This paper constructs the probability model of Gunther generator at first, and the finite dimension union distribution of the output sequence is presented. The result shows that the output sequence is an independent a...This paper constructs the probability model of Gunther generator at first, and the finite dimension union distribution of the output sequence is presented. The result shows that the output sequence is an independent and uniformly distributed 0,1 random variable sequence. It gives the theoretical foundation about why Gunther generator can avoid the statistic weakness of the output sequence of stop-and-go generator, and analyzes the coincidence between output sequence and input sequences of Gunther generator. The conclusions of this paper would offer theoretical references for designers and analyzers of clock-controlled generators.展开更多
随着可再生能源比例增加,电网新建储能电站成为提升系统频率稳定性的重要手段。针对电网中分布式储能电站(distributedenergystoragestations,DESS)参与一次调频面临的荷电状态均衡问题,提出了一种考虑荷电状态(state of charge,SOC)一...随着可再生能源比例增加,电网新建储能电站成为提升系统频率稳定性的重要手段。针对电网中分布式储能电站(distributedenergystoragestations,DESS)参与一次调频面临的荷电状态均衡问题,提出了一种考虑荷电状态(state of charge,SOC)一致性的DESS协同控制策略。首先,构建了含分布式储能电站的区域电网调频模型,分析了传统调频控制方法的特点,并讨论了储能在高渗透率新能源电网中的调频及一致性控制需求;其次,分析了电网调频需求与DESS的SOC一致性调整需求之间的耦合关系,设计了基于一致性原理的SOC分布式控制策略,进而构建了兼顾两种需求的DESS一次调频协同控制方法,详细分析了关键控制参数的设计原则与取值方法。最后,搭建典型区域电网模型,结合不同频率波动工况进行了仿真验证,结果表明:所提控制策略可以有效改善电网频率质量,在不增加系统调频负担的前提下实现多个储能电站的SOC一致性调节,减小了DESS集群的SOC越限风险,增强了其聚合控制效果。展开更多
自适应调制可以根据信道的变化动态地调整调制方式,从而最大化利用信道传输能力。调制识别是在自适应调制后在接收端判别出调制方式,并且为解调器正确选择解调算法的关键步骤。传统调制识别算法大多适用于加性高斯白噪声信道场景,然而...自适应调制可以根据信道的变化动态地调整调制方式,从而最大化利用信道传输能力。调制识别是在自适应调制后在接收端判别出调制方式,并且为解调器正确选择解调算法的关键步骤。传统调制识别算法大多适用于加性高斯白噪声信道场景,然而在很多通信场景中除了高斯噪声外,还存在具备脉冲特性的非高斯噪声,目前最常用的噪声模型包括米德尔顿A类(Middleton Class A)噪声模型,对称α稳定分布(symmetricαstable,SαS)噪声模型,高斯混合模型,其中最典型的米德尔顿A类噪声模型。过往研究成果在遇到脉冲噪声条件下,通常较难实现有效调制识别,因此本文将米德尔顿A类噪声系统中的调制识别方案作为主要研究方向。考虑到这些脉冲噪声的概率密度函数较为复杂,本文提出了一种依靠卷积神经网络实现调制识别的算法。为了充分提取信号的调制特征,本文采用双层卷积块结构,每个卷积块内部包含卷积层、归一化层、激励层和池化层四部分,经过两次卷积的结果送入全连接层和Softmax层,最终得到调制模式的概率值,进而有效地识别出发送端的调制方式。在实际仿真过程中,随着训练的进行,接收端准确率逐步提升。通过观察BPSK、QPSK、8PSK、16QAM这四种调制方案在不同信噪比下的识别准确率,发现所提出的方案的调制识别准确性始终优于单个卷积块网络,在1 dB左右的SNR的条件下便可以达到接近100%的训练准确率。实验结果表明,此方案的识别准确率优于其他识别方案,且在另外两种典型噪声模型条件下仍具有较高识别准确,充分验证了算法的有效性和实用价值。展开更多
基金Supported by the Open Subject for Computer Network and Information Security Key Laboratory of Ministry of Education of China(20040108)
文摘This paper constructs the probability model of Gunther generator at first, and the finite dimension union distribution of the output sequence is presented. The result shows that the output sequence is an independent and uniformly distributed 0,1 random variable sequence. It gives the theoretical foundation about why Gunther generator can avoid the statistic weakness of the output sequence of stop-and-go generator, and analyzes the coincidence between output sequence and input sequences of Gunther generator. The conclusions of this paper would offer theoretical references for designers and analyzers of clock-controlled generators.
文摘随着可再生能源比例增加,电网新建储能电站成为提升系统频率稳定性的重要手段。针对电网中分布式储能电站(distributedenergystoragestations,DESS)参与一次调频面临的荷电状态均衡问题,提出了一种考虑荷电状态(state of charge,SOC)一致性的DESS协同控制策略。首先,构建了含分布式储能电站的区域电网调频模型,分析了传统调频控制方法的特点,并讨论了储能在高渗透率新能源电网中的调频及一致性控制需求;其次,分析了电网调频需求与DESS的SOC一致性调整需求之间的耦合关系,设计了基于一致性原理的SOC分布式控制策略,进而构建了兼顾两种需求的DESS一次调频协同控制方法,详细分析了关键控制参数的设计原则与取值方法。最后,搭建典型区域电网模型,结合不同频率波动工况进行了仿真验证,结果表明:所提控制策略可以有效改善电网频率质量,在不增加系统调频负担的前提下实现多个储能电站的SOC一致性调节,减小了DESS集群的SOC越限风险,增强了其聚合控制效果。
文摘自适应调制可以根据信道的变化动态地调整调制方式,从而最大化利用信道传输能力。调制识别是在自适应调制后在接收端判别出调制方式,并且为解调器正确选择解调算法的关键步骤。传统调制识别算法大多适用于加性高斯白噪声信道场景,然而在很多通信场景中除了高斯噪声外,还存在具备脉冲特性的非高斯噪声,目前最常用的噪声模型包括米德尔顿A类(Middleton Class A)噪声模型,对称α稳定分布(symmetricαstable,SαS)噪声模型,高斯混合模型,其中最典型的米德尔顿A类噪声模型。过往研究成果在遇到脉冲噪声条件下,通常较难实现有效调制识别,因此本文将米德尔顿A类噪声系统中的调制识别方案作为主要研究方向。考虑到这些脉冲噪声的概率密度函数较为复杂,本文提出了一种依靠卷积神经网络实现调制识别的算法。为了充分提取信号的调制特征,本文采用双层卷积块结构,每个卷积块内部包含卷积层、归一化层、激励层和池化层四部分,经过两次卷积的结果送入全连接层和Softmax层,最终得到调制模式的概率值,进而有效地识别出发送端的调制方式。在实际仿真过程中,随着训练的进行,接收端准确率逐步提升。通过观察BPSK、QPSK、8PSK、16QAM这四种调制方案在不同信噪比下的识别准确率,发现所提出的方案的调制识别准确性始终优于单个卷积块网络,在1 dB左右的SNR的条件下便可以达到接近100%的训练准确率。实验结果表明,此方案的识别准确率优于其他识别方案,且在另外两种典型噪声模型条件下仍具有较高识别准确,充分验证了算法的有效性和实用价值。
