CN115390113A - 一种面向电力系统的bd3高精度定位方法及系统 - Google Patents
一种面向电力系统的bd3高精度定位方法及系统 Download PDFInfo
- Publication number
- CN115390113A CN115390113A CN202211033783.4A CN202211033783A CN115390113A CN 115390113 A CN115390113 A CN 115390113A CN 202211033783 A CN202211033783 A CN 202211033783A CN 115390113 A CN115390113 A CN 115390113A
- Authority
- CN
- China
- Prior art keywords
- beidou
- signal
- intermediate frequency
- frequency sampling
- adaptive filter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
Abstract
本发明涉及卫星定位技术领域,尤其涉及一种面向电力系统的BD3高精度定位方法及系统,包括:接收北斗中频采样信号,并对北斗中频采样信号进行预处理,得到北斗中频采样延迟信号;利用步长因子演进算法优化待改进自适应滤波器中的步长因子,得到最优步长因子,以构建改进型自适应滤波器;将北斗中频采样延迟信号输入改进型自适应滤波器中,得到北斗定位信号。本发明通过步长因子演进算法优化LMS滤波器步长因子,同时利用改进型自适应滤波器消除电磁干扰,提高了北斗定位精度,避免了部分无可信度的信号对滤波器的影响,且能够平衡收敛速度与稳态噪声间的关系,满足电力系统的高精度定位需求。
Description
技术领域
本发明涉及卫星定位技术领域,尤其涉及一种面向电力系统的BD3高精度定位方法及系统。
背景技术
随着社会的发展,电能的需求也在不断增加,电力系统作为国民经济的重要组成部分,其安全稳定运行对人民正常生产生活具有重要意义,其中,电力设备巡检、故障抢修等电力业务需要高精度的定位信息,以保障电力系统安全稳定运行;北斗作为我国自主研发的定位导航系统,具有覆盖广,定位精度高等优点,可以为电力系统提供精准的定位服务。
然而,电力系统内大量的设备会产生电磁干扰,影响北斗定位设备的精度,因此,为保障电力场景内电力巡检、故障抢修等各业务正常运行,亟需一种面向电力系统的北斗三号(BeiDou-3,BD3)高精度定位模块,提高北斗定位精度,保障电力系统安全稳定运行;目前,在电力系统中,通常采用滤波的方法消除电磁干扰,提高北斗定位精度,然而,传统的滤波方法由于存在某个信号可信度极低而导致滤波器不能得到最优滤波结果,影响北斗定位精度,此外,传统的最小均方差(Least Mean Square,LMS)滤波方法由于其步长因子是人工设定,无法平衡收敛速度与稳态噪声间的关系,过小的步长会导致速度下降而过高的步长会导致稳态失调,影响北斗定位精度。
发明内容
本发明提供了一种面向电力系统的BD3高精度定位方法及系统,解决的技术问题是,传统的北斗定位信号滤波处理无法避免部分无可信度的信号对滤波器的影响,且无法平衡收敛速度与稳态噪声间的关系,难以满足电力系统的高精度定位需求。
为解决以上技术问题,本发明提供了一种面向电力系统的BD3高精度定位方法及系统。
第一方面,本发明提供了一种面向电力系统的BD3高精度定位方法,所述方法包括以下步骤:
接收北斗中频采样信号,并对所述北斗中频采样信号进行预处理,得到北斗中频采样延迟信号;
利用步长因子演进算法优化待改进自适应滤波器中的步长因子,得到最优步长因子;
根据所述最优步长因子,构建改进型自适应滤波器;
将所述北斗中频采样延迟信号输入改进型自适应滤波器中,得到北斗定位信号。
在进一步的实施方案中,所述对所述北斗中频采样信号进行预处理,得到延迟信号的步骤包括:
获取北斗中频采样信号的载噪比,并根据所述北斗中频采样信号的载噪比和预先设置的载噪比阈值进行奇点剔除,得到新北斗中频采样信号;
对所述新北斗中频采样信号进行延迟,得到北斗中频采样延迟信号。
在进一步的实施方案中,所述利用步长因子演进算法优化自适应滤波器中的步长因子,得到最优步长因子的步骤包括:
初始化种群的生成,并确定适应度函数;
比较个体间的适应度函数,并对个体进行交叉、变异操作,得到新种群;
计算新种群中个体的适应度函数值,并将适应度函数值满足优化收敛条件的个体选择出来,得到待改进自适应滤波器的最优步长因子。
在进一步的实施方案中,所述适应度函数的计算公式为:
式中,F(r)表示适应度函数值;N表示个体数量;yr表示待改进自适应滤波器的实际输出值;y′r表示待改进自适应滤波器的期望输出值。
在进一步的实施方案中,所述将所述北斗中频采样延迟信号输入改进型自适应滤波器中,得到北斗定位信号的步骤包括:
根据北斗中频采样延迟信号和改进型自适应滤波器的初始权重,得到滤波器输出信号;
将期望响应与所述滤波器输出信号相减,得到信号误差;
根据所述信号误差和最优步长因子更新改进型自适应滤波器的权系数,得到下一时刻的权系数向量;
在达到滤波收敛条件时,确定最优权重向量,并利用最优权重向量对所述北斗中频采样延迟信号进行滤波,得到北斗定位信号。
在进一步的实施方案中,所述下一时刻的权系数向量的计算公式为:
w(n+1)=w(n)-2μe(n)*g(n-T)
式中,w(n+1)表示(n+1)时刻的滤波器权系数向量;w(n)表示n时刻的滤波器权系数向量;μ表示最优步长因子;e(n)表示信号误差;g(n-T)表示北斗中频采样延迟信号。
在进一步的实施方案中,所述滤波收敛条件包括达到迭代次数或者所述信号误差达到预设的信号误差阈值。
第二方面,本发明提供了一种面向电力系统的BD3高精度定位系统,所述系统包括:
信号处理模块,用于接收北斗中频采样信号,并对所述北斗中频采样信号进行预处理,得到北斗中频采样延迟信号;
LMS滤波器优化模块,用于利用步长因子演进算法优化待改进自适应滤波器中的步长因子,得到最优步长因子;还用于根据所述最优步长因子,构建改进型自适应滤波器;
北斗定位模块,用于将所述北斗中频采样延迟信号输入改进型自适应滤波器中,得到北斗定位信号。
同时,第三方面,本发明还提供了一种计算机设备,包括处理器和存储器,所述处理器与所述存储器相连,所述存储器用于存储计算机程序,所述处理器用于执行所述存储器中存储的计算机程序,以使得所述计算机设备执行实现上述方法的步骤。
第四方面,本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序,所述计算机程序被处理器执行时实现上述方法的步骤。
本发明提供了一种面向电力系统的BD3高精度定位方法及系统,所述方法通过利用奇点剔除对接收的北斗中频采样信号进行处理,并得到北斗中频采样延迟信号,利用步长因子演进算法优化LMS滤波器步长因子,并将北斗中频采样延迟信号输入到改进型自适应滤波器,得到高精度的北斗定位信号,从而实现消除电磁干扰,提高北斗定位精度的效果。与现有技术相比,该方法通过步长因子演进算法优化LMS滤波器步长因子,并采用改进型自适应滤波器对误差进行反馈校正,大大提升了北斗定位精度,具有广阔的应用前景。
附图说明
图1是本发明实施例提供的面向电力系统的BD3高精度定位方法流程示意图;
图2是本发明实施例提供的面向电力系统的BD3高精度定位系统框图;
图3是本发明实施例提供的计算机设备的结构示意图。
具体实施方式
下面结合附图具体阐明本发明的实施方式,实施例的给出仅仅是为了说明目的,并不能理解为对本发明的限定,包括附图仅供参考和说明使用,不构成对本发明专利保护范围的限制,因为在不脱离本发明精神和范围基础上,可以对本发明进行许多改变。
参考图1,本发明实施例提供了一种面向电力系统的BD3高精度定位方法,如图1所示,该方法包括以下步骤:
S1.接收北斗中频采样信号,并对所述北斗中频采样信号进行预处理,得到北斗中频采样延迟信号。
在一个实施例中,所述对所述北斗中频采样信号进行预处理,得到延迟信号的步骤包括:
获取北斗中频采样信号的载噪比,并根据所述北斗中频采样信号的载噪比和预先设置的载噪比阈值进行奇点剔除,得到新北斗中频采样信号;
对所述新北斗中频采样信号进行延迟,得到北斗中频采样延迟信号。
具体地,本实施例接收北斗中频采样信号x(n),该北斗中频采样信号由两部分组成:x(n)=s(n)+b(n),其中,s(n)表示北斗定位有用扩频调制信号,b(n)表示电磁干扰,且相互统计独立;根据各自特征可知,s(n)为弱相关信号;b(n)采用Alpha稳定分布噪声模型描述,能够表示为以下的特征函数:
b(n)=exp{-γ|n|α}
式中,α表示特征值,1<α<2;γ表示扩散因子,类似于高斯分布式中的方差,特别的,当γ=1时,Alpha稳定分布噪声又称为标准Alpha稳定分布噪声;当α=1时,Alpha分布式退化为柯西分布;当α=2时,Alpha分布式为高斯分布。
本实施例将北斗中频采样信号的载噪比(C/N)作为衡量定位信号可信度的指标,由于载噪比(C/N)与带宽有关,因此,通常将1Hz带宽上的载噪比C/N0作为定位信号可信度指标,C/N0可反映定位信号的可信度,C/N0越大表明信号质量越好,北斗定位结果的准确性也越高;本实施例预先设置的载噪比阈值,并将所述北斗中频采样信号的载噪比和预先设置的载噪比阈值比较,判断所述北斗中频采样信号的载噪比是否小于载噪比阈值,若所述北斗中频采样信号的载噪比小于载噪比阈值,则判定对应的采样点为奇点,并进行奇点剔除,从而得到一组新北斗中频采样信号g(n),对新北斗中频采样信号g(n)进行延迟,得到北斗中频采样延迟信号g(n-T),其中,T的选择应保证有用信号不相关,电磁干扰信号具有良好相关性,本实施例定义第n个采样点之前的M个采样数据g(n-T)=[g(n-T),g(n-T-1),...,g(n-T-M+1)]T;其中,g(n)、g(n-T-1)、g(n-T-M+1)分别为第n个采样点之前的第M个数据、第M-1个数据、第1个数据;M表示LMS滤波器的阶数;T表示延迟时间,其值与扩频信号弱相关时间和采样频率有关。
S2.利用步长因子演进算法优化待改进自适应滤波器中的步长因子,得到最优步长因子。
在一个实施例中,所述利用步长因子演进算法优化自适应滤波器中的步长因子,得到最优步长因子的步骤包括:
初始化种群的生成,随机生成N个个体,每个个体中由一组二进制数构成,每个二进制数组代表一个用于提高北斗定位精度的待改进LMS滤波器的步长因子;
确定适应度函数,个体生存能力由适应度函数决定,适应度函数值越大,个体生存能力越强,其中,所述适应度函数的计算公式为:
式中,F(r)表示适应度函数值;N表示个体数量;yr表示待改进自适应滤波器的实际输出值;y′r表示待改进自适应滤波器的期望输出值;
对个体进行选择操作,比较个体间的适应度函数,每次按轮盘赌的方法选择一对个体进行竞争,适应度函数值大的个体被选中,具有繁殖下一代的可能,适应度函数值小的个体轮空参与下次轮盘赌的竞争,如此反复,直到选满为止;
对个体进行交叉操作,两个相互配对的个体按单点交叉方式相互交换染色体中的部分基因,形成两个新的个体,生成的每个新个体代表一个待改进LMS滤波器的步长因子;
对个体进行变异操作,随机选择变异个体,被选中的个体以概率随机使数组中的某值变异,得到更新后的待改进LMS滤波器的步长因子,生成新种群;
计算新种群中个体的适应度函数值F(r),并将适应度函数值F(r)满足优化收敛条件的个体选择出来,得到待改进自适应滤波器的最优步长因子μ;若未达到优化收敛条件,则重新对个体进行选择操作;在本实施例中,优化收敛条件包括适应度函数值F(r)达到适应度阈值或者进化次数达到最大值。
S3.根据所述最优步长因子,构建改进型自适应滤波器。
S4.将所述北斗中频采样延迟信号输入改进型自适应滤波器中,得到北斗定位信号。
在一个实施例中,所述将所述北斗中频采样延迟信号输入改进型自适应滤波器中,得到北斗定位信号的步骤包括:
根据北斗中频采样延迟信号和改进型自适应滤波器的初始权重,得到滤波器输出信号;其中,滤波器输出信号y(n)的计算公式为:
y(n)=w(n)*g(n-T)
式中,w(n)表示n时刻滤波器权系数向量;g(n-T)表示北斗中频采样延迟信号;
将期望响应d(n)与所述滤波器输出信号相减,得到信号误差e(n);
根据所述信号误差和最优步长因子更新改进型自适应滤波器的权系数,得到下一时刻的权系数向量,其中,所述下一时刻的权系数向量的计算公式为:
w(n+1)=w(n)-2μe(n)*g(n-T)
式中,w(n+1)表示(n+1)时刻的滤波器权系数向量;w(n)表示n时刻的滤波器权系数向量;μ表示最优步长因子;e(n)表示信号误差;g(n-T)表示北斗中频采样延迟信号;
在达到滤波收敛条件时,确定可以用于消除北斗定位信号电磁干扰的最优权重向量w(n+1),并利用最优权重向量w(n+1)对所述北斗中频采样延迟信号进行滤波,消除电磁干扰,得到高精度的北斗定位信号。
在本实施例中,所述滤波收敛条件包括达到迭代次数或者所述信号误差达到预设的信号误差阈值。
本实施例提供了一种面向电力系统的BD3高精度定位方法,所述方法通过奇点剔除对接收的北斗中频采样信号进行处理,并得到北斗中频采样延迟信号,利用步长因子演进算法优化LMS滤波器步长因子,并将北斗中频采样延迟信号输入到改进型自适应滤波器,得到高精度的北斗定位信号,实现高精度定位。与现有技术相比,本申请通过步长因子演进算法优化步长因子,得到滤波器最优步长因子,使其提高收敛速度的同时避免稳态失调,并利用改进型自适应滤波器进行滤波,消除电磁干扰,具有定位精度高、稳定性好、抗干扰能力强等优点。
需要说明的是,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
在一个实施例中,如图2所示,本发明实施例提供了一种面向电力系统的BD3高精度定位系统,所述系统包括:
信号处理模块101,用于接收北斗中频采样信号,并对所述北斗中频采样信号进行预处理,得到北斗中频采样延迟信号;
LMS滤波器优化模块102,用于利用步长因子演进算法优化待改进自适应滤波器中的步长因子,得到最优步长因子;还用于根据所述最优步长因子,构建改进型自适应滤波器;
北斗定位模块103,用于将所述北斗中频采样延迟信号输入改进型自适应滤波器中,得到北斗定位信号。
关于一种面向电力系统的BD3高精度定位系统的具体限定可以参见上述对于一种面向电力系统的BD3高精度定位方法的限定,此处不再赘述。本领域普通技术人员可以意识到,结合本申请所公开的实施例描述的各个模块和步骤,能够以硬件、软件或者两者结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
本实施例提供了一种面向电力系统的BD3高精度定位系统,所述系统通过信号处理模块实现对接收的北斗中频采样信号的奇点剔除处理,并得到北斗中频采样延迟信号,通过LMS滤波器优化模块实现优化LMS滤波器步长因子;通过北斗定位模块实现将北斗中频采样延迟信号输入到改进型自适应滤波器,得到高精度的北斗定位信号。与现有技术相比,本申请能够实现高精度北斗定位信号滤波处理,提高了导航定位的精度和可靠性,满足电力系统高精度定位需求,具有精度高、可靠性强、适用性广等特点,有利于北斗定位技术推广应用。
图3是本发明实施例提供的一种计算机设备,包括存储器、处理器和收发器,它们之间通过总线连接;存储器用于存储一组计算机程序指令和数据,并可以将存储的数据传输给处理器,处理器可以执行存储器存储的程序指令,以执行上述方法的步骤。
其中,存储器可以包括易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者;处理器可以是中央处理器、微处理器、特定应用集成电路、可编程逻辑器件或其组合。通过示例性但不是限制性说明,上述可编程逻辑器件可以是复杂可编程逻辑器件、现场可编程逻辑门阵列、通用阵列逻辑或其任意组合。
另外,存储器可以是物理上独立的单元,也可以与处理器集成在一起。
本领域普通技术人员可以理解,图3中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有相同的部件布置。
在一个实施例中,本发明实施例提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述方法的步骤。
本发明实施例提供的一种面向电力系统的BD3高精度定位方法及系统,其一种面向电力系统的BD3高精度定位方法能够平衡收敛速度与稳态噪声间的关系,同时达到较大的收敛速度与较小的稳态噪声,有效提高了利用北斗系统的定位精度,不仅能够满足电力系统高精度定位需求,而且功耗小,抗干扰能力强。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如SSD)等。
本领域技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。
以上所述实施例仅表达了本申请的几种优选实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和替换,这些改进和替换也应视为本申请的保护范围。因此,本申请专利的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种面向电力系统的BD3高精度定位方法,其特征在于,包括以下步骤:
接收北斗中频采样信号,并对所述北斗中频采样信号进行预处理,得到北斗中频采样延迟信号;
利用步长因子演进算法优化待改进自适应滤波器中的步长因子,得到最优步长因子;
根据所述最优步长因子,构建改进型自适应滤波器;
将所述北斗中频采样延迟信号输入改进型自适应滤波器中,得到北斗定位信号。
2.如权利要求1所述的一种面向电力系统的BD3高精度定位方法,其特征在于,所述对所述北斗中频采样信号进行预处理,得到延迟信号的步骤包括:
获取北斗中频采样信号的载噪比,并根据所述北斗中频采样信号的载噪比和预先设置的载噪比阈值进行奇点剔除,得到新北斗中频采样信号;
对所述新北斗中频采样信号进行延迟,得到北斗中频采样延迟信号。
3.如权利要求1所述的一种面向电力系统的BD3高精度定位方法,其特征在于,所述利用步长因子演进算法优化自适应滤波器中的步长因子,得到最优步长因子的步骤包括:
初始化种群的生成,并确定适应度函数;
比较个体间的适应度函数,并对个体进行交叉、变异操作,得到新种群;
计算新种群中个体的适应度函数值,并将适应度函数值满足优化收敛条件的个体选择出来,得到待改进自适应滤波器的最优步长因子。
5.如权利要求1所述的一种面向电力系统的BD3高精度定位方法,其特征在于,所述将所述北斗中频采样延迟信号输入改进型自适应滤波器中,得到北斗定位信号的步骤包括:
根据北斗中频采样延迟信号和改进型自适应滤波器的初始权重,得到滤波器输出信号;
将期望响应与所述滤波器输出信号相减,得到信号误差;
根据所述信号误差和最优步长因子更新改进型自适应滤波器的权系数,得到下一时刻的权系数向量;
在达到滤波收敛条件时,确定最优权重向量,并利用最优权重向量对所述北斗中频采样延迟信号进行滤波,得到北斗定位信号。
6.如权利要求5所述的一种面向电力系统的BD3高精度定位方法,其特征在于,所述下一时刻的权系数向量的计算公式为:
w(n+1)=w(n)-2μe(n)*g(n-T)
式中,w(n+1)表示(n+1)时刻的滤波器权系数向量;w(n)表示n时刻的滤波器权系数向量;μ表示最优步长因子;e(n)表示信号误差;g(n-T)表示北斗中频采样延迟信号。
7.如权利要求5所述的一种面向电力系统的BD3高精度定位方法,其特征在于:所述滤波收敛条件包括达到迭代次数或者所述信号误差达到预设的信号误差阈值。
8.一种面向电力系统的BD3高精度定位系统,其特征在于,所述系统包括:
信号处理模块,用于接收北斗中频采样信号,并对所述北斗中频采样信号进行预处理,得到北斗中频采样延迟信号;
LMS滤波器优化模块,用于利用步长因子演进算法优化待改进自适应滤波器中的步长因子,得到最优步长因子;还用于根据所述最优步长因子,构建改进型自适应滤波器;
北斗定位模块,用于将所述北斗中频采样延迟信号输入改进型自适应滤波器中,得到北斗定位信号。
9.一种计算机设备,其特征在于:包括处理器和存储器,所述处理器与所述存储器相连,所述存储器用于存储计算机程序,所述处理器用于执行所述存储器中存储的计算机程序,以使得所述计算机设备执行如权利要求1至7中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于:所述计算机可读存储介质中存储有计算机程序,当所述计算机程序被运行时,实现如权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211033783.4A CN115390113A (zh) | 2022-08-26 | 2022-08-26 | 一种面向电力系统的bd3高精度定位方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211033783.4A CN115390113A (zh) | 2022-08-26 | 2022-08-26 | 一种面向电力系统的bd3高精度定位方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115390113A true CN115390113A (zh) | 2022-11-25 |
Family
ID=84121632
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211033783.4A Pending CN115390113A (zh) | 2022-08-26 | 2022-08-26 | 一种面向电力系统的bd3高精度定位方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115390113A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116436442A (zh) * | 2023-06-14 | 2023-07-14 | 广东电网有限责任公司湛江供电局 | 一种plc信号脉冲干扰抑制方法及系统 |
-
2022
- 2022-08-26 CN CN202211033783.4A patent/CN115390113A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116436442A (zh) * | 2023-06-14 | 2023-07-14 | 广东电网有限责任公司湛江供电局 | 一种plc信号脉冲干扰抑制方法及系统 |
CN116436442B (zh) * | 2023-06-14 | 2023-08-25 | 广东电网有限责任公司湛江供电局 | 一种plc信号脉冲干扰抑制方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110601777A (zh) | 一种低轨移动卫星星座下星地下行链路同频干扰估计方法 | |
CN115390113A (zh) | 一种面向电力系统的bd3高精度定位方法及系统 | |
CN109510681B (zh) | 一种通信网络时间同步级数最小的基准节点选择方法 | |
CN110611626B (zh) | 信道估计方法、装置及设备 | |
CN111458676B (zh) | 一种基于级联神经网络的波达方向估计方法及装置 | |
CN114938232B (zh) | 基于lstm的同时同频全双工数字域自干扰抑制方法 | |
CN114972695B (zh) | 一种点云生成方法、装置、电子设备及存储介质 | |
CN112803919B (zh) | 改进nlms算法的稀疏系统辨识方法和滤波器和系统 | |
CN112231987B (zh) | 一种基于VMD与Elman神经网络的电离层预报方法 | |
CN115390112A (zh) | 电力系统北斗定位信号滤波方法、装置、设备及存储介质 | |
CN114337745A (zh) | 一种模型驱动深度学习的大规模mimo信号检测方法 | |
CN114268411A (zh) | 硬输出mimo检测方法和系统、电子设备及存储介质 | |
CN111030644B (zh) | 一种非线性网络化控制系统的有限时间耗散滤波方法 | |
JP5373967B2 (ja) | 終了されるまで深さ優先探索を実行するスフィア検出器 | |
CN111582456A (zh) | 用于生成网络模型信息的方法、装置、设备和介质 | |
CN115453851B (zh) | 基于bd3的多卫星综合授时方法、系统、设备及介质 | |
CN113051003B (zh) | 卫星通信网络的计算任务卸载处理方法、系统及存储介质 | |
CN110233684A (zh) | 信噪比评估方法、装置、设备及存储介质 | |
CN117880817B (zh) | 无人机轨迹与波束成形向量确定方法、装置和电子设备 | |
Wu et al. | Low complexity detection based on selective message passing for SCMA systems | |
CN111988136B (zh) | 一种用于连续变量量子密钥分发的多精度译码装置与方法 | |
CN116566474A (zh) | 低轨卫星星座的多星协作信号检测方法及相关设备 | |
Yu et al. | A new method for gyroscope fault diagnosis based on CGA RBFNN and multi-wavelet entropy | |
CN117575028A (zh) | 基于马尔科夫链的网络安全分析方法及系统 | |
CN114969650A (zh) | 一种环网的最小断点集确定方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |