《表3 噪声环境下各方法的结果对比》

  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

《电能质量扰动识别的小波压缩感知方法》

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:圆括号中数据为方法1（文献[8]）仿真结果，方括号中数据为方法2（文献[17]）仿真结果。

同时，考虑到实际工况下噪声影响，本文对原始始信号施加不同等级噪声，测试各方法在不同噪声环境下的识别性能，结果如表3所示。结果表明，随着噪声信号的加入，各方法的识别率都有不同程度的下降。在施加信噪比为30 dB高斯白噪发声时，相比方法1和方法2，本文方法仍能准确地识别暂降、暂升和波动等扰动信号，但对脉冲信号识别相对较差，其原因在于当施加的噪声幅值过强时，会掩盖脉冲信号，造成噪声与扰动特征重叠，使得神经网络错识为正常信号，进而影响对脉冲信号的正确识别。在施加40 dB和50 dB的高斯白噪声时，本文方法能够很好地识别暂降、暂升、中断以及脉冲信号，相应程度上优于方法1和方法2，并且在30 dB、40 dB和50 dB噪声环境下，本文方法的平均识别率分别能够达到97.62%、98.63%和99.38%，要明显优于方法1和方法2，具有较强地抗噪性。