XiaoMi-AI文件搜索系统
World File Search System滤波
混合储能系统容量过大与能量损耗增大问题研究及基于低通滤波器的改进控制器设计
由电池和超级电容器 (SC) 组成的混合储能系统 (HESS) 是解决微电网中可再生能源 (RES) 带来的稳定性问题的有效方法。本文研究了低通滤波器 (LPF) 引起的两个储能设备 (ESD) 之间的能量交换，从而导致 HESS 的容量过大。此外，ESD 之间的能量交换会导致 HESS 更多的能量损失。基于对功率流的分析，本文提出了一种基于 LPF 控制器的改进控制器。功率方向控制策略消除了无益的功率流，以降低 HESS 的容量并提高往返能量效率。此外，SOC 控制策略机制平衡了 ESD 的期望充电状态 (SOC)，而不是依赖于 LPF。本文的案例研究表明，改进的 LPF 控制器将 HESS 的容量降低到最小容量并提高了往返能量效率。此外，该改进方法对电池老化没有不利影响，并且在较小容量下实现了电池寿命的延长。缩小的HESS实验装置验证了改进的LPF控制器的有效性和仿真结果。最后，将提出的改进控制器与各种现有的控制器进行比较以验证其性能。
通过动态空间滤波对受损脑电图进行稳健学习
使用在实验室环境之外记录的 EEG 构建机器学习模型需要对噪声数据和随机缺失通道具有鲁棒性的方法。在处理稀疏 EEG 蒙太奇（1-6 个通道）时，这种需求尤其大，这种蒙太奇经常出现在消费级或移动 EEG 设备中。经典机器学习模型和在 EEG 上端到端训练的深度神经网络通常都没有设计或测试过对损坏的鲁棒性，尤其是对随机缺失通道的鲁棒性。虽然一些研究提出了使用缺失通道数据的策略，但当使用稀疏蒙太奇且计算能力有限（例如可穿戴设备、手机）时，这些方法并不实用。为了解决这个问题，我们提出了动态空间滤波（DSF），这是一个多头注意力模块，可以插入神经网络的第一层之前，通过学习关注好通道并忽略坏通道来处理缺失的 EEG 通道。我们在包含约 4000 条模拟通道损坏记录的公共 EEG 数据和包含约 100 条自然损坏移动 EEG 家庭记录的私人数据集上测试了 DSF。当不施加噪声时，我们提出的方法可实现与基线模型相同的性能，但当存在严重通道损坏时，其准确度比基线高出 29.4%。此外，DSF 输出是可解释的，因此可以实时监控有效通道重要性。这种方法有可能在通道损坏妨碍读取脑信号的具有挑战性的环境中实现 EEG 分析。
使用嵌入在零差探测器中的可调光学滤波器抵消连续变量量子密钥分发中的饱和攻击
量子密钥分发 (QKD) 允许两个合法实体 Alice 和 Bob 共享一组密钥，但可能会被窃听者 Eve 操纵 [1–5]。目前，离散变量 (DV) QKD 已经得到发展，但它在源准备、检测成本和密钥速率方面仍然面临挑战 [6,7]。连续变量 (CV) QKD 是实现 QKD 的另一种方法 [8–13]。它具有实现方便的优势，因为它可以使用多种源，如相干态 [14] 和压缩态 [15]。尽管如此，CVQKD 也面临着实际安全性的威胁 [16–18]，原因是设备不完善、技术缺陷和操作不完善 [10,19,20]。例如，Eve 可以通过控制波长相关分束器 (BS) 的透射率来执行波长攻击 [21-23]。校准攻击可以通过修改本振 (LO) 脉冲的形状来实施 [24]。因此，已经提出了多种对策来抵消 LO 校准攻击和波长攻击的影响 [25-27]。在 CVQKD 的实际实现中，相干探测器变得脆弱。目前，在窃听零差探测器中的不完美电子时已经执行了饱和攻击 [2, 28]。它可以用于攻击系统的实际设备，因此它唤醒了实际的安全性，因为相干探测器具有有限线性域，可以通过移动接收到的正交的平均值将其驱动到外部（如果没有被监控）。此外，Eve 可以执行异差检测来测量截获的正交 X 和 P，从而为伪造相干态做准备 [28, 29]。为了抵消这种攻击，我们可以在同差探测器中采用嵌入式可调光滤波器 (AOF)，用于实时补偿强接收光功率导致的潜在饱和。基于检测响应的反馈，可以使用支持 AOF 的检测来抵消这种饱和攻击，这是雪崩光电二极管 (APD) 的实际增益调整。
用于条件间转移的自适应空间滤波
信号的非平稳性变化且通常与类别相关，这是将脑电图 (EEG) 认知工作负荷估计的常见发现从实验室实验转移到现实场景或其他实验时面临的一大挑战。此外，脑信号反映的实际认知工作负荷是否是估计的主要贡献，还是具有辨别力和与类别相关的肌肉和眼部活动（可能是工作负荷水平变化的次要影响），这通常仍是一个悬而未决的问题。在本研究中，我们研究了一种基于波束成形的适应变化设置的空间滤波新方法。我们将其与无空间滤波和常见空间模式 (CSP) 进行比较。我们在拖船模拟器上使用真实的操纵任务以及听觉 n-back 次要任务作为两种不同的条件来诱导专业拖船船长的工作负荷变化。除了典型的条件内分类外，我们还研究了不同分类方法在 n-back 条件和操纵任务之间转移的能力。结果表明，在具有挑战性的迁移设置中，所提出的方法比其他方法具有明显优势。虽然在两种情况下（22% 和 10%），无滤波平均导致条件内归一化分类损失最低，但我们使用自适应波束形成（30% 和 18%）的方法与 CSP（33% 和 15%）的表现相当。重要的是，在从一种设置转移到另一种设置时，无滤波和 CSP 导致性能接近偶然水平（45% 到 53%），而我们的方法则是唯一能够在所有其他场景（34% 和 35%）中进行分类的方法，与偶然水平有显著差异。场景中信号成分的变化导致需要调整空间滤波才能进行迁移。使用我们的方法，迁移是成功的，因为滤波针对神经成分的提取进行了优化，并且对其头皮模式的额外研究主要揭示了神经起源。有趣的发现是，模式在不同条件之间略有变化。我们得出结论：低归一化损失的方法依赖于眼睛和肌肉活动，这种方法在一定条件下可以成功进行分类，但在分类器转移中会失败，因为眼睛和肌肉的贡献高度特定于条件。
使用双级中值滤波器实时消除运动伪影
功能性近红外光谱 (fNIRS) 是一种新兴的非侵入式脑机接口 (BCI) 技术。快速获取精确的脑信号对于成功的 BCI 至关重要。本文研究了一种实时滤波技术，以消除 fNIRS 信号中的运动伪影 (MA) 和低频漂移。使用文献中的气球模型和实验范例生成两种波长的光强度。生成两种类型的 MA（尖峰状和阶梯状）和低频漂移，并将其添加到模拟的两种波长的光强度中。提出了一种新的双级中值滤波器 (DSMF) 来恢复未受污染的信号。使用五个评估指标来确定双滤波器的最佳窗口大小：第一个中值滤波器为 4 s 和 9 s，第二个中值滤波器为 18 s。使用相同的指标将所提出的方法与基于小波的 MA 校正方法和样条插值方法进行了比较。结果表明，所提方法在衰减 MA 和信号失真方面优于比较方法。最后，将设计的 DSMF 应用于来自八名健康受试者的实验数据，其中通过要求受试者摇头来引入 MA。所提方法的滤波数据显示信号干净，没有 MA 和低频漂移。
SFG-G级级别的GF滤波器
Atlas Copco的流程过滤器在保护您的流程，产品和消费者的同时优化您的生产率。我们的墨盒和外壳组合涵盖了您的所有过滤需求。这些产品是由著名供应商的经过验证的高质量材料制成的，并在受严格质量检查/QC程序的受控环境中制造。
通过 LMS 干扰消除滤波器实现动态电极偏移消除的数字辅助多路复用神经记录系统
摘要 — 本文介绍了一种低功耗 (LP) 面积高效的植入式神经记录系统，该系统支持高密度神经植入 (HDNI) 应用。该系统采用时分多址方法同时记录 16 个神经电极。最小均方 (LMS) 算法用于通过使用单抽头数字自适应滤波器 (AF) 同时消除所有通道的缓慢变化电极偏移。所提出的技术采用 65 纳米 CMOS 技术制造，每通道面积为 0.00248 mm 2 ；其中 68% 是数字电路（因此可通过技术扩展）。整个系统每通道功耗为 3.38 µW，同时在 10 kHz 带宽内实现 2.6 µV rms 的输入参考噪声 (IRN)。所提出的系统的噪声效率因子 (NEF) 为 1.83，并且完全集成在芯片上。
GRIDCON® ACF 有源滤波器用于清洁电网。用于...
GRIDCON ® ACF 工业版是具有挑战性的补偿任务的首选，这些任务需要可靠性和安全性，例如，甚至在超出正常工作电压和具有挑战性的环境条件下：I 可在满功率下运行高达 690 V 或更高电压，而无需降容I 额定电流可以以模块化方式从 125 A 扩展到 3,000 A，例如用于 STATCOM 系统I 高功率密度和紧凑设计I 低损耗I 非常耐用的薄膜电容器I 过电压类别 III 高达 1000 V - 即使在具有隔离中性点的电网中（IT 网络配置）I 防护等级可达 IP 54，可选外部水冷以实现完全封装I 动态补偿无功功率、谐波和闪变，以及在一个单元中平衡负载
用于二阶 Delta-Sigma 调制器的四路数字滤波器
2 • 四个独立可编程数字滤波器 AMC1210 是一款四通道数字滤波器，专为电机控制应用中的电流测量和旋转变压器位置解码而设计。每个输入都可以接收独立的 delta-sigma (ΔΣ) 调制器位流。位流由四个可单独编程的数字抽取滤波器处理。AMC1210 还提供灵活的接口和全面的中断单元，允许定制数字功能和即时数字阈值比较，以进行过流监控。