J-K旋转坐标轴定向的矢量控制策略

考虑到传统矢量控制在空载或轻载时励磁电流损耗较大会导致运行效率降低,研究了一种基于j-k坐标轴的新型矢量控制方法。j-k坐标轴的定向角度超前传统的d-q坐标轴45°。在空载或轻载运行时,控制j轴一个方向的电流大小即可达到控制磁链和转矩的目的。励磁电流不再一直维持在额定值,而是随输出转矩的变化而变化。实验结果表明,可以减小励磁电流损耗,具有控制简单,动态性能良好的优点。     

基于CVMD和DBO-SVM的光纤周界安防信号识别方法

为降低光纤周界安防信号中噪声对分类结果的影响,提升信号分类的准确率和运行效率,提出一种融合了相关变分模态分解(Correlation Variational Mode Decomposition, CVMD)、蜣螂算法(Dung Beetle Optimizer, DBO)和支持向量机(Support Vector Machine, SVM)的分类方法。利用CVMD去除原始信号中的噪声分量,并提取去噪后信号的能量、能量熵和峭度作为特征向量。采用DBO算法优化SVM,得到最佳惩罚因子和核函数参数,并构建DBO-SVM分类模型。搭建了基于相位敏感光时域反射(Φ-OTDR)技术的周界安防系统,采集了攀爬、敲击、踩踏和无入侵四类信号。实验结果表明,CVMD-DBO-SVM的分类准确率相比CVMD-PSO-SVM和CVMD-GA-SVM更高,达到了98.75%,同时运行时间更短,综合性能最优。     

基于矢量量化的数字视频压缩技术研究

数字视频作为一种重要的信息载体,其应用十分广泛。但是到目前为止,这种大数据量信号的存储和传输仍然受到硬件技术和网络技术发展现状的制约,解决这一问题最现实的方法是设计数字视频压缩算法。矢量量化作为一种十分有效的有损压缩编码技术,具有解码简单、压缩比大等特点,特别适用于电视广播等领域中一次编码多次解码的情况。对各种基于矢量量化器的视频压缩算法进行综述,分析其优缺点,并提出其未来发展研究方向。     

基于多分辨率SVM回归估计的短期负荷预测

针对短期负荷预测支持向量机（SVM）方法的局部逼近能力和泛化能力进行研究，将多分辨率支持向量机（M-SVM）用于短期负荷预测中节点负荷预测曲线的回归估计。该理论在保持曲线总体逼近能力的同时提高了局部区域的逼近能力。文中根据短期负荷预测的具体特点，设计了负荷预测数学模型，采用96条回归曲线进行日负荷的曲线预测，并在该模型的基础上采用实际数据进行验证，分析了这种回归模型的泛化能力。实验结果表明M-SVM模型在预测精度和预测速度方面具有优良的特性。     

用单端矢量网络分析仪测试手机RF电路的差分散射参数

本文以声表的测试为例,说明了采用单端矢量网络分析仪测试手机射频(RF)电路的差分散射参数的原理及方法,其中包含物理三端口的散射参数和模式三端口网络散射参数。     

基于支持向量机的心律失常诊断研究

运用计算机技术辅助激光治疗心律失常疾病,通过非线性动力学分析心电信号,采用模式识别工具实现心律失常疾病的初步诊断。首先提出一种基于经验模式分解（EMD）的时间尺度滤波法,从而有效的抑制心电信号噪声。然后提取预处理后数据的排列熵（Permutatior Entropy,PE）特征值。最后利用支持向量机（SVM）分类器验证特征值的分类。实验结果表明该算法能有效的实现正常和异常心电信号的自动分类,从而简便快速的初步诊断心律失常疾病。     

混合梯度稀疏先验约束下的图像盲复原

图像盲复原旨在无参考的情况下准确估计模糊核并恢复潜在的清晰图像。现有研究成果表明,利用全变分模型对高阶图像梯度先验约束进行描述可以有效抑制复原图像中产生的阶梯效应。本文在实验观察和研究的基础上,提出了采用稀疏先验约束模型对盲复原过程进行正则化的方法,以获得更佳的图像复原效果。该方法利用图像高阶梯度的稀疏性,通过与低阶梯度相结合来构造混合梯度正则项。同时,在正则项中引入基于图像熵的自适应因子,来调节迭代优化过程中两类梯度先验的比例,以此获得更好的收敛性。仿真与实验证明,与现有图像盲复原先进方法相比,本文方法具有更优越的图像复原性能。