基于状态频率记忆网络的家庭短期电力负荷预测

家庭的短期电力负荷预测在智能电网中发挥着越来越重要的作用,为了进一步提高预测的精度,提出了一种基于状态频率记忆网络的家庭短期电力负荷预测模型。首先采用K均值聚类方法,将具有相同用电模式的家庭归为一类;随后采用小波降噪技术对负荷数据进行降噪处理;最后构建状态频率记忆网络模型进行批量的家庭负荷预测。该模型通过引入离散傅里叶变换将记忆状态分解为多个频率分量,并通过这些频率成分的组合来预测未来的用电量。使用均方误差、均方根误差和平均绝对误差来评估模型,与该领域上性能表现最好的长短期记忆模型相比较,文中的模型在未来一天的负荷预测中,3类误差分别降低了21.6%、11.4%、15.4%,充分验证了模型的有效性。

基于DFT MMSE的OFDM 16QAM调制系统信道估计算法

正交频分复用(OFDM)技术具有较强的抗多径衰落能力与很高的频谱利用率,被广泛应用于无线通信领域。高效精确的信道估计是OFDM系统的关键技术之一,影响系统传输性能。针对16QAM OFDM无线传输系统,提出基于离散傅里叶变化(DFT)的最小均方误差(MMSE)算法,进行Matlab建模与仿真。结果表明,相对传统信道估计方法,拟合信道频率响应曲线更接近于真实信道;较传统最小平方(LS)算法,系统接收端误码率有很大改善,在恶劣噪声信道中,误码率降低一个数量级,有效提高了无线OFDM系统的传输性能。

连续时间信号频谱分析研究及MATLAB实现

信号的频谱分析是信号与系统分析的基础。文章分析了用数值计算的方法实现确知连续时间信号的频谱分析,即采用离散傅里叶变换的快速算法实现对连续信号的频谱估计,然后在MATLAB语言工具下结合正弦信号给出了频谱分析的结果。

连续时间信号频谱分析研究及MATLAB实现

信号的频谱分析是信号与系统分析的基础,本文分析了用数值计算的方法实现确知连续时间信号的频谱分析,即采用离散傅里叶变换的快速算法实现对连续信号的频谱估计,然后在MATLAB语言工具下结合正弦信号给出了频谱分析的结果。

超声导波检测公路护栏立柱信号处理研究

由于超声导波多模态、易频散的特性,导致其在检测高速公路护栏立柱时会产生复杂的回波信号,现有方法很难从中提取出有效的特征信号。为了解决该问题,首先提出了一种改进的子空间匹配追踪算法(ISMP)。它是将回波信号的先验信息在过完备Chirp原子库上逐次迭代,得到强相关原子集,然后对其再次进行迭代得到待匹配信号的最佳时频原子,从而实现对护栏立柱回波信号的特征提取。利用中心频率为128k Hz和64k Hz的检测信号进行实验验证,结果表明,ISMP可以有效提取出超声导波回波信号的特征原子,立柱检测长度与实际长度误差小于1%,满足工程检测要求。此外,还提出了一种基于离散傅里叶变换的相位检波算法,通过设置相位检测误差减少噪声带来的干扰。实验表明,在128k Hz和64k Hz检测信号下,可以得到设定相位的有用回波信息,满足工程检测要求。