- 详情
- 2020-12-27
- 简介
- 3.8MB
- 页数 10P
- 阅读 67
- 下载 38
电力线通信是智能电网中的一种重要通信方式,电网中噪声干扰复杂,建立电力线通信信道噪声模型对于深入研究智能电网中低压电力线通信性能至关重要.针对低压电力线通信信道噪声特性,分别提出基于最小二乘支持向量机(LS-SVM)模型和小波神经网络模型在电力线信道噪声中的应用.为了验证并比较LS-SVM和小波神经网络模型对时变的低压电力线信道噪声建模的有效性,在室内和室外环境下对低压电力线通信信道的噪声进行测量,基于大量的测量数据,研究两个模型的准确度和效率.结果表明,两个噪声模型能够很好地仿真和适应时变的低压电力线通信信道,LS-SVM模型有更高的精度和更短的仿真时间.此外,提出的两个模型与传统的Markovian-Gaussian模型进行比较,结果表明,两个噪声模型有更高的精度和更低的复杂度,尤其是LS-SVM模型能够代替传统的Markovian-Gaussian模型,更适合用作低压电力线通信信道噪声发生器.该噪声模型的提出对研究在电力线通信系统和无线通信系统中内部和外部电磁源的电磁干扰有重要意义.
对不起,您暂无在线预览权限,如需浏览请
立即登录热门商品
相关推荐
基于最小二乘支持向量机和小波神经网络的 电力线通信信道噪声建模研究 3.8MB
基于最小二乘支持向量机和小波神经网络的电力线通信信道噪声建模研究 1.9MB
基于灰色模型和最小二乘支持向量机的电力短期负荷组合预测 276KB
基于最小二乘支持向量机的公路软基沉降预测 197KB
改进粒子群算法和最小二乘支持向量机的电力负荷预测 1.7MB
基于最小二乘支持向量机的水库来水量预测模型 154KB
基于最小二乘支持向量机回归的单桩竖向极限承载力预测 147KB
岩体变形模量偏最小二乘回归与神经网络关联性研究 131KB