多传感器信息融合的低压电网窃电设备在线监测方法

低压电网窃电设备的在线监测是电网安全工作过程中不可缺少的步骤,但监测过程易受噪声信号、电压强度、磁场干扰等问题的影响,为此提出基于多传感器信息融合的低压电网窃电设备在线监测方法。该方法利用多传感器采集窃电设备的运行信号并将信号融合,再通过局域波分解算法剔除信号中的噪声,避免噪声对监测过程产生影响,其次采用原子分解算法提取信号的特征,最后将信号特征输入到正弦基神经网络模型中,通过对信号的自动分类与监测完成低压电网窃电设备的在线监测。实验结果表明,所提方法的信号监测效果好、响应时间短。

高阶微分器优化设计研究

提出了一种基于BP算法的正弦基函数神经网络模型 ,研究了该数神经网络算法与线性相位微分器幅频特性的关系 ,提出了该神经网络算法的收敛条件 ,给出了高阶微分器的优化设计实例 .计算机仿真结果表明了该神经网络算法不仅是有效的而且是高效的 .与传统的窗口函数法和雷米兹化设计方法相比 ,本优化设计方法不需要计算矩阵的逆 ,因而解决了雷米兹优化设计方法求高阶矩阵逆的困难 .由于微分器是一种特殊的 4型FIR线性相位滤波器 ,只要求出脉冲响应序列 ,就可以用软件方法实现数字微发运算 ,也可以通过CPLD复杂可编程器件或DSP数字信号处理芯片实现硬件数字微分运算 ,因此 。

Ⅲ型FIR滤波器优化设计研究

提出了一种正弦基函数神经网络模型和该模型算法的收敛性判据,给出了3型 FIR 滤波器优化设计实例。计算机仿真结果表明了该网络模型的有效性和快速性。

3型FIR带通滤波器优化设计研究

提出了一种基于BP学习算法的正弦基函数神经网络模型,给出了该网络系统的收敛性条件,研究了3型线性相位FIR带通滤波器优化设计实例.计算机仿真结果表明了该网络模型的有效性.