《表2 LS-SVM和小波神经网络对实测噪声建模的比较Tab.2 Comparison of noise modeling by the LS-SVM and wavelet neural netwo
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《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》
以上的分析说明了基于LS-SVM和小波神经网络模型都能很好地仿真时变的低压电力线通信信道噪声,但是不能体现出两种模型对整体实测噪声的建模效果。为了比较LS-SVM和小波神经网络模型仿真电力线通信信道噪声的精度,用LS-SVM和小波神经网络分别对两次测量的室内单相电力线和室外三相电力线电机或抽油机运行和关闭两种状态下的16组噪声建模,16组噪声数据见表1。对于表1中每组噪声,两个模型仿真噪声的RMSE和运行时间,LS-SVM模型的优化参数σ和γ见表2。
图表编号 | XD0014790700 严禁用于非法目的 |
---|---|
绘制时间 | 2018.08.25 |
作者 | 张慧、卢文冰、赵雄文、李梁、刘军雨 |
绘制单位 | 华北电力大学电气与电子工程学院、华北电力大学电气与电子工程学院、华北电力大学电气与电子工程学院、华北电力大学电气与电子工程学院、国网信通产业集团国电通公司 |
更多格式 | 高清、无水印(增值服务) |
查看“表2 LS-SVM和小波神经网络对实测噪声建模的比较Tab.2 Comparison of noise modeling by the LS-SVM and wavelet neural networks”的人还看了
- 表2 相关分析法中噪声幅值对相位差测量结果影响的对比关系Tab.2 Comparison of the influence of noise amplitude on phase difference measurement results
- 表2 相关分析法中噪声幅值对相位差测量结果影响的对比关系Tab.2 Comparison of the influence of noise amplitude on phase difference measurement results
- 表3 移相后相关分析法噪声幅值对相位差测量结果影响的对比关系Tab.3 Comparison of the influence of noise amplitude on phase difference measurement resul