面向设备编码扩张的电力物联数据编码规范互通系统设计

传统电力物联数据编码规范互通无法解决设备编码扩张问题,导致编码规范互通检测的效率与准确度均偏低。为此,提出新的电力物联数据编码规范互通系统设计方法。构建电力物联数据编码状态参数融合模型,采用功率增益补偿方法实现数据编码的自适应控制,采用设备编码控制和线性融合识别方法解析参数。采用电热联合系统调节方法设计电力物联数据编码密钥,通过刚性耦合限制性调节,实现编码规范互通控制,采用物理设备参数调节法,实现编码规范性参数辨识和负荷特征分析,提高电力物联数据编码规范互通检测能力。仿真结果表明,采用该方法进行电力物联数据编码规范互通检测的效率和准确度较高,提高了电力物联数据的安全性。

基于深度学习的水平非均匀蒸发波导反演方法研究

水平非均匀蒸发波导是一种异常的大气结构,在海上出现的概率高,对海上低空雷达具有较强的电磁捕获能力.然而,海上低空蒸发波导修正折射率剖面反演过程中由于水平方向剖面参数的非均匀变化,导致在实际的海洋环境中产生较大的反演复杂度和误差.为解决上述问题,首先提出了一维残差扩张因果卷积自编码器(one-dimensional residual dilated causal convolutional autoencoder,1D-RDCAE)网络实现低自由度的非均匀蒸发波导剖面建模,其次提出了多尺度卷积残差网络(multi-scale convolutional attention residual network,MSCA-ResNet)框架来实现水平非均匀蒸发波导剖面反演.为验证建模模型的有效性,在模拟海杂波功率数据集上验证降维模型的有效性,实验结果表明,基于1D-RDCAE比基于主分量分析法、堆栈自动编码器和一维卷积自动编码器降维重构后更接近原始数据,并且在模型训练过程中收敛速度更快.为了验证反演模型的有效性,在模拟的海杂波和实测海杂波数据上进行了测试,结果表明基于仿真海杂波和实测海杂波数据分别可实现蒸发波导高度反演准确率为96.98%和91.25%,优于目前典型的反演方法.本文提出的基于深度学习的水平非均匀蒸发波导反演方法具有模型反演效率高、模型复杂度低、反演误差小的特点,为海上反常传播环境实时高精度认知提供了新技术.

多进制霍夫曼编码方法及最优性证明

信源编码最常用的翟夫曼可变长编码是性能最优的唯一可译即时码。在讨论编码方法时常以二进制为例进行。多进制的霍夫曼编码如何进行,怎样证明得到的编码一定是平均码长最短的唯一可译即时码,是本文讨论和证明的主题。