基于测量的记忆多项式功率放大器特征模型

给出了基于ADS—ESG—VSA89600测量的功率放大器记忆多项式特征模型,并使用复值Givens旋转基础的QR分解递归最小二乘算法进行模型系数更新。通过使用安捷伦连接结论测试平台ADS—ESG—VSA89600去收集实际功率放大器输入和输出的时域包络数据来进行模型的生成和验证。与批量和递归最小二乘算法相比,QR分解基础的递归最小二乘算法具有良好的数值鲁棒性和规则的结构,因此能够明显的提高模型的精确性并适合用于硬件实现。仿真和测量结果表明,本模型能够精确的复制出功率放大器的宽带动态特性,并真实的捕捉到放大器的非线性和记忆效应。     

卫星通信系统中适用于16QAM信号的一种预失真方法

提出了一种用于卫星通信系统中由记忆功率放大器引起的16QAM信号非线性失真的高效数字自适应补偿方法。该方法使用通用记忆多项式模型和间接学习结构构造预失真系统,并使用QR分解递归最小二乘算法动态更新预失真参数。针对QR分解递归最小二乘算法不能直接更新系数矢量的问题,提出了一种称为＂权值冲洗＂的高效权值更新方法。计算机仿真结果表明该方法具有收敛速度快、系统性能稳定、补偿效果好等特点,并适合于大规模电路硬件实现。     

基于QR-RLS算法的自适应配电网谐波电流检测

电力有源滤波器对配电网中谐波的治理起着重要作用,而电力有源滤波器的核心是谐波电流检测算法。为了提高谐波电流检测的有效性,本文提出了基于QR分解的递归最小二乘(QR-RLS)算法的自适应配电网谐波电流检测,该方法能够准确地把基波电流和谐波电流分离出来。本文通过PSCAD/EMTDC仿真软件建立仿真电路得到电路中的电流数据,仿真数据和实测数据的分析结果证明了该算法的有效性。     

最小二乘支持向量机在电能质量扰动分类中的应用

提出一种基于最小二乘支持向量机和小波包分解的电能质量扰动分类方法.对正常电压和几种常见电能质量扰动(电压骤升、电压骤降、电压中断、暂态脉冲、暂态振荡、谐波和电压闪变)进行小波包分解,提取各终节点小波包系数的标准偏差作为特征向量;然后,用自适应优化算法对最小二乘支持向量机进行优化:最后,利用基于优化参数和最小输出编码的最小二乘支持向量机进行分类和识别.与BP神经网络分类方法相比,该方法能克服训练时间较长、容易陷入局部最小等问题,具有较快的训练速度和较高的分类准确率,在样本数较小时仍取得较好的效果.仿真实验验证了该方法对扰动分类的有效性.     

配电网中谐波电流责任划分定量分析

为能够明确配电网中供电侧和用户侧对电网谐波污染的责任,提出基于QR分解的递归最小二乘(QRRLS)算法来分析谐波电流。该算法能够提取出指定次数的谐波电流在公共耦合点(PCC)处的瞬时值,并能求出供电侧和用户侧谐波电流在PCC处的相位差,在此基础上计算出供电侧和用户侧独自产生的谐波电流。最后通过PSCAD/EMTDC软件搭建仿真电路,并用MATLAB软件进行数据分析,结果验证了所提算法的正确性。     

应用子空间跟踪和递归最小二乘法的间谐波背景下电流基波分量的实时检测

提出一种高精度的间谐波、谐波背景下电流信号基波分量实时提取方法。该方法首先基于高分辨谐波跟踪算法高精度检测电压信号的基波频率,然后基于快速递归最小二乘估计算法求取含间谐波、谐波分量的电流信号的基波分量。高分辨谐波跟踪算法成熟应用于音频信号实时分析,其基于快速逼近幂迭代算法进行子空间跟踪、更新,该算法计算复杂度低,通过分析影响跟踪稳定性的因素,给出了保证计算稳定的实现方法,同时,给出计算阶数、遗忘因子和梯度步长等计算参数的选取原则。快速递归最小二乘估计算法简单、收敛快、计算量小。数值信号分析和 IEEE 提供的典型实测间谐波信号分析表明：依据给出的计算参数选取原则,应用高分辨谐波跟踪算法能稳定、高精度、快速检测电压信号的基波频率;应用快速递归最小二乘估计能高精度、快速提取电流信号的基波分量,算法稳定、有效。该方法可为实现间谐波、谐波治理提供参考。     

应用子空间跟踪和递归最小二乘法的间谐波背景下电流基波分量的实时检测

提出一种高精度的间谐波、谐波背景下电流信号基波分量实时提取方法。该方法首先基于高分辨谐波跟踪算法高精度检测电压信号的基波频率,然后基于快速递归最小二乘估计算法求取含间谐波、谐波分量的电流信号的基波分量。高分辨谐波跟踪算法成熟应用于音频信号实时分析,其基于快速逼近幂迭代算法进行子空间跟踪、更新,该算法计算复杂度低,通过分析影响跟踪稳定性的因素,给出了保证计算稳定的实现方法,同时,给出计算阶数、遗忘因子和梯度步长等计算参数的选取原则。快速递归最小二乘估计算法简单、收敛快、计算量小。数值信号分析和IEEE提供的典型实测间谐波信号分析表明：依据给出的计算参数选取原则,应用高分辨谐波跟踪算法能稳定、高精度、快速检测电压信号的基波频率;应用快速递归最小二乘估计能高精度、快速提取电流信号的基波分量,算法稳定、有效。该方法可为实现间谐波、谐波治理提供参考。     

基于最小二乘支持向量机的电能质量扰动分类方法

提出一种基于最小二乘支持向量机和小波包分解的电能质量扰动分类方法。对正常电压和几种常见电能质量扰动(电压骤升、电压骤降、电压中断、暂态脉冲、暂态振荡、谐波和电压闪变)进行小波包分解,提取各终节点小波包系数的标准偏差作为特征向量;然后,用自适应优化算法对最小二乘支持向量机进行优化;最后,利用基于优化参数和最小输出编码的最小二乘支持向量机进行分类和识别。与BP神经网络分类方法相比,该方法能克服训练时间较长、容易陷入局部最小等问题,具有较快的训练速度和较高的分类准确率,在样本数较小时仍取得较好的效果。仿真实验验证了该方法对扰动分类的有效性。     

RBF神经网络在卡伯值软测量中的应用研究

本文提出了一种新的RBF神经网络的在线学习算法,该算法能在线实时地调整RBF神经网络的隐层单元数目和网络参数,并且使用计算量小、运算速度快的基于逆QR分解的Givens递推最小二乘算法调整网络权值,克服了离线训练方式的不足,并将其用于制浆蒸煮过程中纸浆卡伯值的软测量.通过工厂蒸煮数据验证,表明此算法具有良好的性能,训练的网络具有学习速度快、精确度高、结构紧凑的优点,用于建立卡伯值数学模型,实现卡伯值的软测量是有效的.     

考虑背景谐波电压波动和阻抗变化的多谐波责任划分

当背景谐波电压波动和系统阻抗变化时,传统的谐波责任划分方法难以准确评估谐波责任,对此情况,提出一种考虑背景谐波电压波动和阻抗变化的多谐波责任划分方法.首先利用相似性测度原理筛选出背景谐波电压波动较小的数据段;再建立公共连接点谐波电压和谐波电流数据组散点图,采用OPTICS算法进行聚类,使采样数据能按系统阻抗值划分成不同簇;最后对不同簇的数据采用复数域偏最小二乘法进行多谐波责任划分.仿真分析验证了提出方法能够较好地减小背景谐波电压波动和系统阻抗变化给谐波责任划分带来的影响.