一种基于抽取LMS的距离旁瓣抑制方法

在噪声雷达中，传统相关处理方法的距离旁瓣受到时宽带宽积的限制，在有限相关处理时间内得到的距离旁瓣较高，会造成微弱目标被强目标、杂波旁瓣淹没的现象。提出一种基于抽取最小均方（Least Mean Square,LMS）滤波的噪声雷达旁瓣抑制方法，将LMS滤波器的系数作为距离压缩结果，从而获取较低的距离旁瓣。对该方法的性能进行了理论分析，并通过数字仿真验证了算法的有效性和理论分析的正确性。     

MMC多入多出阻抗及其在不对称小扰动稳定分析中的应用

近年来,阻抗法在模块化多电平换流器(modular multilevel converter,MMC)的对称工况小扰动稳定评估中得到了广泛应用,主要采用考虑一对频率耦合的2×2阻抗模型。然而,实际运行中的MMC存在诸多不对称工况,例如桥臂参数差异、电网不平衡、动态负荷等。如何应用阻抗法对上述情况进行小扰动稳定评估却鲜有文章探讨,主要难点在于:1)多频耦合及序耦合的精确刻画;2)高阶阻抗模型的合理降维。区别于对称工况下MMC交流侧仅存在一对频率耦合,不对称工况将会导致多频耦合及序耦合,为此,有必要开发多入多出阻抗模型以考虑这些耦合项的影响。同时,为了兼顾工程实用性,需结合实际不对称场景的特征,研究多入多出阻抗模型的降维方法。因此,该文主要探讨了MMC多入多出阻抗的建模及其降维方法,具体为:基于分块对角占优理论,定量评估并提取多入多出阻抗矩阵的主导元素;根据主导元素的分布,给出系统不对称强度的量化方法,分别形成对应强/弱不对称度的复向量域(α±jβ和d±jq)降维阻抗模型。应用所得降维模型对典型的实际不对称案例进行小扰动稳定评估,结果验证了所提降维方法的正确性,其不仅大大降低了阻抗法在不对...     

聚类混合型数据的密度峰值改进算法

聚类混合型数据，通常是依据样本属性类别的不同分别进行评价。但这种将样本属性划分到不同子空间中分别度量的方式，割裂了样本属性原有的统一性；导致对样本个体的相似性评价产生了非一致的度量偏差。针对这一问题，提出以二进制编码样本属性，再由海明差异对属性编码施行统一度量的新的聚类算法。新算法通过在统一的框架内对混合型数据实施相似性度量，避免了对样本属性的切割，在此基础上又根据不同属性的性质赋予其不同的权重，并以此评价样本个体之间的相似程度。实验结果表明，新算法能够有效地聚类混合型数据；与已有的其他聚类算法相比较，表现出更好的聚类准确率及稳定性。     

CEEMDAN-PE-TFPF降噪法在齿轮故障诊断中的应用

针对齿轮故障诊断过程中,大量噪声使得故障特征难以完全提取的情况,提出了一种完整的自适应噪声集成经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)、排列熵(Permutation Entropy,PE)和时频峰值滤波(Time-Frequency Peak Filtering,TFPF)相结合的去噪方法。由于TFPF方法在窗长问题上的局限性,引用CEEMDAN和PE对此进行改进,使信号在噪声抑制和信号保真方面得到了很好的权衡。首先利用CEEMDAN算法得到原始信号的本征模态函数(Intrinsic Mode Functions,IMFs),计算每个IMF的PE值来判断IMF是否需要滤波,然后针对不同的IMF选择不同的窗口长度进行TFPF滤波,最后将滤波后的IMFs和剩余IMFs重构得到最终的降噪信号。通过模拟仿真信号和实测齿轮信号验证了该降噪方法的可行性,且降噪后的信号可以有效地揭示故障的特征信息。最后与多种降噪方法对比,体现了所提方法的有效性和优越性。