طبقه بندی به هنگام اغتشاشات کیفیت توان سیگنال های دیجیتال به وسیله رگرسیون خطی

در این مقاله روشی بر مبنای تبدیل فوریه گسسته و رگرسیون خطی جهت طبقه بندی بر روی موجواره سیگنال توان ارایه می شود. کاهش میانگین قدرمطلق خطا میانگین مجذور خطا همواره باعث رسیدن به یک طبقه بندی با دقت و صحت دقیق تر می گردد. در این مقاله روشی ساده و موثر برای طبقهبندی نه نوع رایج از اغتشاشات کیفیت توان پیشنهاد شده است. از هر یک از این انواع اغتشاشات کیفیت توان، به وسیله تبدیل فوریه گسسته ، پنج ویژگی آماری5زمان- فرکانسی5 متمایز استخراج شده است. سپس با استفاده از رگسیون خطی ، نتایج طبقه بندی در کنار درخت تصمیم ، شبکه عصبی توابع شعاعی و شبکه عصبی چند لایه قرار گرفته است. تبدیل سری فوریه سیگنال به صورت تابعی از زمان به شدت سیگنال است. تبدیل شکل سیگنال به سری فوریه با روشهای تبدیل سریع فوریه انجام میشود. به وسیله تبدیل گسسته فوریه میتوان توابع و سیگنالهای گسسته را از حوزه زمان به حوزه فرکانس و یا از حوزه مکان به حوزه عدد موج تبدیل کرد. مدل پیشنهادی پس از گذشت یک سیکل از زمان شروع اغتشاش قادر به شناسایی و دسته بندی آن می باشد و از دقت بالایی در تشخیص و طبقه بندی برخوردار است.

کلیدواژه ها:

طبقه بندی ، اغتشاشات کیفیت توان ، پردازش دیجیتال ، تبدیل فوریه گسسته ، رگرسیون خطی ، شبکه عصبی مصنوعی ، درخت تصمیم