《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》
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。
图表编号 | XD0055623000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.25 |
作者 | 李建闽、林海军、梁成斌、滕召胜、成达 |
绘制单位 | 湖南师范大学工程与设计学院、湖南师范大学工程与设计学院、湖南大学电气与信息工程学院、湖南大学电气与信息工程学院、中国电力科学研究院 |
更多格式 | 高清、无水印(增值服务) |