广义平衡抽样及其模型辅助估计方法研究

当传统平衡抽样条件满足时,传统平衡抽样方法能够抽出代表性较强的样本,对应的Horvitz-Thompson估计量的估计效果也较好。但在实际抽样中,超总体模型为线性回归模型以及平衡变量的总体单元信息完全已知,这两个基本条件常常无法满足。因此,本文扩展了抽样设计阶段的传统平衡抽样条件,提出广义平衡抽样方法;改进了抽样估计阶段的传统平衡Horvitz-Thompson估计量,提出广义平衡回归估计量。该方法对超总体模型是否为线性模型以及平衡变量的总体单元信息是否已知没有限制,扩大了平衡抽样的适用范围。相比于传统平衡抽样,广义平衡抽样提高了平衡样本在总体中的代表性。同时,相比于传统估计量,广义平衡回归估计量的估计精度更高,方差更稳定,并且估计量具有渐近设计无偏性和一致性。数值模拟和实证分析结果均表明,当平衡变量与目标变量之间紧密相关时,广义平衡抽样及广义平衡回归估计量具有优越性。

基于改进Att-LSTNet与无迹粒子滤波融合的主动配电网预测辅助状态估计

针对传统的无迹粒子滤波(unscented particle filter,UPF)存在不准确的新息向量及未知的量测噪声协方差矩阵导致估计精度低的问题,提出一种改进Att-LSTNet与UPF融合的主动配电网预测辅助状态估计(forecasting-aided state estimation,FASE)方法。首先,采用引力搜索算法(gravitational search algorithm,GSA)对支持向量回归(support vector regression,SVR)的关键参数进行优化处理,利用历史数据建立GSA-SVR模型,并将其引入至Att-LSTNet模型的输出层,构建一种增强预测模型。然后,利用UPF中的新息向量来训练该模型,并结合孤立森林算法和箱线图法对原始新息向量进行监控和修正。最后,针对量测噪声协方差矩阵未知的情况,结合修正后的新息向量和UPF计算出未知量测噪声协方差矩阵,并进行状态估计。基于IEEE33与IEEE118节点标准配电系统的算例结果表明,所提出的方法在估计精度、泛化能力和鲁棒性等方面具有优越性。

考虑小样本不平衡的主动配电网预测辅助鲁棒状态估计

为了解决主动配电网状态估计中数据集的小样本不平衡问题,提出了基于改进少数过采样技术(synthetic minorityoversamplingtechnique,SMOTE)的Prophet和粒子滤波(particlefilter,PF)的主动配电网预测辅助鲁棒状态估计方法(robust forecasting-aided state estimation, FASE),对主动配电网进行状态估计。首先,针对主动配电网小样本不平衡问题,基于主动配电网的数据特征构建哈希函数,提出利用哈希函数对Borderline-SMOTE+Tomek-Links算法进行优化的方法,处理主动配电网数据集。然后,针对主动配电网海量数据量、分布式能源的出力随机变化等特点,将Prophet预测模型用于主动配电网状态估计,提出了一种基于Prophet-PF的鲁棒FASE方法,达到快速、准确地估计主动配电网状态的目的。最后以IEEE 118节点标准配电网和DTU 7k 47实际配电系统为测试系统进行仿真,结果表明所提方法具有较高的精度和鲁棒性,为主动配电网状态估计提供相应参考。

基于平方根UPF的电力系统鲁棒预测状态估计

针对辅助预测状态估计器在迭代计算中会出现状态预测误差协方差矩阵不正定,导致估计精度差甚至发散的问题,提出了基于平方根UPF的电力系统鲁棒辅助预测状态估计。该方法采用两种数学方法:矩阵Cholesky分解因子更新和矩阵QR分解,引入平方根技术动态更新状态预测误差协方差矩阵以保持状态预测误差协方差矩阵的正定性。运用MATLAB进行仿真模拟测试,结果表明:IEEE 30节点系统非高斯噪声测试中,平方根UPF电压相角的均方根误差平均值为UPF相应测试值的0.09%,平方根UPF电压幅值的均方根误差平均值为UPF相应测试值的0.14%;IEEE 57节点系统非高斯噪声测试中,平方根UPF电压相角的均方根误差平均值为UPF相应测试值的0.67%,平方根UPF电压幅值的均方根误差平均值为UPF相应测试值的0.57%。所提出的平方根UPF对解决辅助预测状态估计中状态预测误差协方差矩阵不正定的问题具有很好的效果,具有更高估计精度和鲁棒性。

基于支持向量机的电力系统状态估计多类型数据异常检测

为了解决异常数据严重影响电力系统状态估计性能的问题,提出了一种基于支持向量机(SVM)的电力系统预测辅助状态估计(FASE)多类型数据异常检测方法。首先,针对传统FASE的预测准确率欠佳的问题,提出了基于极限学习机的FASE方法,并利用SVM并基于预测数据、量测数据与估计值,实现了对坏数据、负荷突变和单相接地等多种类型的数据异常检测。其次,针对惩罚因子和核函数参数会影响分类精度的问题,提出采用灰狼算法对SVM参数进行优化,在兼顾计算速度的同时提高了数据异常检测的准确率。最后,在IEEE 33和丹麦DTU 7K 47节点主动配电网系统上进行仿真测试,所提方法在正常工况下提升26.08%与26.76%,计算速度提升46.05%,在数据异常情况下准确率综合提升32.04%与29.27%,结果表明,所提方法具备较强的通用性与实时性,可以有效地检测电力系统中各种类型的数据异常,并提高状态估计的性能。

信噪比辅助的OFDM系统剩余载波频偏估计算法

提出了一种适合无线衰落信道的剩余载波频偏估计新算法.该算法利用估计出的各个子信道信噪比,选择出高质量子信道,再利用这些高质量子信道上的判决数据,联合导频子载波上的数据共同估计剩余载波频率偏移.新算法具备导频辅助估计(PTA)算法和判决数据导向(DD)算法的优点.仿真结果表明,当平均信噪比大于10dB时,新算法的估计精度比PTA算法提高了至少3倍,比DD算法提高了至少20倍.

MIMO-OFDM系统中基于导频辅助的信道估计

该文对MIMO-OFDM系统中基于导频辅助的LMMSE信道估计算法进行了研究,导出了其估计均方差的下界。为降低算法复杂度,首先利用奇异值分解给出一种低阶近似的信道估计器结构;其次提出了一种基于最优导频设计的简化算法。该简化算法不仅降低了算法复杂度,且能有效地获得最优估计性能。最后文中给出了估计信道特性的方法。

基于频偏估计算法研究

载波频率偏移是光通信系统中一种常见的损伤,常用数据辅助估计算法和非数据辅助估计算法进行频偏估计并补偿。两类算法可以均在时域或者频域进行估计。基于M次幂周期图盲估计是一种较为成熟的应用算法,经过改进可以应用在高阶调制格式。为降低频偏估计的计算量可以使用多级频偏估计算法,可以在不损失估计精度的前提下大大降低频偏估计的实现复杂度。通过仿真与实验,验证了多种频偏估计算法的正确性和有效性以及多级频偏估计的实用性。

基于地理加权回归的GREG模型辅助信息抽样估计研究

在抽样工作中,利用辅助信息进行模型抽样估计有利于提高估计精度。由于我国各地区发展不平衡,地区统计数据在空间上存在差异,传统的广义回归(GREG)估计方法将所有地区一视同仁,忽略了空间上的差异性,抽样估计存在较大误差。本文在传统的GREG估计方法基础上,创新性地提出一种新型的辅助信息抽样估计模型——地理加权回归(GWR)的GREG模型。该模型不仅考虑到空间的异质性和相关性,而且由于GWR对不同地区允许具有不同的截距项,除解释变量之外的其他影响因素都会反映到截距项中,因此只需要利用更少的辅助信息就可以估计出模型。本文在理论推导的基础上,通过实证和数值模拟方法,采用平均绝对误差(MAE)和标准误差(RMSE)对比评估了π估计量、全局线性回归模型、GWR模型和基于GWR的GREG模型对总体总值的预测结果,研究结果显示,基于GWR的GREG模型估计误差最小,估计效果最好。

一种鲁棒预测辅助电力系统状态估计算法

状态实时监测与控制对于电网安全经济运行具有重要意义。提出一种鲁棒预测辅助电力系统状态估计算法,即广义最大似然-扩展卡尔曼滤波法(GM-EKF)。该算法以预测辅助状态估计为基础,由线性回归模型构建、异常值辨识、鲁棒预白化和鲁棒滤波等过程构成。在高斯噪声分布时,GM-EKF可以有效降低异常值对估计性能的不良影响。仿真实验在多种不同测试系统中进行,且每个测试都包括正常运行、多不良数据和负荷突变3种情况,实验结果验证了GM-EKF的可行性和鲁棒性。

联合长短期记忆神经网络和粒子滤波的配电网预测辅助鲁棒状态估计方法

针对配电系统状态估计(distribution network state estimation,DNSE)中量测数据存在非高斯噪声、异常以及缺失的关键问题,提出了一种联合长短期记忆神经网络(long short term memory,LSTM)和粒子滤波(particle filter,PF)的配电网预测辅助鲁棒状态估计方法(robust forecasting-aided state estimation,FASE),以实现对配电网运行状态的实时动态估计。基于配电系统的历史运行数据建立了深层LSTM预测模型,采用改进的PF构建量测和状态之间的非线性模型。针对量测缺失或异常问题,采用孤立森林异常检测技术准确识别量测信息中的异常数据。基于此,结合深层LSTM预测值经潮流计算(powerflowcalculation,PFC)得到的伪量测可实现对缺失和异常数据的替换。此外,提出的联合长短期记忆神经网络和粒子滤波的电力系统预测辅助状态估计方法(longshortterm memory-particlefilter,LSTM-PF)可以实现对拓扑结构改变后的节点状态的预测和估计。对IEEE33节点标准配电网和某市10 kV 78节点实际配电网测试系统进行了数值仿真,仿真结果表明LSTM-PF算法具有较高的精度和鲁棒性,可为配电网状态估计提供参考。

超声次谐波辅助压力估测技术的影响因素

目的探讨超声次谐波辅助压力估测(subharmonic-aided pressure estimation,SHAPE)技术的影响因素。方法在水槽内构建一个动态流量的体外模拟实验。通过SHAPE技术采集不同机械指数(mechanical index,MI)、超声造影剂浓度及流速下的次谐波幅度值共3600个,绘制总拟合曲线,量化与压力相关的次谐波幅度快速增长阶段的MI范围及次谐波幅度范围、最佳超声造影剂浓度及流速,明确SHAPE技术应用中的影响因素。结果①与压力相关的次谐波快速增长阶段:MI范围为0.04~0.38,次谐波幅度范围-61.94~-12.82 dB;②快速增长阶段,不同浓度及流速下,次谐波幅度差异有统计学意义(P<0.05);在其他参数一定的情况下,不同浓度、流速和MI下的次谐波幅值最大差异分别为-10.0 dB、-12.84 dB和35.96 dB;③造影剂浓度为3.2μL/100 mL,流速为8μL/min时,次谐波幅度与MI的相关系数最高(r=0.973);④增加相同的MI,不同浓度及流速间次谐波幅度变化的相对值进行比较,均无统计学意义(P>0.05),其中MI相差0.04,次谐波幅度相对值均值约(3.18±1.55)dB,95%可信区间:2.80~3.56 dB;⑤MI的增加导致次谐波幅增加值从9 dB逐渐减小到0.31 dB。结论与声压相关的MI范围及次谐波幅度范围,超声造影剂浓度及流速对SHAPE技术有影响,明确及量化这些影响因素,提高了SHAPE测压的准确性和有效性。

STTC-OFDM系统中的导频辅助半盲信道估计

在快衰落信道情况下,基于判决指导信道估计(DDCE)法不能够很好的跟踪信道参数的变化,使得系统性能产生很大的恶化。在这篇论文中,为了防止在快衰落信道中由于信道估计误差带来STTC-OFDM系统性能恶化,我们在每帧除训练符号外的OFDM符号引入导频辅助半盲(APSB)信道估计技术。同时,为了简化系统,我们仅在每帧最后一个符号使用APSB信道估计技术。在本文的最后我们给出了一些结论。

非概率样本模型辅助校准估计方法

大数据时代,如何高效地从高维数据中挖掘有效信息并进行统计推断逐渐成为人们关注的热点问题。文章基于高维数据研究如何充分利用已知辅助信息对非概率样本进行校准,主要包括两个方面的内容:一是在总体规模已知的情况下,对非概率样本进行模型辅助SCAD校准和模型辅助ALASSO校准,依次求出校准权重并对总体均值进行统计推断。二是在总体规模未知的情况下,对非概率样本进行估计控制模型辅助SCAD校准和估计控制模型辅助ALASSO校准,依次求出校准权重并对总体均值进行统计推断。

移动通信中的信道估计技术

信道估计是移动通信系统需要解决的最核心的问题之一,信道估计的精度直接影响到移动通信系统的性能和容量。介绍了目前常用的几种基于导频序列的信道估计技术,分析了不同估计方式的优缺点;同时介绍了几种在时分复用导频辅助估计中能够减小多普勒频移对信道估计影响的插值技术,并对他们进行了比较分析。

OFDM系统的迭代联合信道估计与符号检测算法

提出了通过降低导频功率来提高OFDM传输效率,同时采用迭代的联合信道估计和符号检测算法来保证较好误码性能的接收方案。理论分析与仿真结果表明,当数据信息与导频信息的功率比不高于10dB时,本文提出的算法能够有效地降低系统误码率,同时该方法还具有算法简单,收敛速度快的特点。

MPSK信号载波频率盲估计

该文针对调制自动识别中,MPSK信号调制相制和训练序列未知的情况,提出了一种利用定时同步信号的差分相位有效识别MPSK信号相制M,并精确估计其载波频偏的方法。该算法不仅克服了调制制式不明对频偏估计的不利影响,还通过引入线性相位展开和高阶时延相关,大大提高了大频偏、低信噪比下估计的性能,对调制自动识别中MPSK信号的澄清和参数估计起到关键作用。

一种改进的LMMSE信道估计算法

LS算法简单,容易受到噪声的干扰,但是它不需要预先知道信道的统计信息。通过对信道的时域特性进行研究,在基于LS算法的基础上提出了一种改进的LMMSE信道估计算法,与传统的LMMSE信道估计算法相比,改进的LMMSE算法不需要预先知道信道的统计信息,其性能要优于LS算法;并针对MSE和BER的性能进行了仿真,理论分析和仿真结果也表明:改进的LMMSE算法性能优于LS算法,而且比较接近传统的LMMSE算法。

一种快速的LMMSE多径信道估计算法

提出一种基于时域信道的快速LMMSE信道估计算法,该算法对时域信道能量和信噪比进行信道估计,避免传统的LMMSE信道估计算法中求解自相关矩阵及其逆矩阵的过程,有效降低运算的复杂度。与LS算法相比,该算法可以有效地降低噪声对信道特性的影响。理论分析和仿真结果显示:提出的快速LMMSE算法的性能接近LMMSE算法,但算法复杂度却远低于LMMSE算法。

结合雷达目标检测的远距离3D注视点估计

基于2D映射与双目视线相交方法计算得到的3D注视点在角度估计方面已有较高的精度,但在注视距离估计方面还存在较大误差.为此,提出一种借助毫米波雷达检测场景目标的3D注视点辅助估计的方法.首先利用一个可移动标定物的移动形成一个虚拟标定平面,用于双眼的2D平面注视点标定;然后通过2D映射的方式计算出左右眼在标定平面上的2D注视点,结合眼球位置可计算出3D注视方向;最后在雷达检测的目标点中筛选出与注视方向角度误差最小的点作为候选点,取该点的距离值产生一个虚拟平面,截取左右视线,取2个截取点的中点作为3D注视点估计结果.设计了融合毫米波雷达、摄像机和可移动标定物的实验装置,在4.0~10.2 m的距离范围内进行3D注视点测试,实验结果表明,该方法的平均角度误差为0.9°,平均欧几里得度量误差为130 mm,结果优于双眼数据几何映射法和深度摄像机辅助估计法.