基于小波变换的脑电信号降噪方法的研究

通过小波变换方法对左右手运动想象脑电信号进行降噪.在对各种小波阈值降噪方法(固定阈值形式Sqtwolog及硬阈值法;使用Birge-Massart惩罚函数的阈值形式及软阈值法;使用分层阈值及改进的阈值法)的讨论比较之后,给出一种改进方案.然后对不同降噪方法处理后的脑电信号用概率神经网络进行分类.最后对分类效果进行比较,证明了此改进方案具有可行性.

光伏直流串联电弧故障区域识别

光伏直流系统中串联电弧无法被保护装置检测并切断,电弧将持续燃烧并产生高温,对光伏系统安全运行造成极大危害。针对此研究Cassie电弧模型,将电极间距变量引入该模型,分析电极间距与电弧稳定燃烧关系。搭建光伏串联电弧仿真模型,采集稳定燃烧时不同位置下的电流数据,通过分析电弧故障特性,确定电弧故障特征向量,搭建概率神经网络故障识别模型,引入BP神经网络作为对照,将串联电弧类别与区域对应,实现串联电弧故障区域识别。结果表明:改进型Cassie电弧模型能够表征不同电极间距下的动态过程与稳定燃烧状态;在相同数据下,概率神经网络模型识别率高于BP神经网络,能够准确定位串联电弧故障区域。