基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
提出在色噪声背景下,采用共振稀疏分解的随机子空间法进行低频振荡模态参数的辨识,根据信号预知的共振属性实现复杂信号的分离.首先,对含高斯色噪声的低频振荡信号进行分解,得到高共振分量、低共振分量和余项三部分.低频振荡信号具有高共振属性,高共振分量即为提取的持续振荡的低频振荡信号,而高斯色噪声大部分存在于余项中.然后对高共振分量利用SSI进行参数辨识,得到较高参数的辨识准确度.仿真算例和实例说明了所提方法的有效性.
推荐文章
基于RSSD和ICA算法的低频振荡模态 参数辨识
低频振荡
模态参数辨识
高斯色噪声
多通道信号
共振稀疏分解
独立分量
基于EMD和SSI的电力系统低频振荡模态参数识别方法
低频振荡
经验模态分解
时空滤波
随机子空间
振型
基于约束EKF的低频振荡模态参数辨识
卡尔曼滤波
约束方法
低频振荡
粒子群算法
参数辨识
基于双协方差随机子空间识别的类噪声数据低频振荡辨识
类噪声
低频振荡
随机子空间识别
双协方差
系统聚类
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 低频振荡模态参数辨识的共振稀疏分解SSI分析方法
来源期刊 电工技术学报 学科 工学
关键词 低频振荡 共振稀疏分解 可调Q因子小波变换 高共振分量 低共振分量 随机子空间
年,卷(期) 2016,(2) 所属期刊栏目 电力系统
研究方向 页码范围 136-144
页数 9页 分类号 TM712
字数 4949字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 赵妍 哈尔滨工业大学电气工程及自动化学院 22 982 9.0 22.0
3 李天云 东北电力大学输变电技术学院 82 2334 22.0 47.0
4 李志民 哈尔滨工业大学电气工程及自动化学院 33 921 14.0 30.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2016(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
低频振荡
共振稀疏分解
可调Q因子小波变换
高共振分量
低共振分量
随机子空间
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电工技术学报
半月刊
1000-6753
11-2188/TM
大16开
北京市西城区莲花池东路102号天莲大厦10层
6-117
1986
chi
出版文献量(篇)
8330
总下载数(次)
38
总被引数(次)
195555
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导