目的分解单通道表面肌电信号(surface electromyography,sEMG),获得组成肌电信号的运动单元动作电位(motor unit action potential,MUAP)的波形及发放频率。方法首先对单通道的sEMG信号进行候选MUAP信号段检测,然后使用基于模糊K-均值...目的分解单通道表面肌电信号(surface electromyography,sEMG),获得组成肌电信号的运动单元动作电位(motor unit action potential,MUAP)的波形及发放频率。方法首先对单通道的sEMG信号进行候选MUAP信号段检测,然后使用基于模糊K-均值聚类的Gap Statistic聚类分析处理获取参与肌肉活动的运动单元发放的模板MUAP,最后使用广义互相关求时延的方法完成对低收缩水平的表面肌电信号的分解,并获得所有模板MUAP的发放频率。结果对模拟的单通道表面肌电信号进行分解,MUAP的准确识别率可达80%以上;并对真实采集的低收缩水平的等长收缩表面肌电信号进行分解,得到了MUAP波形和发放信息。结论本文提出的方法能够有效的对单通道表面肌电信号进行分解,具有较好的分解效果。展开更多
针对目前配电网用户负荷数据高维度时序数据特征提取难、交叉数据聚类处理难、负荷数据精准标签化难等问题,文章提出面向用户负荷数据的基于降噪自编码器和改进粗糙模糊K均值的特征提取与标签定义模型(feature extraction and label def...针对目前配电网用户负荷数据高维度时序数据特征提取难、交叉数据聚类处理难、负荷数据精准标签化难等问题,文章提出面向用户负荷数据的基于降噪自编码器和改进粗糙模糊K均值的特征提取与标签定义模型(feature extraction and label definition model based on DAE and improve RFKM,FLMbD-iR)。FLMbD-iR通过降噪自编码器对原始用户负荷数据进行深度特征提取后,利用基于类簇规模不均衡度量的粗糙模糊K均值进行聚类,处理聚类中簇间交叉数据存在误差的缺陷,最后构建描述指标对典型日负荷曲线进行标签定义。实验采用美国电力负荷数据进行仿真模拟,实验结果显示本方法在用户负荷数据聚类处理上效果显著。展开更多
文摘针对目前配电网用户负荷数据高维度时序数据特征提取难、交叉数据聚类处理难、负荷数据精准标签化难等问题,文章提出面向用户负荷数据的基于降噪自编码器和改进粗糙模糊K均值的特征提取与标签定义模型(feature extraction and label definition model based on DAE and improve RFKM,FLMbD-iR)。FLMbD-iR通过降噪自编码器对原始用户负荷数据进行深度特征提取后,利用基于类簇规模不均衡度量的粗糙模糊K均值进行聚类,处理聚类中簇间交叉数据存在误差的缺陷,最后构建描述指标对典型日负荷曲线进行标签定义。实验采用美国电力负荷数据进行仿真模拟,实验结果显示本方法在用户负荷数据聚类处理上效果显著。
