分段插值同步算法在数字化变电站中的应用

提出一种分段插值同步算法来实现数字化变电站的过程层同步采样,以降低系统对硬件的要求,并提高系统的可靠性.针对插值同步算法进行了分段设计,根据数据的线性度情况分别采用一阶线性插值法或二次插值法;分析了各算法的最大采样值理论误差;提出了过程层采样插值同步的具体实现方法.最后通过现场插值同步精度试验验证了该算法具有较高的同步精度,符合IEC6044-8标准对0.2S级测量电子式互感器的要求.     

基于多用户反馈的判决反馈均衡器的研究

本文提出的一种新颖的基于多用户反馈的判决反馈均衡器,解决了在CDMA多用户检测中传统自适应判决反馈均衡器误码率高、系统容量小的缺点.它由具有误差反馈滤波器的判决反馈均衡器(Decision Feedback Equalizer with Error Feedback Filter,DFE-EFF)构成,并在判决后反馈多用户数据抵消多址干扰(多用户反馈干扰抵消).文中给出其结构图,分析各种判决反馈均衡算法.理论证明,具有误差反馈滤波器的多用户反馈干扰抵消判决反馈均衡器(多用户反馈干扰抵消DFE-EFF)较各种判决反馈均衡器为最优,它能同时有效处理ISI,MAI和噪声的干扰.仿真结果表明,在误码率性能和系统容量两方面,多用户反馈干扰抵消DFE-EFF比DFE、DFE-EFF均有较大改善.     

一种深度扩展记忆的仿人粒子群算法仿真分析

从仿生学和心理学角度出发,提出一种深度扩展记忆的仿人粒子群算法,以解决标准粒子群及其主流改进算法易陷入局部最优等问题.算法对粒子认知进行群体共享,并采用深度扩展记忆积累粒子认知,通过仿人遗忘函数配置不同时期认知对当前决策的影响权重.仿真分析表明,所提出算法对遗忘函数和遗忘因子高度敏感,算法寻优多维多极值函数时,在收敛精度、成功率和优化成本等方面较标准粒子群及其改进算法有显著提升.     

基于Tent混沌序列改进的蜉蝣算法及其应用

针对蜉蝣算法寻优精度不高、易陷入局部最优等问题,提出了Tent混沌序列改进的蜉蝣算法。首先,利用Tent映射产生混沌序列,作为蜉蝣算法的初始种群,为全局搜索奠定基础;然后,对全局最优个体施加混沌扰动,促使算法跳出局部最优解,继续搜索;最后,对15个基准函数进行仿真实验。结果表明所提算法能够克服蜉蝣算法易陷入局部最优的缺点,提高搜索精度和稳定性。同时,将所提算法应用到图像分割问题上,验证了所提算法应用到实际工程问题中的可行性。