排序方式: 共有3条查询结果,搜索用时 62 毫秒
1
1.
电能质量数据压缩是电能质量问题检测和识别中的重要步骤,其本质即为探寻电能质量稀疏特征的过程。针对稀疏分解中常用的匹配追踪算法在匹配最佳原子时计算复杂度高、耗时长,不能满足电力信号分析实时性要求的问题,应用收敛精度高、收敛速度快以及全局寻优能力强的闪电搜索算法搜索最佳原子,提出了闪电搜索匹配追踪算法。利用所提算法在构建的电能质量相关原子库中对电能质量信号进行原子分解,提取电能质量特征参数,将提取到的参数作为压缩后的电能质量数据,实现电能质量数据压缩。实验结果表明,所提算法匹配最佳原子的耗时约缩短为原算法的1/98,基于所提算法的电能质量数据压缩方法在匹配最佳原子满足电力信号分析的实时性要求,具有较高的压缩率和较低的重构误差,提高了数据压缩的性能。 相似文献
2.
针对车载(V2V)通信系统无线传播场景的非平稳特性且无线信号三维传播时俯仰角(EAs)与水平角(AAs)非独立的特点,提出一种基于规则几何的新型三维非平稳V2V信道参考模型及其相应的仿真模型。为了刻画信道的非平稳特性,考虑了信号收发车辆以任意方向和速度运动而引起的多时变参数。针对EAs、AAs角度谱服从VMF联合分布的情形推导了模型的部分统计特性,并深入研究了车辆行驶环境、非平稳性以及收发端行驶状态对信道空-时相关函数的影响。仿真结果表明,提出的信道模型可以捕捉车辆行驶方向变化对信道空-时相关性的影响,多普勒功率谱密度理论值与实测值的基本一致、仿真模型与参考模型统计特性的高度拟合验证了理论推导的正确性和模型的实用性。 相似文献
3.
针对传输路径复杂和强噪声干扰条件下滚动轴承故障信号信噪比低、微弱故障特征难以提取的问题,提出一种将参数优化变分模态分解(Variational Mode Decomposition,VMD)与最大相关峭度解卷积(Maximum Correlated Kurtosis Deconvolution, MCKD)相结合的滚动轴承微弱故障特征提取方法。首先,利用经麻雀搜索算法(Sparrow Search Algorithm, SSA)优化的VMD对故障信号进行自适应分解,构建加权峭度指标以筛选有效模态分量;然后对有效模态分量利用经SSA优化后的MCKD进行增强;最后,对增强后的信号进行包络解调分析,提取出轴承故障特征频率。实验和工程实际案例分析表明,所提出的方法能够自适应增强轴承信号中的微弱冲击成分,有效提取出强噪声背景下的滚动轴承微弱故障特征。 相似文献
1