Enhancement of CN tower lightning current derivative signals using a Modified Power Spectral Subtraction method
Notice bibliographique
Résumé
The CN tower has been a source of lightning current data for the past 15 years. Since the CN tower is a transmission tower and it is not unexpected that the recorded lightning current signals be corrupted with different kinds of noise. The existence of noise makes it difficult to extract the return-stroke current waveform parameters from the measured waveforms, which are important for developing lightning protection systems. In this paper, a modified power spectral subtraction (MSS) method has been developed in order to de-noise the lighting return-stroke current derivative signals measured at the tower. In order to evaluate the proposed de-noising technique, the derivative of Heidler function is used to model the measured return-stroke current derivative signal. The measured current derivative signal is simulated using the Heidler derivative model and by artificially corrupting it with noise signals measured at the tower in the absence of lightning. The proposed MSS method is applied to denoise the simulated current derivative signal and the resultant waveform is compared with the Heidler derivative model, thus enabling the accurate evaluation of the proposed method. The results of the evaluation show a substantial improvement in the signal peak-to-noise peak ratio (SPNPR) of up to 32 dB depending on the level of the noise signal added to the Heidler derivative function. Furthermore, 95.7%-98.5% recovery of the peak of the original Heidler derivative function was obtained. For further evaluation of the proposed MSS method, the conventional spectral subtraction (SS) method is applied for de-noising the same simulated current derivative signals, which produced a substantially lower SPNPR of up to 16 dB with a peak recovery of 93.3%-97.5% of the original Heidler derivative model.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».