设计应用-AET-电子技术应用

突发通信快速定时恢复设计与实现[通信与网络][通信网络]

采用反馈结构定时恢复的数字接收机环路锁定时间存在不确定性，无法满足突发通信快速同步的需求。为快速获取定时误差，同时兼顾实现的复杂度和资源，提出了一种2倍采样下前馈结构的定时恢复方法。首先，根据同步段检测的相关峰值，利用抛物线估计得到定时误差；然后，通过四点分段抛物线插值将采样数据进行重构，恢复出定时同步的数据；最后，采用现场可编程门阵列硬件平台对该方法进行了实现及验证。实验结果表明，该方法计算量小、实现复杂度低，误码率在10-5时较理想采样仿真性能只损失0.05 dB，实现性能损失在0.2 dB以内。

发表于：6/18/2025 5:11:05 PM

基于广义Matern硬核点过程的两层异构蜂窝网络的性能分析[通信与网络][通信网络]

广义Matern硬核点过程（Generalized Matern Hard-Core Point Process， GMHCPP）是在硬核点过程的基础上通过引入竞争函数和删减函数来限制保留概率的一种排斥点过程。针对两层异构蜂窝网络模型中宏基站与微基站的性能进行了深入研究，获得了该模型的覆盖概率和平均可达速率的近似表达式。首先，基于宏基站的性能差异及其排斥性生成保留概率函数，进而，将宏基站的部署以GMHCPP建模。然后，采用蒙特卡罗模拟方法对基站分布进行仿真，并绘制出了平均干扰信号比与路径损耗因子的关系图，根据该函数图，拟合得到了用泊松点过程近似时GMHCPP的增益因子表达式。最后，将增益因子代入覆盖概率和平均可达速率公式，对两层异构蜂窝网络模型的性能指标进行了仿真与分析。

发表于：6/18/2025 5:01:05 PM

面向多源异构数据的知识图谱可视化融合方法[人工智能][其他]

为解决数据冗余冲突与关联缺失问题，研究面向多源异构数据的知识图谱可视化融合方法，提升数据融合的可靠性。利用网络本体语言为多源异构数据建立对应的领域本体库与全局本体库，使得知识实体抽取和知识融合在同一框架下进行；通过长短期记忆网络-条件随机场模型，在本体库约束下，从多源异构数据中抽取符合领域定义的知识实体；利用基于层次过滤思想的知识融合模型，可视化融合抽取的知识实体，解决多源异构数据中冗余信息和不一致性问题，形成准确、完整、可靠的多源异构数据可视化融合知识图谱，有助于发现潜在的数据关联，补全数据关联缺失。实验结果表明：随着数据缺失比例的提升，尺度系数与属性覆盖度均开始下降，最低尺度系数与属性覆盖度是0.86与0.87，均显著高于对应的阈值；所提方法在处理四个数据源时，视觉清晰度达93%~97%，信息融合度达92%~96%，均优于对比方法。说明该方法可有效抽取多源异构数据知识实体，建立知识图谱，实现多源异构数据可视化融合；在不同数据缺失比例下，该方法多源异构数据可视化融合的尺度系数与属性覆盖度均较大，即数据可视化融合效果较优；同时有效提升了数据可视化效果和信息整合程度。

发表于：6/18/2025 4:50:05 PM

复杂景观图像的语义多状态图像风格迁移[人工智能][其他]

复杂景观图像包含具有不同特征的各种对象，传统的风格迁移方法无法在同一图像中对不同对象进行局部风格迁移。CycleGAN可以通过伪监督策略在没有配对样本的情况下实现风格迁移。但是CycleGAN无法实现对复杂风景图像中不同类别对象的风格迁移；同时CycleGAN在复杂场景中的泛化能力不足且复杂度高。因此，提出了一种基于语义类别的复杂风景多状态图像生成方法，即语义类别风格迁移（Semantic Category Style Transfer，SCST），能够有效地结合局部特征实现复杂风景的图像生成。同时提出了上下文感知的风格迁移模型GCycleGAN。实验结果表明本文提出的GCycleGAN的性能优于CycleGAN、DualGAN和Munit等基于深度学习的图像生成模型。

发表于：6/18/2025 3:21:05 PM

基于特征选择和优化CNN-BiLSTM-Attention对SF6断路器漏气故障诊断[人工智能][智能电网]

SF6（六氟化硫）断路器是保障电网稳定运行的重要设备，但其在长期使用中容易发生漏气问题，既影响设备性能，又威胁电网的安全性。为精准诊断SF6断路器的漏气故障，提出了一种基于Gini指数特征选择和贝叶斯优化（Bayesian Optimization， BO）的CNN-BiLSTM-Attention组合模型。首先，针对影响SF6断路器漏气的内外部因素，进行特征映射与重要性分析，并采用KMeans-SMOTE技术解决数据分布不均的问题。其次，利用基于Gini指数的方法筛选关键特征，并通过贝叶斯优化精调CNN-BiLSTM-Attention模型的超参数以提升分类性能。实验结果表明，设备缺陷、运行年限、运维水平、天气和温度是导致漏气的主要因素。与其他模型相比，所提方法在漏气故障的0/1分类任务中展现出更高的分类精度和鲁棒性。研究不仅验证了方法的有效性，还揭示了引发SF6断路器漏气的关键因素，为设备巡检和运维管理提供了科学支持，进一步提升了电网运行的安全性与可靠性。

发表于：6/18/2025 3:11:05 PM

电力系统较大波动数据条目自适应检索方法研究[模拟设计][智能电网]

针对电力系统数据具有复杂性、多样性特点，导致检索难度过高的问题，设计了电力系统较大波动数据条目自适应检索方法。依据电力系统出力变化率，选取二分量一维混合高斯模型，构建电力系统波动概率分布模型。对比概率分布模型模拟的电力系统波动数据与量测数据，依据判定阈值辨识电力系统较大波动数据条目，构建数据条目检索库。利用哈希函数获取检索库内较大波动数据条目的哈希特征，生成二值码。较大波动数据条目检索时，生成用户检索词的二值编码，计算检索词二值码与检索库内条目二值码的汉明距离，并对其加权处理，利用加权汉明距离排序数据条目，获取较大波动数据条目的自适应检索结果。实验结果表明，该方法能够依据用户输入的检索词，自适应检索电力系统较大波动数据条目，检索结果的归一化折损累积增益均高于0.9，检索时间低于500 ms。

发表于：6/18/2025 3:01:05 PM

基于机器阅读理解的电力安全命名实体识别方法[模拟设计][智能电网]

为解决现有命名实体识别方法在电力安全规程等领域文本中识别效果不佳的问题，提出了一种基于机器阅读理解的电力安全命名实体识别方法。首先，使用预训练模型对待识别文本进行编码处理得到文本向量表示。其次，利用层次化注意力机制捕捉嵌套实体间的层次关系，重新分配文本序列的注意力权重；在此基础上，利用分类器预测文本中实体范围，得到最终实体识别结果。将该方法在ACE 2005与OntoNotes 4.0公开数据集上进行验证，对比主流方法其取得最优的识别效果，在电力安全领域实体识别场景下，该方法可达到89.3%的识别准确率，实现电力安全领域命名实体的精准识别。

发表于：6/18/2025 2:50:05 PM

数据驱动的商业负荷集群动态聚合研究[模拟设计][智能电网]

商业负荷集群的动态聚合对提高电网的调度灵活性、优化需求侧管理以及促进可再生能源消纳具有重要意义。基于典型相关分析（CCA）选取商业负荷特征，并结合DBSCAN 和 K-means等聚类算法对负荷进行分类，以构建适用于不同场景的负荷集群。进一步，提出了三种负荷聚合标准，即基于调节速度、负荷稳定性和经济性的标准，并分析不同标准下的商业负荷聚合特性、适用性及其在电力调度中的潜在应用。

发表于：6/18/2025 2:39:04 PM

面向电气设施火灾早期检测的多模态融合模型[模拟设计][安防电子]

高层建筑电气火灾难以预测，危害程度大。为此，提出了一种面向高层建筑电气火灾早期检测的多模态数据融合模型，该模型融合了温度、CO气体浓度与烟雾三种不同模态传感器的数据，利用了各模态间的互补优势。首先使用gMLP捕捉三种模态数据的内在模式，完成特征提取。然后利用基于多头注意力的融合方法，融合不同模态数据间的有效信息，完成特征融合，并识别出存在火情隐患的电气设施。通过在无隐患与不同电气设施存在火情隐患情况下的多模态数据集上进行实验，证明了多模态数据融合模型的早期预测具有较高的准确率，表明了融合方法的优越性。

发表于：6/18/2025 2:27:03 PM

AirGAN：空调机理模型增强生成对抗模型[模拟设计][智能电网]

为引导资源庞大、调控灵活的空调负荷参与需求响应实现“源荷互动”，保障电网的安全经济运行，各大研究单位开展了楼宇空调需求响应实时控制仿真与实践研究。然而，如何准确地估算空调的负荷，并对空调负荷进行预测是目前面临的重要挑战。当前主流方法包括模型驱动型、数据驱动型两种方法体系。其中模型驱动型依赖对空调负荷的建模，难以实现对空调负荷复杂变化的模拟。数据驱动则是依赖大量数据进行模型训练，但难以覆盖空调负荷的各类特点。为此，拟从模型驱动及数据驱动相结合的角度进行空调负荷的智能拟合，以提升空调负荷生成预测的准确性和适应性。提出了一种基于机制模型与生成对抗网络（GAN）相结合的负荷生成方法和模型AirGAN。该方法通过GAN生成器生成的虚拟数据，持续调整物理模型的超参数，以使其更好地符合实际空调负荷特性。同时，采用GAN判别器对机制模型预测的负荷进行判别，以此训练机制模型，从而提升其预测精度。

发表于：6/18/2025 2:14:03 PM