《表2 不同噪声条件下的分类准确率》

  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

《基于双分辨率S变换和学习向量量化神经网络的电能质量扰动检测方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注：NF表示不加噪声。

在实际测量中，电能质量信号总是不可避免地受到来自信号处理设备、信号传输通道所引入噪声的影响。在噪声影响下，电能质量扰动信号的辨识准确度往往会降低。为检验算法的抗噪性，本文在基波频率为50Hz的电能质量扰动信号模型基础上分别添加不同信噪比的白噪声，每种类型扰动信号所加白噪声的信噪比分别为20dB、30dB和50dB。采用30个样本确定LVQ神经网络模型参数，各类扰动信号提取的特征向量均为1 000个。不同类型扰动信号所得的分类准确率见表2。