid fuzzy Petrinets,HFPN)的电力系统故障暂态信号识别新方法。该方法将小波变换特征提取、模糊逻辑和模糊Petri网相结合构成混合模糊Petri网,有效解决了单一的模糊Petri网无法识别故障暂态信号的缺陷,也改善了原有识别方法推理过程不容易被人理解的不足。对故障发生后1/4个周期内的三相电流和零序电流,应用小波变换提取小波能量,再经过模糊推理系统得到模糊值作为特征量,最后应用模糊Petri网进行识别。大量PSCAD/EMTDC仿真试验结果表明:该故障识别方法能快速准确地识别各类故障暂态信号,识别速度快,并且以概率的形式给出发生各种故障的可能性;基于HFPN的图形化表示方法清晰直观,不受故障时刻、过渡电阻、故障位置等因素的影响,对噪声信号和不同线路都具有较好的适应性。