指数阻尼正弦模型阶选择算法

本文针对指数阻尼正弦信号模型提出了一种新的基于子空间和结构总体最小范数的阶选择算法.该方法利用信号子空间移不变性以及阶与信号分量数匹配时总体误差最小原理建立模型阶估计准则.实验表明该方法获得了更高的阶估计精度.算法无需设置阈值和惩罚项,自动完成阶估计过程.它可以应用到高分辨率的谐波恢复算法中.

电力系统低频振荡模式识别的神经网络方法

针对电力系统低频振荡模式识别问题,本文提出了一种用于电力系统低频振荡模式识别的指数阻尼正弦神经网络(EDSNN)方法。在采用快速傅立叶变换进行排序后,通过引入了拓扑结构与低频振荡(LFO)信号的数学表达式完全一致的指数衰减正弦模型,将参数估计转化为优化问题。仿真结果表明,通过对数值信号、模拟电力系统信号和实际测量信号的应用,该方法在抗噪声能力、参数精度和计算速度等方面均优于现有的自适应线性神经元(Adaline)模式识别方法。