一种离散傅里叶算法的新算法

当输入信号中包含衰减直流分量时,传统的离散傅里叶算法的计算精度和计算效率都有所降低,提出了一种传统离散傅里叶算法的新算法,通过仿真对比可以看出,提出的新算法不但能够有效滤除衰减直流分量,而且相比传统离散傅里叶算法需要4或以上的采样周期,且新离散傅里叶算法只需要一个采样周期,大大提高了计算的效率。     

一种衰减直流分量精确估计新算法

提出一种从故障电流信号中消除衰减直流分量的新算法.该算法基于纯正弦波信号在一个全波周期积分为零、而指数衰减信号在一个全波周期积分不为零的原理,用一个全波周期加上前一个采样周期的采样数据,就能精确估计指数函数型衰减直流信号的幅值和时间常数.将每个采样数据减去衰减直流分量偏移量得到校正采样数据,应用全波DFT电相量算法就能对滤除衰减直流分量的故障电流基波相量进行高精度测量.该算法对数字积分和指数函数进行了工程运算的简化,并提出衰减直流分量是否存在的简易判别算法,提高了数字保护算法的选择性.在M atlab仿真平台上进行了综合仿真试验,试验表明:所提算法测量精度高,易于用DSP实现,可应用到基于DSP的数字继电保护装置中.     

精确消除衰减直流分量误差的改进算法

传统全周傅氏算法在直接处理含有指数衰减直流分量的电力系统故障信号时会产生较大误差,针对这个问题,提出了消除其误差的改进傅氏算法.该算法基于包含衰减分量的输入信号在一个周期内积分值及采样数据的求和不为零的原理,在计算衰减分量误差的过程中不需要增加采样点和任何近似计算,就可以求出衰减直流分量对傅氏算法带来的误差及衰减参数,将衰减分量造成的误差从故障输入信号的傅氏算法结果值中减去.仿真结果表明,该算法可以获得精确的基波及各次谐波相关参数,可应用于电力系统谐波在线分析.     

基于全波傅氏算法的微机继电保护

微机继电保护是用数学运算的方法实现故障的测量、分析和判断的。当输入信号中含有衰减直流分量而不再是周期函数时,全波傅氏算法有较大的误差。本文提出了一种改进算法,仅要求基波周期内的采样点数为4的整数倍,就能在未知衰减时间常数的情况下对衰减直流分量进行补偿,理论上能够完全滤除衰减直流分量。     

电力系统频率偏移对傅里叶算法的影响

研究了电力系统频率偏移时傅里叶算法的幅值误差，得完整的傅里叶算法的幅频特性，表明除基频和整次谐波外，该算法的幅频特性是多值函数。分析了用于抑制衰减直流分量的几种滤波器在电力系统频率偏移时的行为。     

一种基于傅里叶变换的改进ViBe算法

针对Vi Be算法在第1帧图像中含有运动目标时容易引入Ghost区域以及不能很好地去除阴影等问题.我们基于块的背景建模结合傅里叶变换,对Vi Be算法进行了改进.该算法对每一帧图像进行分块,在块内使用快速傅里叶变换,利用第1帧图像中每一块的直流分量建立背景模型,以后各帧与背景模型比较,检测出运动物体,最后通过扫描图像计算每一列前景像素的个数与设置的阈值进行比较,来消除阴影.实验结果表明,改进的算法可以快速的去掉Ghost区域以及很好地去除阴影.     

应用量纲归一化方法改进的分数傅里叶变换快速算法

提出了一种实现分数傅里叶变换快速计算的改进算法,该算法将量纲归一化的方法应用到分数傅里叶变换光学系统中,严格导出了空域、分数傅里叶变换域和傅里叶变换域的采样间隔,并根据该采样间隔模拟分数傅里叶变换光学系统实现了分数傅里叶变换快速算法.相应的数值模拟实验表明:该算法计算的强度值结果与Kutay的算法相应的计算结果一致; 以Kutay算法的计算结果为参考,该算法计算的准确性要优于Bultheel的算法的计算结果; 与Kutay的算法和Bultheel的算法相比较,该算法的计算速度较快.实验还表明,该算法的计算结果不会随人为确定的2个参数(波长和透镜焦距)的变化而变化,具有良好的稳定性.     

一种基于正序分量的改进傅氏测频算法

从系统中性点漂移影响和特定谐波在正序分量中表现特性两个方面,分析基于正序分量的傅氏测频算法的改进机理.通过建立信号和采样模型以及MATLAB工具仿真,验证基于正序分量数据源计算的傅氏测频算法的改进效果.该算法降低了傅氏计算窗口数据初始相位对测频精度的影响,减小了谐波分量对傅氏测频算法精度的影响,也减小了计算输出频率与系统实际频率偏差对傅氏测频算法结果的影响.该算法适合定频采样的保护装置,且计算量不大,特别是本来需要计算序分量的保护装置.     

基于双稳态永磁操作机构的智能低压真空断路器设计

分析了低压真空断路器的双稳态永磁操动机构的基础上微处理器为控制单元,研究了断路器电流三段保护的工作原理。以全波傅里叶算法为测量算法滤除复杂环境下的高次谐波干扰及恒定直流分量,得到的基波幅值与微处理器的设定值比较后发出指令控制晶闸管基极触发信号利用晶闸管来控制分合闸线圈中电流的通断。样机测试了三段电流保护性能并利用仿真工具MATLAB对测试数据进行了分析。实验表明,配电系统发生故障时,所设计的控制器能够在误差允许范围内对断路器实现有效分合闸从而提高了断路器控制的可靠性增强了配电系统的稳定性。     

基于最小二乘法的自适应电流速断保护中系统参数的实时计算

对自适应电流速断保护中实时计算系统参数的算法进行了研究.提出了在系统发生故障时采用带补偿的全波傅氏算法,基于最小二乘法推导全波傅氏算法的补偿分量,并实时计算出系统的等值内电抗,然后再利用记忆在计算机存储器中的故障前的测量电压、电流采样值来计算系统等值内电势的相电势幅值Em.     

基于全周波富氏算法滤除衰减直流分量新方法

提出了一种非递推全周波富氏算法中滤除衰减直流分量Ae^t/r的新方法,并在单一数据窗口中推导了与τ无关的精确校正算法,该算法简单,适用于微机继电保护中提取各次谐波分量。     

变数据窗阻抗算法的频域分析方法研究

分析典型变数据窗阻抗算法的估计原理和特点 ,提出了一种适用于不同阻抗估计算法的新型频率响应计算方法 ,为不同算法的频域特性分析和比较提供了共同的基础 .该方法也可用于对算法抑制非周期分量的性能进行分析研究     

配电网故障暂态信号的逼近处理方法

针对一些需尽快计算故障后稳态电流电压值的应用情况,如配网配变支路保护、用户侧保护等,短时间内处理电流电压故障暂态信号成为了一个必须面对的问题。现有电网故障信号处理方法通常受限于采样数据长度和待求参数数量,存在处理电流电压故障暂态信号时间较长和难求取的问题。利用配网故障暂态电压电流的特点,由稳态工频分量和直流衰减分量组合建模近似表征配网故障暂态电压电流,采用粒子群高斯牛顿混合算法对此模型的各参数进行辨识,实现暂态参数的求取。仿真分析和工程应用表明,该方法可缩减待求参数个数,利用较短的采样数据对故障暂态电压电流信号参数进行求取,且具有较高鲁棒性。     

基于DCT技术彩色图像水印算法的研究

采用DCT技术进行彩色图像水印的嵌入与提取,提出一种基于DCT域的彩色图像数字水印算法.该算法利用Amold变换置乱图像,给出DCT系数所对应的径向频率的排列图,通过人类视觉系统特性计算权值因子的方法确定鲁棒值系数,利用最小可察觉误差嵌入最大可能的水印信息量,分析并研究数字水印信息在嵌入位置选择上对水印算法性能的影响.在嵌入水印时,针对HSI色彩空间,在亮度分量I以及两个色差分量H和S中嵌入鲁棒水印,通过分块把原始图像各分量的DC系数嵌进鲁棒水印,进行标识版权,实现嵌入强度与区域特性的自适应变化,有效加强同类水印方案的鲁棒性,提高多媒体版权保护能力.     

直流偏磁下变压器绕组及垫块振动特性分析

直流偏磁使得变压器绕组振动加剧,目前采用将绕组简化为忽略垫块结构的圆柱模型的建模方法误差较大.建立包含垫块的线饼式绕组精细化模型,通过电磁场-结构场-流体场多物理场耦合的方法,在对直流偏磁下变压器磁场分布进行分析的基础上,对绕组及垫块的振动位移特性进行研究且进行实验验证.结果表明:直流偏磁下变压器漏磁增加且在特定角度分布集中,绕组在对应位置出现新的不平衡单边振动模式,绕组局部位移的不平衡使得垫块脱落的可能性增加,变压器抗突发能力下降.此研究可为变压器直流偏磁下运行状态监测提供理论指导.     

全组分废弃混凝土再生水泥熟料烧成及水化性能研究

针对我国废弃混凝土胶凝化再生利用技术存在的组分分离导致材料利用率低、生产成本和能耗高等问题,提出利用以石灰岩为粗骨料的全组分废弃混凝土作为生料原料,煅烧熟料、制备再生水泥的新思路.研究了再生水泥的生料易烧性以及熟料的矿物组成、水化强度和水化产物的微观形貌.结果表明:全组分废弃混凝土再生水泥技术是可行的;再生水泥生料易烧性较好,熟料胶砂强度低于硅酸盐水泥熟料技术要求,试验条件是影响强度的主要因素;引入熟料晶种煅烧的再生水泥熟料,其主要矿物成分和水化产物的组成与参比工业熟料基本相同,两者水化产物中C-S-H凝胶形貌相似.     

一种北斗伪距单点定位的加权最小二乘(WLS)快速算法

针对当前伪距单点定位普遍采用的高斯牛顿迭代最小二乘(gauss-newton iterative least squares,GNILS)定位算法存在对初始值的估计依赖性强,且迭代计算量大的缺点,结合直接解算(direct calculation,DC)定位方法定位解算快和加权最小二乘(weighted least squares,WLS)定位算法定位精度高的优点,提出一种北斗伪距单点定位的WLS快速(fast weighted least squares,WLSF)定位算法?通过北斗实测数据验证表明,WLSF定位算法计算复杂度显著减少,并且定位精度具有较大改善?     

一种基于主成分分析的稀疏数据模式分类隐私保护算法

 模式分类过程涉及到对原始训练样本的学习,容易导致用户隐私的泄露。为了避免模式分类过程中的隐私泄露,同时又不影响模式分类算法的性能,提出一种基于主成分分析（PCA）的模式分类隐私保护算法。该算法利用PCA 提取原始训练数据的主成分,并将原始训练样本集合转化为主成分的新样本集合,然后利用新样本集合进行分类学习。选用Adult 数据集和KDDCUP 99 数据集进行仿真实验,并采用正确率和召回率进行性能评价,结果表明,该隐私保护算法通过PCA 提取原始数据特征属性的主成分,可避免原始属性的泄露,同时PCA 在一定程度上可实现去噪,从而使分类器的分类性能优于原始数据集的分类性能。与已有算法比较,该隐私保护算法具有更好的模式分类精度和隐私保护性能。