四类语音信号的BP神经网络识别： 四个特征信号矩阵合成一个矩阵， 根据BP网络输出找出语音数据属于哪类， 并求出判断正确率-BP neural network to identify four categories of speech signals MATLAB

为保障安全与电力用户供电质量，基于并网逆变器的分布式发电(distributed generation DG)系统要求具备孤岛检测功能。针对被动式孤岛检测法检测盲区(non-detectionzone，NDZ)大、检测时间长以及主动式孤岛检测法影响分布式发电系统供电质量的缺点，提出了一种新的被动式孤岛检测方法。该方法利用小波变换从公共耦合点(point ofcommon coupling，PCC)处的电压信号及逆变器输出电流信号中提取特征量，再通过BP 神经网络进行模式识别来判断是否出现孤岛现象

为保障安全与电力用户供电质量，基于并网逆变器的分布式发电(distributed generation DG)系统要求具备孤岛检测功能。针对被动式孤岛检测法检测盲区(non-detectionzone，NDZ)大、检测时间长以及主动式孤岛检测法影响分布式发电系统供电质量的缺点，提出了一种新的被动式孤岛检测方法。该方法利用小波变换从公共耦合点(point ofcommon coupling，PCC)处的电压信号及逆变器输出电流信号中提取特征量，再通过BP 神经网络进行模式识别来判断是否出现孤岛现象

BP神经网络基本原理概述：这种网络模型利用误差反向传播训练算法模型，能够很好地解决多层网络中隐含层神经元连接权值系数的学习问题，它的特点是信号前向传播、误差反向传播，简称BP（Back Propagation）神经网络。BP学习算法的基本原理是梯度最快下降法，即通过调整权值使网络总误差最小，在信号前向传播阶段，输入信号经输入层处理再经隐含层处理最后传向输出层处理；在误差反向传播阶段，将输出层输出的信号值与期望输出信号值比较得到误差，若误差较大则把误差信号传回隐含层直至输入层，在各层神经元中使用