针对通信中软扩频信号伪码序列盲估计困难的问题,提出一种奇异值分解(singular value decomposition,SVD)和K-means聚类相结合的方法。该方法先对接收信号按照一倍伪码周期进行不重叠分段构造数据矩阵。其次对数据矩阵和相似性矩阵分别...针对通信中软扩频信号伪码序列盲估计困难的问题,提出一种奇异值分解(singular value decomposition,SVD)和K-means聚类相结合的方法。该方法先对接收信号按照一倍伪码周期进行不重叠分段构造数据矩阵。其次对数据矩阵和相似性矩阵分别进行SVD完成对伪码序列集合规模数的估计、数据降噪、粗分类以及初始聚类中心的选取。最后通过K-means算法优化分类结果,得到伪码序列的估计值。该算法在聚类之前事先确定聚类数目,大大减少了迭代次数。同时实验结果表明,该算法在信息码元分组小于5 bit,信噪比大于-10 dB时可以准确估计出软扩频信号的伪码序列,性能较同类算法有所提升。展开更多
为了减少综合能源系统(integrated energy system,IES)运行过程中的碳排放,提出一种基于条件风险价值(conditional value at risk,CVaR)的IES低碳调度模型。首先,利用CVaR理论评估IES中不确定性带来的风险,并引入碳交易机制,将碳交易成...为了减少综合能源系统(integrated energy system,IES)运行过程中的碳排放,提出一种基于条件风险价值(conditional value at risk,CVaR)的IES低碳调度模型。首先,利用CVaR理论评估IES中不确定性带来的风险,并引入碳交易机制,将碳交易成本纳入目标函数,综合考虑各种设备的约束,建立了低碳经济调度模型;其次,采用yalmip+cplex优化软件对模型进行求解,算例验证了此模型的经济性和低碳性;最后,分析了耦合设备和储能设备容量变化对调度结果的影响,可为IES低碳运行提供参考。展开更多
文摘针对通信中软扩频信号伪码序列盲估计困难的问题,提出一种奇异值分解(singular value decomposition,SVD)和K-means聚类相结合的方法。该方法先对接收信号按照一倍伪码周期进行不重叠分段构造数据矩阵。其次对数据矩阵和相似性矩阵分别进行SVD完成对伪码序列集合规模数的估计、数据降噪、粗分类以及初始聚类中心的选取。最后通过K-means算法优化分类结果,得到伪码序列的估计值。该算法在聚类之前事先确定聚类数目,大大减少了迭代次数。同时实验结果表明,该算法在信息码元分组小于5 bit,信噪比大于-10 dB时可以准确估计出软扩频信号的伪码序列,性能较同类算法有所提升。
文摘为了减少综合能源系统(integrated energy system,IES)运行过程中的碳排放,提出一种基于条件风险价值(conditional value at risk,CVaR)的IES低碳调度模型。首先,利用CVaR理论评估IES中不确定性带来的风险,并引入碳交易机制,将碳交易成本纳入目标函数,综合考虑各种设备的约束,建立了低碳经济调度模型;其次,采用yalmip+cplex优化软件对模型进行求解,算例验证了此模型的经济性和低碳性;最后,分析了耦合设备和储能设备容量变化对调度结果的影响,可为IES低碳运行提供参考。