基于小波和扩展Prony算法的电压闪变检测新方法

实际信号中通常叠加有随机噪声,针对Prony算法对噪声较为敏感的不足,将小波变换和扩展Prony分析相结合应用于电压闪变检测分析。采用一种基于新阈值函数的小波去噪法对含噪闪变信号进行去噪预处理,并通过扩展Prony分析提取去噪后信号的特征信息。仿真实验结果表明,该方法有助于提高扩展Prony算法对电压闪变信号检测的精确性,并验证了其准确性和有效性。

扩展Prony算法在电力系统非整次谐波检测中的应用研究

准确有效地检测出电力系统中各次谐波及间谐波,对于提高电能质量是至关重要的。传统的快速傅里叶变换由于频谱泄漏等原因,无法准确检测出系统中的非整次谐波。为解决这一问题,文章提出应用扩展Prony算法检测系统的非整次谐波。首先利用小波去除噪声,很好的克服Prony算法对噪声敏感这一弱点;然后通过线性预测得到模型的特征矩阵,运用奇异值分解法求解特征矩阵得到模型的特征多项式;最后运用最小二乘法求出特征多项式的根,得到非整次谐波各参数。针对信号频带宽窄可能影响算法精度这一问题,文章对不同带宽信号进行扩展Prony分析,验证算法精度。实验分析说明了该算法的可行性和有效性。

基于扩展Prony算法的海杂波循环对消法

在分析海杂波产生机理的基础上,提出了一种基于扩展Prony算法的海杂波循环对消法,在传统的海杂波循环对消法中用扩展Prony方法对频率进行估计,从而提高对正弦信号的频率、幅度、相位的估算精度。在相同数据点数、信噪比的条件下,运用2种对消法对短相干积累条件下的海面背景舰船目标检测情况进行仿真分析。仿真实验验证了基于扩展Prony算法的海杂波循环对消法检测舰船目标的有效性,提高了短相干积累条件下的海面背景下的舰船目标检测性能。

基于扩展Prony算法的平坦快衰落信道预测算法

针对最大熵方法（MEM）存在的迭代计算量大和误差扩散的问题,以及ESPRIT算法存在的平坦快衰落信道预测精度受制于自相关函数估计的问题,文中提出基于扩展Prony算法的平坦快衰落信道预测算法.扩展Prony算法通过最小二乘法拟合和计算高次代数方程来求复根,无需估计自相关函数且可批量计算,能够提高预测精度和运算效率.理论和仿真结果表明,扩展Prony算法较MEM和ESPRIT算法具有更高的预测精度,同预测精度下具有3~5d B的信噪比优势,且算法性能稳定,运算效率高.

基于Duffing系统和扩展Prony算法的异步电动机转子断条故障检测

针对异步电动机经常发生的转子断条故障,提出一种Duffing系统与扩展Prony算法相结合的检测方法。利用Duffing系统对初始参数的敏感性准确提取定子电流信号中的故障特征分量,但Duffing系统无法对故障特征分量幅值进行有效估计。为解决该问题,提出利用扩展Prony算法确定各故障特征分量的幅值和初相角。仿真和实验结果表明所提方法切实可行,且算法简单、结果直观。

基于扩展Prony算法的电力系统非整次谐波分析

传统的谐波检测方法快速傅立叶变换存在栅栏和频谱泄漏现象,因而对电力系统的非整数次谐波不能够实现精确的检测,提出采用扩展Prony算法检测电力系统的谐波,该算法能一次性精确地检测到整数和非整数次谐波的相位、振幅、频率,为电力系统非整数次谐波检测提供了一条新的途径,数值仿真验证了本算法的有效性。

基于ESPRIT和扩展Prony算法的异步电机转子断条故障检测方法

将高频率分辨力谱估计技术ESPRIT与扩展Prony算法相结合而提出一种异步电动机转子断条故障检测方法。利用ESPRIT,可以精确提取定子电流信号中转子断条故障特征分量及其他分量的频率,但无法对其幅值和初相位进行有效估计。为解决此问题,尝试应用扩展Prony算法确定各频率分量的幅值和初相位。仿真及试验结果表明,将ESPRIT和扩展Prony算法应用在异步电动机转子断条故障检测是有效的,且因算法简单、运行耗时短亦可用于在线检测。

面向学位/学历证书可信管理的可扩展类PBFT算法

现有的学位/学历证书可信管理存在节点扩展的优化策略不足、未考虑节点差异性和吞吐量低等问题,“区块链+教育”为学位/学历证书的可信管理提供了一种解决方案。针对上述问题,提出一种面向学位/学历证书可信管理的可扩展类PBFT算法z-PBFT。该算法采用基于区域分组的分层设计,算法模型分为主区域和副区域节点簇,副区域内部采用局部共识机制;通过基于TOPSIS建模和熵值赋权法的加权随机选取分派策略评估节点性能,并选取共识委员节点集。实验结果表明,在大规模节点应用场景下,该算法在确保安全性的同时,具有更高的吞吐量和可扩展性。

扩展Prony算法在电力系统谐波检测中的应用

大量非线性元件的应用给电力系统带来了大量的整数和非整数次谐波,传统的谐波检测方法快速傅立叶变换由于存在栅栏和频谱泄漏现象,因而对非整数次谐波不能够实现精确的检测。本文提出利用数字信号处理方法—扩展Prony算法来对电力系统谐波检测,该算法能一次性精确地检测到谐波的相位、振幅、频率,为电力系统非整数次谐波检测提供了一个新的思路。数值仿真验证了本算法的有效性。

基于扩展Prony算法的煤矿电网单相接地故障选线方法

煤矿中性点不接地电网发生单相接地故障后,其故障线路与非故障线路零序电流的幅值与相位存在显著差异,据此能可靠选出故障线路。传统上采用傅氏算法提取故障信号的工频分量,但该算法建立在故障信号为周期性不衰减的基础上,与实际的信号特征差距较大,影响选线的准确性。基于此,考虑利用扩展Prony算法提取各线路零序电流的工频幅值与相位,然后比较其值选出故障线路。MATLAB仿真分析表明,此种选线方法正确率高,适应性强。

深度学习对截断类密钥扩展算法的强度测试

密钥扩展算法的强度是影响分组密码算法安全性的重要因素之一。在实际应用中,通过子密钥还原主密钥,对算法可靠性也构成了一定威胁,但是却没有足够的研究专门对其进行安全强度分析。关注轻量级分组密码一类带有截断运算的密钥扩展算法,并根据算法将初始密钥比特分为截断位和非截断位。使用深度学习技术,通过根据最后一轮子密钥还原初始密钥的方式探索这类密钥扩展算法的强度。训练全连接网络对非截断位恢复准确率均高于截断位;训练卷积网络还原初始密钥绝大部分比特的准确率大于0.7,根据训练效果进一步辅助分析轻量级分组密码PRESENT、GIFT和MIBS的截断类密钥扩展算法的安全性强度。

扩展卡尔曼滤波的改进蛇定位算法在WSN中的应用

针对接收信号强度指示(Received Signal Strength Index,RSSI)定位易受到环境因素的影响,提出了一种基于RSSI扩展卡尔曼滤波的改进蛇定位算法(RSSI Extended Kalman Filter-based Improved Snake Optimization Localization Algorithm,RSSI-EISL)。该算法利用扩展卡尔曼滤波(Extended Kalman Filter,EKF)模型对RSSI信号值进行平滑处理,使其能够抑制噪声和异常值对估计结果的影响,从而提高测距的准确性和鲁棒性。通过引入Levy飞行和非线性收敛因子的改进蛇优化算法(Improved Snake Optimization Algorithm,ISO),提升了蛇优化算法(Snake Optimization Algorithm,SO)的寻优能力,使之能够更加准确地计算出待测节点的坐标。根据仿真结果显示,相较于基于RSSI最小二乘定位算法(RSSI Ordinary Least Squares Localization Algorithm,ROL)、基于RSSI EKF的灰狼定位算法(RSSI Extended Kalman Filter-based Grey Wolf Optimization Algorithm,REGL)和基于RSSI EKF的蛇定位算法(RSSI EKF-based Snake Optimization Localization Algorithm,RESL),RSSI-EISL的定位精度分别提高了26.4%、8.75%和5.6%,算法的收敛速度和全局搜索能力也有所提升。

基于扩展卡尔曼滤波算法的梯度VAD技术

梯度VAD技术是为克服传统VAD技术受速度模糊较大影响而被提出,但在使用梯度VAD技术过程中,由于方位径向速度中的误差或者噪声会在径向速度方位梯度中放大,因而通常使用低通滤波对径向速度方位梯度进行平滑,但它仍然对水平风场反演的准确性产生了严重影响。鉴于此,提出使用扩展卡尔曼滤波算法(EKF)对方位径向速度梯度进行处理,结果显示扩展卡尔曼滤波算法可以有效降低方位径向速度中的小波动和噪声在方位径向速度梯度中产生的影响,从而实现对风场反演水平精度的提升。对厦门SA波段多普勒雷达数据进行速度未退模糊和速度退模糊两次预处理,再分别经由低通滤波和EKF对比,结果表明,EKF算法比低通滤波算法下的方差在速度退模糊和不退模糊的数据处理过程中分别缩小了40%左右和50%左右,由此说明EKF处理后的径向速度梯度更稳定,从而提升了梯度VAD技术的反演精度。

基于可调Q小波变换去噪和扩展Prony算法的谐波与间谐波检测

利用扩展Prony算法对电力系统谐波、间谐波进行检测时,由于实际信号中夹杂着随机噪声和脉冲噪声,而扩展Prony算法对噪声比较敏感,因此提出了一种基于可调Q小波变换去噪和扩展Prony算法的谐波与间谐波检测方法。该方法先利用可调Q小波变换对信号进行去噪预处理,再利用扩展Prony算法对去噪后的信号进行分析。仿真结果表明该方法有利于提高扩展Prony算法对谐波和简谐波的检测精度。

扩展PRONY算法在输电线路故障定位中的应用

电力系统输电线路发生短路故障后,继电保护装置会迅速动作,这时故障定位系统仅采集到故障后短暂的波形数据.通常情况下,系统采集到的故障波形含有暂态分量,这会影响到基于相量故障定位算法的精度.针对此种情况,本文提出使用扩展Prony算法从故障后暂态数据中提取出基波电压和电流分量,然后使用双端非同步测量定位算法进行故障定位,获得了较为精确的结果.通过PSCAD和MATLAB进行仿真,并将结果与采用在电力系统中应用广泛的全波傅氏算法提取故障后基波分量得到的定位结果进行比较,仿真结果表明本文所提算法能让定位误差减小至0.5%以下.

基于RISC-V指令扩展方式的国密算法SM2、SM3和SM4的高效实现

基于指令扩展的密码算法实现是兼顾性能和面积的轻量级实现方式,特别适用于日益普及的物联网设备.SM2、SM3和SM4等国密算法有利于提高自主可控设备的安全性,但针对这些算法进行指令扩展的相关研究还不够充分.RISC-V由于其开源、简洁及可扩展等优点已成为业界最流行的指令集架构之一,本文主要基于国产开源RISC-V处理器对国密算法SM2、SM3和SM4进行指令扩展和高效实现.本文基于软硬件协同的理念提出总体指令的扩展方案.对相关密码算法进行深入分析和方案对比,分别设计了硬件单元,提出高效的实现方式.设计实现的协处理器具有2级流水线结构,顺序派遣、乱序执行和顺序写回的指令执行模式,以及独立内存访问单元和大位宽寄存器.协处理器统一接管了密码算法的部分控制逻辑,降低硬件资源消耗.实验结果表明,本文设计的密码协处理器硬件结构精简,资源利用率高.SM2、SM3和SM4算法占用资源少,但执行速率相比纯硬件有一定程度下降,资源面积和花费时间的乘积与其他相关文献相比有不同程度的优势.

麻雀搜索算法-粒子群算法与快速扩展随机树算法协同优化的智能车辆路径规划

针对智能汽车在面对多样化工作场景时其路径规划算法存在响应时间长、规划效率低的问题,提出了多元协同优化策略。首先,融合麻雀搜索算法(SSA)的警惕机制与粒子群算法(PSO)的种群寻优特性,对PSO算法中的惯性权重因子和学习因子进行优化;其次,提出“三角布线”搜索规则,对快速扩展随机树算法(RRT)进行双向优化(RRT-Connect);然后,基于MATLAB软件建立了复杂环境道路仿真模型,对上述优化方案进行了仿真验证。结果表明,相较于单一的优化方案,协同优化算法在路径长度与规划时间上均具有显著的优势。对两种协同优化方案的应用场景进行了实车试验,结果显示:在局部路径规划中,SSA-PSO算法响应时间更短,规划效率更高,而在全局路径规划中,“三角布线”RRT-Connect算法更具优势。

基于动态扩展邻域蚁群算法的移动机器人路径规划

针对蚁群算法易陷入局部最优、路径转折点多、收敛速度慢的问题,提出一种基于动态扩展邻域蚁群算法(Dynamic extended neighbourhoods ant colony optimization,DENACO)。在蚂蚁搜索方式上采用动态扩展邻域方法,并定义新的信息素计算方式和增量规则,在取得更优收敛路径长度的同时,减少路径转折点数量及路径节点数量;引入自适应调整因子改进启发函数,提高算法的全局搜索能力,并设定迭代阈值,提升算法的收敛速度;提出一种路径节点双优化策略,对规划好的路径进一步优化,提高路径综合质量。不同复杂度及不同规模栅格地图中的仿真实验表明,DENACO算法所规划的路径更优,路径转折点数量减少,收敛速度加快,路径节点数量明显减少,表明算法具有更高的可行性和适用性。

基于预测误差扩展的加密域点云模型可逆信息隐藏算法

在现代云计算环境中,对于医疗诊断和三维地质模型等应用场景,保证数据安全的同时实现数据的无损恢复尤为重要。针对这一挑战,提出了基于预测误差扩展的加密域点云模型可逆信息隐藏算法。利用新颖的混沌系统对点云模型进行加密,以确保模型内容在上传到云端存储时的安全性;通过贪心算法对模型顶点进行有效分类,并计算每个顶点的预测误差;利用预测误差模长的扩展技术,使秘密信息安全地嵌入到点云模型中;在接收端,通过对比预测误差模长实现秘密信息的准确提取,并无损恢复原始点云模型。实验验证显示,相比现有技术,提出的算法在嵌入性能上有着显著提升,平均嵌入率较对比算法分别提高了0.284和0.298 bit/vertex,明显优化了信息嵌入的效率和安全性;保证了点云模型的无损恢复能力,实现了对算法可逆性的要求;在确保模型内容安全的同时,有效提高了秘密信息的嵌入性能和提取精度。该算法对于医疗诊断、地质探索等需要高度数据安全和完整性恢复的应用场景,提供了新的解决方案。

基于毫米波雷达的运动目标点云聚类和扩展算法

用毫米波雷达对运动目标进行姿态识别时,雷达点云数据具有噪点多、分布离散的特征,传统基于密度空间的聚类算法对点云聚类成像的过程中,会出现邻近目标之间的点云分类错误及同一目标点簇聚类为多个点簇等问题。针对上述情况,提出一种运动多目标邻近点云优化聚类算法,利用自适应距离加权的模糊c均值算法对聚类结果进行修正,提高近邻目标点云聚类准确度。同时提出一种目标点簇扩展聚合算法,利用卡尔曼滤波对运动目标位置预测,将多帧迭代三维点云尺寸作为波门对目标点云进行点簇扩展,提高目标点云完整性。试验结果表明,所提方法能有效提高聚类准确度。