一、一种基于梯度的新自适应无限冲击响应限波器算法(论文文献综述)
冯叶青[1](2021)在《TR-OFDM系统中的星座加密方案研究》文中进行了进一步梳理随着无线通信技术和互联网技术的快速发展,无线通信技术的各种应用开始逐渐融入到我们的生活,无人驾驶、远程医疗和工业互联网等技术都迎来了蓬勃发展。与此同时,如何保证无线通信的传输安全也变得至关重要。物理层安全加密技术作为一种上层加密机制的补充和完善,具有广阔的研究前景和应用潜力。时间反演(Time Reversal,TR)和正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)相结合可以降低OFDM系统的误码率,缩短信道的时延拓展,提高OFDM系统的安全性。本文针对TR-OFDM(Time Reversal Orthogonal Frequency Division Multiplexing)系统的物理层安全,采用调制加密技术,设计星座加密方案,保证信息的安全传输。第一,针对单天线场景下,已有的人工噪声方案无法保证TR-OFDM系统的安全传输问题。利用信道冲击响应的归一化均值作为logistic混沌的初始值,生成加密所需的密钥,随后利用密钥对星座点做旋转加密。同时时间反演可以将加密过的OFDM信号聚焦于合法用户附近,并消除信道对星座点造成的相位偏移,进一步保证TR-OFDM系统的安全传输。最后对所提方案进行了仿真,证明所提方案具有较好的安全性。第二,针对TR-OFDM系统的安全传输问题,设计了四元数加密算法。首先利用信道生成四元数,接着发送端对比特序列做三维映射,然后利用四元数对三维星座点做四元数加密,接着将三维星座点做I/Q变换,随后生成OFDM符号,通过时间反演处理后发送出去。仿真结果表明该加密算法相较于二维的星座点具有更好的误码率性能,并且也具备较好的归一化保密传输速率,可以保证TR-OFDM系统的安全传输。
祝文昭[2](2021)在《脉冲干扰环境下宽窄带混合主动噪声控制关键技术研究》文中研究说明自动化机械系统的广泛应用提高了人们的生活质量,但引入的噪声也不可忽视。该类噪声一般具有明显的窄带特性,在一定的半自由场半混响场及混响场条件下,一般也具有明显的谐频特性和宽带特征。并且在实际应用中,如汽车鸣笛、机械损伤和建筑施工带来的脉冲噪声干扰不可避免。更进一步的分析,在移动的车辆、飞机及轮船中,脉冲噪声对现有的主动噪声控制(ANC)技术的影响不容忽视。相对于单一的高斯噪声,在混合有脉冲干扰的高斯噪声环境中,现有ANC系统较难同时实现良好的追踪和稳定性能。脉冲干扰一般具有较高的幅值。有些脉冲干扰如施工噪声具有一定的周期性,此类脉冲干扰会干扰ANC系统的相位跟踪性能。有些脉冲干扰则不具有周期性,这类的随机干扰较周期脉冲对幅度和相位的追踪会产生更大的影响。因此,针对该类问题,分别以递进层次研究了具有抗周期脉冲干扰的窄带主动噪声控制(NANC)、抗宽带随机脉冲干扰的宽带主动噪声控制(BANC)以及抗宽窄带混合脉冲干扰宽窄带混合主动噪声控制(HANC)系统。具体研究内容如下:首先针对传统的窄带主动噪声控制算法(NNANC)无法较好的适应背景噪声功率变化及脉冲噪声的干扰,且使用抗脉冲噪声宽带算法降低窄带高斯噪声时会产生较大运算量的问题,提出一种新的基于滤波-x虚拟跟踪L0范数离散傅里叶陷波器(Fx L0DFC)的混合滤波归一化最小均方—离散傅里叶(Fx NLMSFx DFC)结构。通过脉冲信号压缩感知因子及Fx L0LMS算法较Fx DFC算法对环境更为敏感的特性,同时实现稳定环境下低运算量跟踪和噪声波动较大环境下的快速跟踪。为了进一步降低稳态运算量,在Fx DFC算法基础上,提出了一种滤波-e离散傅里叶陷波算法,进一步扩展算法的应用场景。其后,针对在高斯噪声环境下,目标宽带噪声包含脉冲干扰的问题进行了研究,在该环境下脉冲干扰会令有限二阶矩的自适应滤波算法发散,并且脉冲干扰的强度也会随机变化从而影响滤波器的迭代性能。由此,提出了一种新的基于脉冲检测器和高斯核函数的自适应后规整滤波-x归一化最小均方算法(DMPFx NLMS)。该方法首次将自适应高斯核函数代入后规整滤波算法的代价函数中,以提高算法在背景噪声功率变化时的追踪能力。DMPFx NLMS算法还融合了一种改进的阶数检测方法,在脉冲强度多变的环境中,较传统宽带算法有更好的稳定性能。更进一步地,针对更为复杂的半自由场、半混响场及混响场中包含脉冲干扰的宽窄带混合高斯噪声降噪问题,提出了一种新的基于残余正弦结构(SRE)的前反馈结构的宽窄带混合系统(HANC-SRE)。该方法可有效地降低窄带降噪子系统(NANC)中各滤波器的误差互干扰,提高HANC系统的追踪和窄带线谱降噪能力。在此基础上,结合Fx L0DFC和DMPFx NLMS方法,提出了一种基于抗脉冲干扰变步长算法的HANC系统(AT-HANC),该方法在脉冲强度多变的环境中,仍具有良好的跟踪及线谱噪声降噪能力。综上,本文还开展实时实验以验证提出的算法的实用性。(1)当目标噪声为含有脉冲干扰的功率多变窄带信号时,提出的基于Fx L0DFC的混合Fx NLMSFx DFC方法较传统方法收敛速度更快。(2)当目标噪声为包含脉冲干扰的宽带信号时,提出的DMPFXNLMS算法在受到脉冲干扰时误差波动相对最小,并且较传统方法跟踪速度更快,算法可在脉冲强度多变环境下实现降噪。(3)当目标噪声为含有脉冲干扰的宽窄带混合噪声时,提出的HANC-SRE较传统方法收敛速度更快、且窄带噪声的降噪性能更为优越。在此基础上改进的AT-HANC可适用于各种类型的噪声降噪,在脉冲干扰发生时均保持稳定,并且在目标噪声中含有强窄带成分时,也能实现良好的降噪性能。
吉利鹏[3](2020)在《子带自适应滤波器优化设计与FPGA实现》文中提出自适应滤波器在系统辨识、信道均衡、回声消除、主动噪声控制等领域具有广泛的应用。当输入信号相关性较高时,传统的最小均方自适应滤波器收敛速度较慢。由于归一化子带自适应滤波器具有去相关特性,因此能够加快收敛速度。当测量噪声中包含脉冲干扰时,虽然使用符号子带自适应滤波器能够有效抑制脉冲干扰的影响,但是当输入信号包含噪声时,符号子带自适应滤波器会产生很大的估计偏差。为了解决上述问题,本文提出一种偏差补偿符号子带自适应滤波器。该滤波器通过添加补偿项,大大降低了符号子带自适应滤波器的估计偏差,并使用时变正则化参数,来获得较低的稳态失调。当未知系统稀疏时,使用零吸引子的方法能够提高自适应滤波的性能。本文基于均方偏差最小化方法,推导出一种变参数稀疏子带自适应滤波器。该滤波器既充分利用未知系统的稀疏性来加快自适应滤波器的收敛速度,又解决了定参数子带自适应滤波器需要在收敛速度和稳态失调进行折中的问题。鉴于子带自适应滤波器的硬件实现的重要性,本文还使用分布式算法和结合分区间除法,实现子带自适应滤波器的FPGA设计。该实现方法有效降低了资源的消耗,提高了系统的时钟频率。
史策[4](2020)在《基于时间反演的超宽带通信系统抗干扰研究》文中提出通信一直是时代发展下人们离不开的技术之一,近几年通信行业更是蓬勃发展,在大趋势下,通信技术也在不断的完善,各种新兴的技术层出不断,人工智能、车联网、物联网、云计算。而时间反演技术(Time Reversal,TR)的空时聚焦特性也在5G的发展中发挥了不可小觑的作用,本文首先分析了TR技术的特点后,了解TR应用的领域,限制条件,优缺点等,本文将超宽带(Ultra-wideband,UWB)通信系统作为TR技术的载体,紧接着本文思考TR技术引入UWB系统能够解决的UWB系统中的什么问题,以上述的问题为出发点,确定了本文研究课题为基于时间反演的超宽带系统抗干扰研究。TR技术良好的空时聚焦特性能有效的避免系统中的多径干扰和码间干扰,提升系统的干扰容限,同时也减少接收机的复杂度。思考TR引入UWB系统解决干扰问题之后,本文的主要工作内容作以下安排:第一,TR是一种物理层技术,利用其空时聚焦特性能有效的抑制UWB系统中的干扰问题,TR引入UWB系统后,系统性能会有一定变化,本文针对这个问题,开始第一个方面的研究。在超宽带通信系统中,存在多种干扰:如码间干扰、多径干扰、多用户干扰、窄带干扰(Narrow Band Interference,NBI)、高斯白噪声等等。将上述的干扰进行分类,有的是加性干扰,有的是乘性干扰,有的干扰在引入TR技术以后,可以被有效的剔除,而有的干扰不能。有了上述分析以后,本文发现时间反演引入UWB系统中能解决UWB系统中的码间干扰、用户间干扰,这些干扰是因为发射信号经过传播效应之后,引起衰落失真及时延扩展造成的。所以提出了一种基于TR的抗干扰机制,在发射天线端加入TR模块,结合了超宽带通信系统信道模型,利用TR在时间和空间上的聚焦性压缩信道时延扩展,聚焦期望信号。并且理论推导了TR-UWB的系统信道容量和信干噪比。最后也运用了蒙特卡洛仿真验证了TR引入UWB系统可以降低码间干扰、多用户干扰,降低误码率,提升系统容量。第二,前面的研究TR引入UWB系统中可以解决码间干扰、多用户干扰问题,并构建了TR-UWB系统模型,接着上面的研究内容,本文在上述研究的基础上进一步深入研究,发现UWB中系统频谱很宽,与其他现存的窄带通信系统并存,而联邦通信委员会(Federal communications commission,FCC)严格规定了UWB的室内辐射密度,保证UWB系统不会对现存的窄带系统造成干扰,但是相反而言,无线窄带系统会对UWB系统造成干扰,然而TR技术只能解决系统中的码间干扰,多用户干扰,不能对抗NBI,所以本文在原有的系统中引入了陷波器,这也是本文第二个主要的研究内容。针对前面提到的窄带干扰问题,文章在接收端设计了一种自适应无限脉冲响应陷波器,理论推导了功率一半点处的自适应带宽,另外本文在自适应查找最佳陷波器设计带宽时也采用最速下降算法,从而快速较为准确的抑制UWB中的NBI。最后本文使用蒙特卡洛仿真验证出自适应陷波器有效抑制了TR-UWB通信系统中的NBI,提升系统误比特率。
侯威翰[5](2019)在《基于最小误差熵的仿射投影自适应滤波算法研究》文中认为作为信号处理技术中一项重要且基本的内容,滤波器设计一直都受到广泛关注。自适应滤波器由于其无需输入信号的先验知识、对未知环境较强的适应能力、可以动态调节滤波器参数等优点,因此更是被广泛应用于例如信道均衡、系统辨识、回声消除等场合。但伴随着自适应算法应用领域的拓展,自适应滤波算法也面临着一些新的问题:例如在自然界中广泛存在的非高斯噪声的影响、在一些通信系统中信道表现出的稀疏性、在多媒体传输系统中输入信号存在的强相关性等。最小误差熵(Minimum Error Entropy,MEE)准则,是一种基于二阶Renyi熵构建,对误差信号的变化进行约束的准则,因此可以有效抑制误差或噪声的突变,从而该准则被广泛用于替代传统自适应滤波算法中的二阶统计量,以降低非高斯噪声对算法的影响。仿射投影算法(Affine Projection Algorithm,APA),由归一化最小均方误差(Normalized Least Mean Square,NLMS)算法衍生而来,是一种建立在数据重用基础上的自适应滤波算法,从而APA类算法有着比LMS类算法更快的收敛速度和更低的稳态误差,和对强相关性信号更强的处理能力。首先,本文在深入研究熵理论和自适应滤波算法的基础上,将最小误差熵准则和仿射投影算法结合,以抑制非高斯噪声,并引入?律比例矩阵来降低稀疏系统的影响,同时考虑强相关输入信号并以牛顿方法作为解决方案,从而形成了新算法:基于牛顿方法的最小误差熵?律成比例仿射投影算法(Minimum Error Entropy?-Law Proportionate Affine Projection Algorithm based on Newton Method,MEE-MPAPA-Newton)。其次,结合仿射投影算法和最小误差熵算法,并利用凸组合的思想将二者整合,提出了凸组合最小误差熵仿射投影算法(Convex Minimum Error Entropy Affine Projection Algorithm,CMEEAPA)。CMEEAPA算法集中了仿射投影算法和最小误差熵算法的优点,既具有对非高斯噪声较强的抑制能力,又具有较快的收敛速度。最后,在仿真实验中将提出的两种新算法在不同的非高斯噪声和稀疏系统条件下,与改进的成比例仿射投影符号算法(Improved Proportionate Affine Projection Sign Algorithm,IPAPSA)、成比例最小误差熵算法(Proportionate Minimum Error Entropy,PMEE)等自适应滤波算法进行性能对比,理论分析和仿真实验的结果验证了两种新算法的有效性和稳健性。
朱书进[6](2018)在《被动毫米波图像处理关键技术研究》文中指出毫米波辐射成像系统通过毫米波辐射计接收和测量目标毫米波段的辐射能量,将目标辐射信号转化为电信号并处理得到目标场景的毫米波亮温图像。相对于微波,毫米波成像系统具有更高的分辨率和更好的抗干扰能力。与红外和可见光相比,毫米波对雨雾或者沙尘的穿透性更强,毫米波成像系统具有全天时和全天候工作能力,特别是毫米波辐射成像系统,因不发射信号,具有良好的隐蔽性。因此,其在民用和军事领域如战场引导、遥感观测和反恐安检等方面获得了广泛应用。毫米波辐射成像的最终目的是获得高质量的毫米波亮温图像并对其进行有效的目标检测和分析以满足不同应用需求。但由于毫米波辐射成像系统易受噪声和衍射受限效应等影响,导致被动毫米波图像噪声大、分辨率低。因此如何改善被动毫米波图像的图像质量,提高图像分类和目标识别的准确性是十分重要的。论文围绕被动毫米波图像的去噪和超分辨方法以及目标的分类识别开展了研究,主要包括以下几个方面:(1)毫米波干涉综合孔径辐射成像的机理和建模仿真的研究。介绍了毫米波目标的辐射特性,从二元干涉仪入手,利用系统传输特性推导了毫米波干涉测量远场近场统一的复相关输出和目标场景亮温分布的关系,建立了笛卡尔坐标系下毫米波干涉综合孔径成像模型,分析了系统参数对成像结果的影响。(2)基于两级自适应非局部均值的被动毫米波图像联合滤波。针对毫米波辐射成像系统在实际成像中易受成像环境、系统电路等影响导致亮温图像出现噪声污染的缺点,在非局部均值滤波的基础上,利用弱纹理块的图像噪声估计实现了自适应滤波,提高了算法的去噪性能,同时通过引入两级框架的联合滤波,解决了高噪声情况下传统非局部均值滤波器权值分配函数可信度和准确度急剧下降的问题,进而改善算法的去噪性能和边缘保持能力。(3)基于自适应流形高维滤波的被动毫米波图像去噪算法。针对毫米波辐射成像系统通道间不一致性导致亮温图像存在条带噪声和冲激噪声的问题,利用窗口遍历数据扩维方法将被动毫米波图像扩展到高维空间,通过主成分分析提取高维图像的主要信息,同时利用高维空间中的平均中值滤波提高了自适应流形高维滤波的去噪性能,并借助基于拉普拉斯高斯算子的边缘增强技术实现了目标边缘的增强,进一步提高了图像的质量。(4)基于多帧框架的正则化非线性扩散模型的单帧毫米波图像超分辨算法。针对单帧毫米波图像无法适用于基于毫米波图像序列的超分辨方法的不足,通过引入循环引导滤波生成结构上多尺度的被动毫米波图像序列,利用正则化非线性扩散模型超分辨方法和全差分去卷积方法在多帧框架下实现了单帧毫米波图像的超分辨重建,恢复了丢失的高频和细节信息。(5)被动毫米波图像分类识别系统的设计与实现。为了实现被动毫米波图像的分类识别,同时验证提出的去噪算法和超分辨算法的有效性,通过建立被动毫米波图像数据库,并借助MATLAB GUI可视化平台编程实现了被动毫米波图像分类识别系统。以多类别的三维模型为基础,通过主视角选择和小角度旋转捕获目标主要的姿态,利用毫米波干涉综合孔径成像方法生成亮温图像并建立被动毫米波图像库。利用基于自适应流形高维滤波的去噪算法和基于正则化的非线性扩散模型的超分辨算法进行处理,结合局部二值模型图像特征提取方法和基于直方图交叉核的支持向量机分类器实现被动毫米波图像特征的提取和分类。通过目标分类和检索对比实验,对所提的去噪算法和超分辨算法进行了验证。
张兴森[7](2018)在《复杂噪声背景下随钻泥浆脉冲信号检测与识别研究》文中进行了进一步梳理当前世界能源供求形式日益严峻,较大的油气需求使得勘探开发活动正逐步的向一些环境更加恶劣、复杂的地区转移,而随钻测量技术在复杂情况下的勘探活动中应用较为普遍。勘探活动中的随钻测量数据主要借助于钻柱内部的泥浆传输到地面,而泥浆脉冲信号经过长距离的传输后在复杂的噪声背景下变得非常微弱。对泥浆脉冲信号的有效检测与识别直接影响了钻井的精度控制和钻头中靶率,而目前的检测与识别方法效率低下,这使得对复杂噪声背景下的随钻泥浆脉冲信号进行有效的检测与准确识别成为研究热点。本文以泥浆脉冲信号作为研究对象,研究了目前随钻测量中泥浆脉冲信号编码的方式,并且着重研究了组合优化编码和曼彻斯特编码两种编码格式。其次,分析了泥浆脉冲信号传输的特点,得出干扰信号的来源与泥浆脉冲信号在传输过程中造成衰减的因素与衰减程度,说明了泥浆脉冲信号的复杂的噪声背景是由原始信号的幅值较低和多种干扰噪声的影响造成的。针对泥浆脉冲信号中由于噪声存在而识别率低下的问题,提出了基于自适应随机共振的信号检测方法和基于深度学习的信号识别方法,并对自适应随机共振和深度神经网络技术展开研究。本文利用自适应随机共振的方法实现泥浆脉冲信号检测。该方法利用遗传模拟退火算法对随机共振系统的参数进行最优化选择,然后利用随机共振系统检测复杂噪声背景下的泥浆脉冲信号。同时在深度神经网络框架的基础上,提出了栈式小波自动编码器,并且对栈式小波自动编码器的结构进行详细的描述,然后对组合优化编码和曼彻斯特编码的信号进行识别实验并分析准确率与识别用时。本文利用随机共振和深度神经网络技术对复杂噪声背景下的泥浆脉冲信号准确率的问题进行了改进,实验结果表明,本文的方法具有更好的效果。
严巍[8](2018)在《流水线型神经IIR自适应滤波器的理论和应用研究》文中认为非线性自适应滤波技术已经得到了广泛地研究及应用,而现有的非线性自适应滤波器的性能与计算复杂度往往是相互矛盾的,有时为了提高非线性自适应滤波器的性能,需要牺牲其计算复杂度。从这一角度出发,本文对非线性自适应滤波器的研究现状进行了分析,并根据相应的自适应滤波器的特点,结合具体的非线性应用,提出了几种新型的低计算复杂度的非线性自适应滤波器,此外,本文针对其性能也进行了理论分析和实验仿真。具体工作如下:(1)从非线性语音预测这一应用出发,针对基于流水线型的两类典型的自适应滤波器(神经网络滤波器和多项式滤波器)的计算复杂度问题,提出了一种低计算复杂度的流水线型神经无限冲击响应(IIR)自适应滤波器。该自适应滤波器结合了流水线型结构低的计算复杂度和神经IIR自适应滤波器良好的跟踪性能的特点,并通过线性部分和非线性部分的输出联合的设计,使其计算复杂度得到了有效的降低,并保持了良好的非线性语音预测能力,且通过计算复杂度分析和计算机仿真验证了这一特点。(2)在提出的流水线型神经IIR自适应滤波器的基础上,结合IIR非线性样条自适应滤波器,提出一种新型的用于语音信号预测的非线性自适应滤波器,称为流水线型神经IIR样条自适应滤波器。该自适应滤波器利用了IIR非线性样条自适应滤波器对非线性系统良好的拟合特性,从而以相对较小的计算复杂度提高了流水线型神经IIR自适应滤波器的非线性预测性能,并通过理论分析和实验仿真验证了这一理论。(3)考虑非线性自适应滤波器在复数域中的应用,将流水线型神经IIR自适应滤波器与复值IIR自适应滤波器结合,提出一种流水线型复值神经IIR自适应滤波器。该自适应滤波器沿用了流水线型神经IIR自适应滤波器的结构,并以复值的IIR自适应滤波器的理论推导为理论基础,通过计算复杂度分析验证了该自适应滤波器的计算量相对较低,且非圆风信号预测实验表明了其在复数域应用中的有效性。(4)将提出的流水线型神经IIR样条自适应滤波器从实数域扩展到复数域,并结合立体声学回声消除中的广义线性模型,提出一种新型的用于立体声学回声消除的流水线型复值神经IIR非线性样条自适应滤波器。根据该自适应滤波器的自适应算法,对该自适应滤波器的计算复杂度、稳定性能及收敛条件进行了分析,并通过计算机仿真说明了由于提出的新型的自适应滤波器插入了样条函数,使得其计算量略高于流水线型复值神经IIR自适应滤波器,但是其性能得到了进一步提高。
单凤敏[9](2015)在《基于自适应滤波器的压电陶瓷执行器迟滞建模及逆控制》文中认为压电陶瓷执行器是新型的微位移定位器件,由于其具有响应速度快、体积小、功耗低、结构简单、无磨损、无噪声、高位移分辨率等优点,而被广泛应用于微机电系统、精密定位、纳米生物工程、航空航天、仪器仪表等领域。但同时压电陶瓷具有迟滞、蠕变等非线性特性,其中迟滞非线性会严重影响系统的控制精度,研究压电陶瓷执行器迟滞特性的建模及其控制具有重要的意义。本文以压电陶瓷执行器微定位系统实验平台为研究对象,自适应滤波器与压电陶瓷迟滞算子相结合,主要研究了基于自适应递归滤波器和自适应格型滤波器的压电陶瓷执行器迟滞非线性建模方法,并对其迟滞逆补偿控制方法进行探讨研究。首先探讨了自适应递归滤波器的建模方法,然后利用压电陶瓷迟滞Backlash算子代替延时算子,建立新型的自适应递归滤波器模型,并在压电陶瓷执行器微定位系统实验平台上通过实验验证其迟滞建模能力。在此过程中,采用最小均方(Least MeanSquare,LMS)自适应算法来调节滤波器权值。然后,对自适应递归滤波器进行结构上的改进,提出了基于自适应格型滤波器的压电陶瓷迟滞建模方法。研究了自适应格型滤波器建模方法,为了便于观测建模效果,提出了梯度自适应格型联合处理器的概念,其包含了梯度自适应格型滤波部分和线性LMS组合部分。并对算法进行改进,采用归一化LMS算法,从而提高建模精度和收敛速度。最后用Backlash算子代替延时算子组成新的自适应格型滤波器,并通过仿真验证其迟滞建模能力。此外,对文中建立的模型进行了控制算法的研究,介绍了自适应逆控制方法,主要探讨了迟滞逆补偿控制方法。在本文中主要运用了逆模型串联补偿闭环控制和逆模型前馈补偿闭环控制,并在实验平台上进行实验仿真,从而验证了其控制效果。
关海鸥[10](2014)在《低压电网剩余电流暂态过程特征提取与识别方法研究》文中研究指明剩余电流保护装置在我国低压电网中的广泛应用,对于防止触电伤亡事故以及避免因漏电而引起的电气火灾事故具有非常重要的作用。目前在线运行的剩余电流保护装置,其动作电流的整定值与生物体触电电流无关,通常是将检测到的剩余电流有效值的大小作为是否动作的唯一判据。理论研究和实际运行经验表明,这种判据无法识别可能对触电者构成生命安全的触电支路的电流信号,在动作原理上存在先天不足和缺陷,经常导致误动或拒动现象的发生,大大降低了剩余电流保护装置的动作可靠性和正确投运率。针对上述问题,在国家自然科学基金项目“剩余电流中触电电流分量的频谱特征与快速识别方法”和国家电网科技项目“基于剩余电流保护的农村用电安全关键技术研究”的支持下,本课题通过构建触电物理实验平台,测试和获取生物体触电原始数据,开展低压电网剩余电流暂态过程特征提取与识别方法的研究。本文充分利用智能信息处理技术(小波变换、遗传计算、神经网络),通过构建触电物理实验平台,获取批量生物体触电原始数据及波形并建立了数据库;分析并掌握了剩余电流的暂态频谱特征和波形特性;提取了剩余电流暂态分量的幅值和能量多维度特征;实现了触电故障时刻的检测与定位、触电故障类型的准确识别、以及触电支路电流分量的提取。主要完成内容如下:(1)设计并构建了触电物理实验平台,通过多种场景的模拟触电实验,获取批量动/植物触电数据,建立了我国低压电网生物体触电波形数据库。(2)采用快速傅里叶变换分析了生物体发生触电故障时的剩余电流的频谱特征,掌握了暂态剩余电流的各个分量及其变化规律;提出了一种数学梯度和形态学梯度的组合算法,在分析剩余电流波形特性方面,能够突显出原始信号在触电时刻的波形变化特征。(3)利用多种信号处理方法(数学统计量、傅里叶变换、经验模态分解),建立了多维度剩余电流暂态分量的幅值和能量特征的计算和提取方法。该方法能够突显生物体触电信号的特征向量,更加有利于触电故障类型的识别。(4)应用离散希尔伯特变换方法,以剩余电流瞬时相位差的累积之和为判据,提取相位突变特征;应用突变量计算方法,以剩余电流信号幅值的突增量累积之和为判据,提取幅值突变特征。在此基础上,创新地提出了一种基于相位和幅值多突变量为判据的触电故障时刻检测方法。(5)创新地综合运用小波变换和前馈神经网络,建立了一种触电故障类型识别方法。利用剩余电流暂态分量幅值与能量特征优化了神经网络结构,采用量子遗传算法改进了神经网络学习方法,显着提高了训练效果。(6)创新地提出了一种基于有限冲激响应和径向基神经网络相耦合的触电支路电流分量识别和计算方法。该方法解决了工程中生物体触电支路电流不可检测的问题,为新一代基于人体触电电流分量而动作的自适应型剩余电流保护装置的开发提供可靠的理论依据。
二、一种基于梯度的新自适应无限冲击响应限波器算法(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、一种基于梯度的新自适应无限冲击响应限波器算法(论文提纲范文)
(1)TR-OFDM系统中的星座加密方案研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 物理层调制加密技术 |
1.2.2 时间反演 |
1.3 本文主要内容与章节安排 |
第2章 调制加密技术 |
2.1 物理层安全隐患 |
2.2 时间反演理论 |
2.3 星座旋转 |
2.3.1 基本原理 |
2.3.2 二维星座旋转 |
2.3.3 三维星座设计 |
2.4 本章小结 |
第3章 TR-OFDM系统中基于星座旋转的安全传输方案 |
3.1 引言 |
3.2 系统模型 |
3.3 TR-OFDM系统的星座旋转加密 |
3.3.1 星座旋转加密 |
3.3.2 TR-OFDM安全传输过程 |
3.3.3 保密传输速率 |
3.4 性能分析与仿真验证 |
3.5 本章小结 |
第4章 TR-OFDM系统的四元数加密算法 |
4.1 引言 |
4.2 系统模型 |
4.3 四元数加密算法 |
4.4 实验仿真 |
4.5 本章小结 |
第5章 总结与展望 |
5.1 本文主要工作总结 |
5.2 下一步研究工作展望 |
参考文献 |
致谢 |
攻读硕士学位期间从事的科研工作及取得的成果 |
(2)脉冲干扰环境下宽窄带混合主动噪声控制关键技术研究(论文提纲范文)
摘要 |
Abstract |
主要缩写和符号 |
第1章 绪论 |
1.1 课题的研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 主动噪声控制基础技术介绍及简析 |
1.2.1 不同声学环境下的ANC系统 |
1.2.2 ANC系统的参数及结构设置 |
1.2.3 ANC系统的控制算法 |
1.3 国内外研究现状 |
1.3.1 窄带主动噪声控制算法研究 |
1.3.2 宽带及宽窄带混合主动噪声控制算法研究 |
1.3.3 脉冲主动噪声控制算法研究 |
1.4 本文研究的主要科学问题 |
1.5 章节结构及相应的研究内容 |
第2章 窄带抗脉冲干扰ANC方法研究 |
2.1 引言 |
2.2 脉冲噪声干扰模型 |
2.3 基于并行子结构的窄带ANC方法 |
2.3.1 相关算法分析 |
2.3.2 一种新的基于Fx L0DFC虚拟跟踪结构的混合Fx DFC-Fx NLMS方法 |
2.4 仿真分析 |
2.4.1 仿真中采用的初次级路径模型 |
2.4.2 仿真参数说明及虚拟跟踪结构的必要性验证 |
2.4.3 随机脉冲干扰环境下各算法仿真对比 |
2.4.4 相关、非相关噪声干扰环境下各算法仿真对比 |
2.5 本章小结 |
第3章 宽带抗脉冲干扰ANC方法研究 |
3.1 引言 |
3.2 基于信息熵M函数的后规整滤波算法 |
3.3 应用于自适应算法的状态检测器 |
3.4 递归自适应检测器统计特性分析 |
3.5 仿真分析 |
3.5.1 随机脉冲噪声干扰 |
3.5.2 周期脉冲噪声干扰 |
3.5.3 DMPFx NLMS算法稳定性分析 |
3.6 本章小结 |
第4章 宽窄带混合抗脉冲干扰ANC方法研究 |
4.1 引言 |
4.2 改进的带有残余误差提取结构的HANC系统 |
4.3 改进的HANC系统稳态性能分析 |
4.4 抗窄带自适应滤波器误差互干扰性能研究 |
4.5 抗脉冲干扰的HANC系统 |
4.5.1 AT-HANC方法中权值压缩因子的作用 |
4.5.2 抗脉冲干扰的变步长更新算法 |
4.6 仿真研究 |
4.6.1 不同信噪比环境下的仿真性能分析 |
4.6.2 存在正弦干扰时的各算法仿真性能分析 |
4.6.3 存在脉冲干扰时AT-HANC性能分析 |
4.7 本章小结 |
第5章 抗脉冲干扰的ANC方法实验研究 |
5.1 引言 |
5.2 一维管道实验平台简析 |
5.3 脉冲干扰条件下窄带噪声降噪实验研究 |
5.4 脉冲干扰条件下宽带噪声降噪研究 |
5.5 高斯环境下宽窄带混合噪声降噪研究 |
5.5.1 高斯环境下降噪性能实验 |
5.5.2 高斯环境下抗窄带误差互干扰性能实验 |
5.6 脉冲干扰环境下AT-HANC算法性能验证 |
5.7 本章小结 |
结论 |
参考文献 |
攻读博士学位期间发表的学术论文及其它成果 |
致谢 |
个人简历 |
(3)子带自适应滤波器优化设计与FPGA实现(论文提纲范文)
摘要 |
ABSTRACT |
引言 |
第一章 绪论 |
1.1 自适应滤波器 |
1.2 自适应滤波器的FPGA实现 |
1.3 论文研究的内容和意义 |
第二章 子带自适应滤波器基础 |
2.1 多速率信号处理 |
2.2 滤波器组 |
2.3 子带自适应滤波器 |
第三章 偏差补偿符号子带自适应滤波器 |
3.1 符号子带自适应滤波器 |
3.2 偏差补偿符号子带自适应滤波器 |
3.3 时变正则化参数设计 |
3.4 仿真与结果分析 |
3.5 小结 |
第四章 变参数稀疏子带自适应滤波器 |
4.1 稀疏子带自适应滤波器 |
4.2 变参数设计 |
4.3 期望值估计 |
4.4 仿真与结果分析 |
4.5 小结 |
第五章 子带自适应滤波器的FPGA实现的方案 |
5.1 实现方案 |
5.2 实现优化 |
5.3 实验结果 |
5.4 小结 |
第六章 总结与展望 |
6.1 本文总结 |
6.2 问题与展望 |
参考文献 |
缩略语 |
攻读学位期间科研情况 |
致谢 |
(4)基于时间反演的超宽带通信系统抗干扰研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 UWB研究现状 |
1.2.2 TR研究现状 |
1.3 本文主要工作和章节安排 |
1.3.1 本文主要工作 |
1.3.2 本文章节安排 |
第2章 超宽带无线通信与TR技术概述 |
2.1 超宽带无线通信 |
2.1.1 超宽带发射端简介 |
2.1.2 超宽带信道模型简介 |
2.1.3 超宽带接收端简介 |
2.2 时间反演技术 |
2.2.1 TR通信系统基本原理 |
2.2.2 TR空时聚焦特性 |
2.3 本章小结 |
第3章 时间反演超宽带系统性能 |
3.1 系统模型简介 |
3.2 TR-UWB系统信干噪比分析 |
3.3 TR-UWB系统容量分析 |
3.4 仿真分析 |
3.5 本章小结 |
第4章 时间反演超宽带通信系统的窄带干扰抑制 |
4.1 系统模型和方法描述 |
4.1.1 系统框图 |
4.1.2 NBI模型 |
4.1.3 TR处理过程 |
4.1.4 最速下降算法介绍 |
4.2 自适应无限脉冲响应陷波器设计 |
4.2.1 单NBI抑制 |
4.2.2 多NBI抑制 |
4.3 实验仿真 |
4.4 本章小结 |
第5章 总结 |
5.1 本文总结 |
5.2 未来展望 |
参考文献 |
致谢 |
攻读硕士学位期间从事的科研工作及取得的成果 |
(5)基于最小误差熵的仿射投影自适应滤波算法研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究背景 |
1.2 课题研究的目的及意义 |
1.3 国内外研究现状及发展 |
1.3.1 α-稳定分布的研究现状 |
1.3.2 Renyi熵的研究现状 |
1.3.3 稀疏信号处理的研究现状 |
1.4 主要研究内容及章节安排 |
1.4.1 主要研究内容 |
1.4.2 章节安排 |
第2章 自适应滤波算法的相关理论 |
2.1 自适应滤波器的原理 |
2.1.1 维纳滤波器 |
2.1.2 自适应滤波器的性能指标 |
2.2 几种常见的自适应滤波算法 |
2.2.1 最小均方算法 |
2.2.2 归一化最小均方算法 |
2.2.3 基于系数比例的归一化最小均方算法 |
2.2.4 基于LMS准则的量化误差算法 |
2.2.5 LMS-牛顿算法 |
2.2.6 仿射投影算法 |
2.3 本章小结 |
第3章 基于最小误差熵的仿射投影算法 |
3.1 算法推导 |
3.1.1 最小误差熵准则 |
3.1.2 新算法的推导 |
3.2 算法的收敛性分析 |
3.2.1 最小误差熵代价函数的维纳解 |
3.2.2 新算法收敛性的证明 |
3.3 算法总结 |
3.4 本章小结 |
第4章 凸组合最小误差熵仿射投影算法 |
4.1 算法推导 |
4.2 算法总结 |
4.3 本章小结 |
第5章 仿真实验 |
5.1 系统辨识原理 |
5.2 仿真条件 |
5.2.1 稀疏系统 |
5.2.2 输入信号 |
5.2.3 高斯噪声与非高斯噪声 |
5.3 性能指标及参数设置 |
5.4 仿真结果与分析 |
5.4.1 传统算法与新算法的对比 |
5.4.2 高斯噪声条件下各算法的性能比较 |
5.4.3 非高斯噪声条件下各算法的性能比较 |
5.4.4 在白色信号输入条件下各算法的性能比较 |
5.4.5 新算法的参数对性能的影响 |
5.4.6 各算法的跟踪性能比较 |
5.4.7 语音信号输入时各算法的性能比较 |
5.5 本章小结 |
第6章 结论 |
参考文献 |
在学研究成果 |
致谢 |
(6)被动毫米波图像处理关键技术研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究概况 |
1.3 被动毫米波图像去噪 |
1.4 被动毫米波图像超分辨 |
1.5 被动毫米波图像分类和识别 |
1.6 本文结构安排与创新点 |
2 毫米波干涉综合孔径辐射成像原理与建模分析 |
2.1 引言 |
2.2 毫米波干涉综合孔径辐射成像原理 |
2.2.1 黑体辐射理论 |
2.2.2 干涉综合孔径辐射成像原理 |
2.3 毫米波综合孔径辐射成像建模与仿真 |
2.3.1 自然辐射信号的建模 |
2.3.2 毫米波综合孔径辐射成像建模 |
2.3.3 综合孔径辐射成像的反演仿真 |
2.4 本章小结 |
3 基于两级自适应非局部均值的被动毫米波图像联合滤波算法 |
3.1 引言 |
3.2 基于弱纹理块的图像噪声估计算法 |
3.3 非局部均值图像滤波算法 |
3.3.1 邻域平均图像去噪 |
3.3.2 非局部均值图像去噪 |
3.4 两级自适应非局部滤波的毫米波图像联合去噪算法 |
3.4.1 两级自适应非局部均值联合滤波 |
3.4.2 两级自适应非局部均值联合滤波参数优化 |
3.4.3 实验及结果分析 |
3.5 本章小结 |
4 基于自适应流形高维滤波的被动毫米波去噪算法 |
4.1 引言 |
4.2 自适应流形高维滤波算法 |
4.2.1 高维滤波 |
4.2.2 流形和流形学习 |
4.2.3 自适应流形的计算模型 |
4.2.4 自适应流形滤波 |
4.3 基于自适应流形高维滤波的被动毫米波图像去噪算法 |
4.3.1 高维空间的自适应流形滤波 |
4.3.2 改进的自适应流形高维滤波 |
4.3.3 实验及结果分析 |
4.4 本章小结 |
5 基于多帧框架下的非线性扩散模型的单帧被动毫米波图像超分辨算法 |
5.1 引言 |
5.2 基于单帧毫米波图像的超分辨算法 |
5.2.1 单帧毫米波图像降质模型 |
5.2.2 单帧毫米波图像的超分辨 |
5.3 基于毫米波图像序列的超分辨算法 |
5.3.1 毫米波图像序列降质模型 |
5.3.2 毫米波图像序列的超分辨 |
5.4 多帧框架下的正则化非线性扩散模型的单帧毫米波图像超分辨算法 |
5.4.1 联合双边滤波 |
5.4.2 多尺度引导滤波 |
5.4.3 基于改进的正则化非线性扩散的单帧毫米波图像超分辨 |
5.4.4 实验及结果分析 |
5.5 本章小结 |
6 被动毫米波图像分类识别系统 |
6.1 引言 |
6.2 被动毫米波图像分类识别系统 |
6.2.1 分类识别系统设计流程 |
6.2.2 被动毫米波图像库的构建 |
6.2.3 被动毫米波图像预处理 |
6.2.4 被动毫米波图像特征提取和分类 |
6.2.5 系统软件界面设计 |
6.3 被动毫米波图像分类识别实验和结果分析 |
6.4 本章小结 |
7 结论与展望 |
7.1 本文主要工作及结论 |
7.2 存在的问题及工作展望 |
致谢 |
参考文献 |
附录 |
(7)复杂噪声背景下随钻泥浆脉冲信号检测与识别研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 课题的背景和意义 |
1.2 国内外研究现状 |
1.2.1 泥浆脉冲信号检测研究现状 |
1.2.2 泥浆脉冲信号识别研究现状 |
1.3 课题主要研究内容 |
1.4 本文结构及章节安排 |
第二章 相关技术简介 |
2.1 随钻测量技术 |
2.2 泥浆脉冲信号数据编码格式 |
2.2.1 优化组合编码 |
2.2.2 曼彻斯特编码 |
2.3 泥浆脉冲信号检测方法 |
2.3.1 FIR数字滤波 |
2.3.2 小波降噪 |
2.3.3 自适应滤波 |
2.3.4 集合经验模态分解 |
2.4 泥浆脉冲信号识别方法 |
2.4.1 模式相似度 |
2.4.2 模糊聚类 |
2.4.3 支持向量机 |
2.5 本章小结 |
第三章 基于随机共振的泥浆脉冲信号检测研究 |
3.1 信号传输特点分析 |
3.1.1 噪声干扰分析 |
3.1.2 信号传输衰减影响 |
3.2 随机共振理论 |
3.3 基于自适应随机共振的泥浆脉冲信号检测 |
3.4 实验与分析 |
3.4.1 泥浆脉冲信号模型 |
3.4.2 周期性信号仿真实验 |
3.4.3 非周期性现场信号实验 |
3.4.4 不同信号检测方法效果比较 |
3.5 本章小结 |
第四章 基于深度学习的泥浆脉冲信号识别研究 |
4.1 深度神经网络 |
4.2 栈式小波自动编码器 |
4.2.1 信号纠正 |
4.2.2 特征提取 |
4.2.3 Softmax分类 |
4.2.4 模型微调 |
4.2.5 测试框架 |
4.3 数据集描述与信号类别定义 |
4.3.1 组合优化信号 |
4.3.2 曼彻斯特信号 |
4.4 数据预处理 |
4.5 不同识别方法对组合优化信号识别效果分析 |
4.6 曼彻斯特信号实验与分析 |
4.6.1 SWAE模型结构选择 |
4.6.2 实验误差分析 |
4.6.3 不同信噪比下不同识别方法的准确率比较 |
4.6.4 训练集数目不同时识别准确率分析 |
4.6.5 性能分析 |
4.7 本章小结 |
第五章 总结与展望 |
5.1 本文的工作总结 |
5.2 本文的主要创新点 |
5.3 进一步的研究工作 |
参考文献 |
攻读硕士学位期间取得的学术成果 |
致谢 |
(8)流水线型神经IIR自适应滤波器的理论和应用研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景和课题意义 |
1.2 非线性自适应滤波器的研究现状 |
1.2.1 非线性自适应滤波器模型 |
1.2.2 非线性自适应滤波器的分类 |
1.2.3 自适应滤波算法的分类 |
1.2.4 非线性自适应滤波器的应用 |
1.3 论文的研究内容和结构安排 |
1.3.1 论文的研究内容 |
1.3.2 论文结构安排 |
第2章 流水线型神经IIR自适应滤波器 |
2.1 引言 |
2.2 基本的神经IIR滤波器理论 |
2.3 流水线型神经IIR自适应滤波器 |
2.3.1 流水线型神经IIR自适应滤波器结构 |
2.3.2 数学表示 |
2.3.3 自适应算法 |
2.3.4 稳定性分析及收敛条件 |
2.3.5 计算复杂度分析 |
2.3.6 非线性语音预测实验仿真 |
2.4 本章小结 |
第3章 流水线型神经IIR样条自适应滤波器 |
3.1 引言 |
3.2 IIR非线性样条自适应滤波器 |
3.3 流水线型神经IIR样条自适应滤波器 |
3.3.1 流水线型神经IIR样条自适应滤波器结构 |
3.3.2 自适应算法 |
3.3.3 稳定性分析及收敛条件 |
3.3.4 计算复杂度分析 |
3.3.5 非线性语音预测实验仿真 |
3.4 本章小结 |
第4章 流水线型复值神经IIR自适应滤波器 |
4.1 引言 |
4.2 复值的IIR非线性自适应滤波器 |
4.3 流水线型复值神经IIR自适应滤波器 |
4.3.1 流水线型复值神经IIR自适应滤波器结构 |
4.3.2 自适应算法 |
4.3.3 稳定性分析及收敛条件 |
4.3.4 计算复杂度分析 |
4.3.5 非圆风信号预测实验仿真 |
4.4 本章小结 |
第5章 流水线型复值神经IIR样条自适应滤波器 |
5.1 引言 |
5.2 用于立体声学回声消除的广义线性模型 |
5.3 流水线型复值神经IIR样条自适应滤波器 |
5.3.1 流水线型复值神经IIR样条自适应滤波器结构 |
5.3.2 自适应算法 |
5.3.3 稳定性分析及收敛条件 |
5.3.4 计算复杂度分析 |
5.3.5 立体声学回声消除实验仿真 |
5.4 本章小结 |
总结与展望 |
致谢 |
参考文献 |
攻读硕士学位期间发表的论文 |
(9)基于自适应滤波器的压电陶瓷执行器迟滞建模及逆控制(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究背景 |
1.2 国内外研究现状 |
1.2.1 压电陶瓷执行器的迟滞模型 |
1.2.2 压电陶瓷执行器的迟滞控制 |
1.3 本论文研究内容及章节安排 |
第2章 基于自适应递归滤波器的压电陶瓷执行器迟滞建模 |
2.1 引言 |
2.2 纳米定位实验平台 |
2.3 自适应递归滤波器 |
2.3.1 基本LMS算法 |
2.3.2 基于输出误差法的自适应递归滤波器 |
2.3.3 基于方程误差法的自适应递归滤波器 |
2.4 基于压电陶瓷迟滞算子的自适应递归滤波器 |
2.4.1 压电陶瓷PI迟滞算子 |
2.4.2 压电陶瓷Backlash 迟滞算子 |
2.4.3 基于Backlash算子的自适应递归滤波器 |
2.5 仿真实验 |
2.5.1 建模步骤 |
2.5.2 建模精度实验验证 |
2.6 本章小结 |
第3章 基于自适应格型滤波器的压电陶瓷执行器迟滞建模 |
3.1 引言 |
3.2 自适应格型滤波器 |
3.2.1 自适应格型滤波器基本原理 |
3.2.2 自适应格型滤波器算法 |
3.2.3 基于伯格公式的自适应格型滤波器 |
3.3 梯度自适应格型联合处理器 |
3.3.1 梯度自适应格型联合处理器的优化算法 |
3.3.2 梯度自适应格型联合处理器的结构改进 |
3.3.3 基于压电陶瓷迟滞算子的梯度自适应联合处理器 |
3.4 仿真实验 |
3.4.1 建模步骤 |
3.4.2 滤波器迭代步长与阶数的选取 |
3.4.3 建模精度实验验证 |
3.5 本章小结 |
第4章 基于自适应滤波器的压电陶瓷执行器迟滞逆补偿控制 |
4.1 引言 |
4.2 基于自适应滤波器的压电陶瓷执行器迟滞逆建模 |
4.2.1 基于自适应递归滤波器的迟滞逆建模 |
4.2.2 基于自适应格型滤波器的迟滞逆建模 |
4.3 自适应逆控制 |
4.3.1 自适应逆控制概述 |
4.3.2 几种自适应逆控制方法简介 |
4.3.3 基于自适应滤波器的压电陶瓷执行器迟滞逆补偿控制 |
4.4 仿真实验 |
4.4.1 基于自适应递归滤波器的迟滞Simulink模型 |
4.4.2 基于自适应格型滤波器的迟滞Simulink模型 |
4.4.3 逆模型串联补偿控制仿真 |
4.4.4 逆模型前馈补偿控制仿真 |
4.5 本章小结 |
总结与展望 |
参考文献 |
攻读学位期间发表论文与研究成果清单 |
致谢 |
(10)低压电网剩余电流暂态过程特征提取与识别方法研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究目的和意义 |
1.2 国内外研究现状 |
1.3 触电物理实验平台设计与触电实验 |
1.4 本文主要研究内容及技术路线 |
第二章 剩余电流暂态信号的频谱特征与波形特性 |
2.1 引言 |
2.2 基于FFT的暂态剩余电流频谱特征分析 |
2.3 基于数学形态学变换的剩余电流波形特性分析 |
2.4 本章小结 |
第三章 剩余电流暂态分量的幅值与能量特征提取方法 |
3.1 引言 |
3.2 剩余电流统计特征提取方法 |
3.3 基于FFT的剩余电流暂态分量幅值与能量特征提取方法 |
3.4 剩余电流固有模态分量能量特征提取方法 |
3.5 本章小结 |
第四章 基于剩余电流突变特征的触电故障时刻检测方法 |
4.1 引言 |
4.2 基于剩余电流相位突变特征的触电故障时刻检测方法 |
4.3 基于剩余电流幅值突变特征的触电故障时刻检测方法 |
4.4 基于电流相位与幅值突变特征的触电故障时刻组合检测方法 |
4.5 本章小结 |
第五章 触电故障类型与触电支路电流分量识别方法 |
5.1 引言 |
5.2 基于小波变换和神经网络的触电故障类型识别方法 |
5.3 应用有限冲激响应和径向基神经网络的触电支路电流分量识别方法 |
5.4 触电故障类型与触电支路电流分量识别方法的优化设计 |
5.5 本章小结 |
第六章 结论与展望 |
6.1 结论 |
6.2 本文创新点 |
6.3 展望 |
参考文献 |
致谢 |
附录 |
作者简历 |
四、一种基于梯度的新自适应无限冲击响应限波器算法(论文参考文献)
- [1]TR-OFDM系统中的星座加密方案研究[D]. 冯叶青. 重庆邮电大学, 2021
- [2]脉冲干扰环境下宽窄带混合主动噪声控制关键技术研究[D]. 祝文昭. 哈尔滨工业大学, 2021(02)
- [3]子带自适应滤波器优化设计与FPGA实现[D]. 吉利鹏. 苏州大学, 2020(02)
- [4]基于时间反演的超宽带通信系统抗干扰研究[D]. 史策. 重庆邮电大学, 2020
- [5]基于最小误差熵的仿射投影自适应滤波算法研究[D]. 侯威翰. 沈阳工业大学, 2019(08)
- [6]被动毫米波图像处理关键技术研究[D]. 朱书进. 南京理工大学, 2018(06)
- [7]复杂噪声背景下随钻泥浆脉冲信号检测与识别研究[D]. 张兴森. 中国石油大学(华东), 2018(07)
- [8]流水线型神经IIR自适应滤波器的理论和应用研究[D]. 严巍. 西南交通大学, 2018(10)
- [9]基于自适应滤波器的压电陶瓷执行器迟滞建模及逆控制[D]. 单凤敏. 北京理工大学, 2015(07)
- [10]低压电网剩余电流暂态过程特征提取与识别方法研究[D]. 关海鸥. 中国农业大学, 2014