基于可变遗忘因子广义RLS算法的频率估计

传统的递推最小二乘(RLS)算法有良好的抑制噪声的能力,但在非稳态环境下跟踪能力弱,导致误差大.RLS和Kalman滤波之间存在一一对应的关系,引入Kalman滤波的一步预测估计和新的状态转移矩阵,可以得到广义的RLS算法,该算法改进了跟踪能力.同时,考虑到加权遗忘因子对算法的收敛速度和跟踪能力也有很大影响,故在广义RLS算法中再引入可变的遗忘因子,以确保对时变参数的快速跟踪能力和小的参数估计误差.对基于可变遗忘因子的广义RLS自适应算法和按指数加权的传统RLS算法进行了仿真比较,分析了在稳态下加入谐波、输入幅值变化、输入频率变化等情况下,2种方法所得的频率估计值和均方误差,结果显示所提方法在精度和收敛速度上都更优越.     

基于有源滤波的单相交流充电桩谐波治理研究

目前交流充电桩应用广泛,随着充电桩日益增多,其产生的谐波污染也越来越严重。针对单相交流充电桩谐波治理问题,将有源滤波技术应用到交流充电桩中。根据充电桩特性采用单相并联有源滤波器(PAPF)。对基于瞬时无功功率理论的单相谐波检测法进行探究,并结合最小均方(LMS)与最小四阶矩(LMF)自适应算法提出一种新型定步长自适应低通滤波器用于提高谐波检测性能。控制环节采用结合重复控制的内外环复合控制策略完成稳压控制、谐波追踪及补偿。基于Matlab/Simulink仿真分析低通滤波环节输出的波形并搭载样机实验,结果验证该算法可提升谐波检测性能。建立单相PAPF系统仿真并通过快速傅里叶变换(FFT)分析系统谐波补偿能力,结果证明单相PAPF可有效治理谐波,使总谐波失真(THD)降至5%以下。     

一种适用于复杂电网下的高精度锁相环

针对现有并网逆变器在电网电压谐波复杂的情况下难以精确锁定电压频率和相位的问题,结合传统锁相环结构与自适应算法的理论提出一种高精度的锁相方法。依据对传统锁相环在复杂电网下的弊端分析,确定了锁相环采用传统低通滤波器、带通滤波器时的滤波效果与延时的矛盾关系。根据最小均方算法的高自适应特性与快速跟踪特点,结合锁相环中坐标变换公式,确定算法的输入输出以及权重矩阵,构建基于派克变换的最小均方算法矩阵模型。通过将所需的电压正序分量设置为不断更新的权重矩阵来进行高精度的滤波,同时通过引入均方瞬时误差和自相关估计均值来进行变步长控制,提高滤波更新速度,以适用于复杂程度不确定的电网电压进行自适应滤波锁相。对仿真和样机实验的结果表明：采用基于派克变换的最小均方算法的改进型双二阶广义积分锁相方法,可以在不降低动态响应速度的前提下,提高锁相环的滤波效果,进而提高并网逆变器在电网畸变严重场景下锁定电压频率和相位的跟踪精度。     

基于改进的递归最小二乘法的滤波器研究

分析了基于递归最小二乘法(recursive least-squares,RLS)的自适应滤波算法,并针对非平稳环境下RLS算法跟踪能力差,导致误差大的问题,通过调节RLS算法中的指数加权因子λ,叠加一个自适应记忆,优化其跟踪性能.理论分析和计算机仿真均表明,带有自适应记忆的RLS算法具有较快的自适应跟踪能力和较好的稳...     

一种改进变步长的自适应谐波检测算法

在有源电力滤波器( APF)谐波电流检测自适应滤波算法中,改进变步长自适应滤波系数调整方法.算法根据稳态谐波零均值的特点,利用系统历史积累误差均值估计代替单步误差更新步长因子,由滑动指数加权窗方式,提取出单纯的滤波器跟踪误差,步长更新的大小只取决于滤波器跟踪误差,不受谐波本身影响.通过步长因子与系统误差均值估计的类Sigmoid函数关系,动态控制类Sigmoid函数参数的变化,由此克服了类Sigmoid函数参数固定引起的稳态阶段误差偏大的缺陷.改进算法的复杂度有所增加,但能够保证较快的收敛速度、较高的检测精度和动态跟踪效果.通过对稳态和跃变的负载电流的仿真,结果证明了算法的有效性.     

一种基于算法融合的运动目标跟踪算法

视频目标跟踪的重点和难点在于如何快速、准确的匹配目标.针对复杂背景下,单一模式的跟踪算法不能准确跟踪目标的问题,提出了一种基于算法融合的运动目标跟踪方法.该算法综合运用去均值相关跟踪算法（normalized cross correlation,NCC）和均值漂移算法（MeanShift）2种基本模式对输入输入视频进行处理,结果送入Kalman滤波器进行滤波与预测,最后根据最小总均方误差准则进行自适应融合.试验证明,该算法能够较好地实现复杂场景条件下的目标跟踪,提高了跟踪的鲁棒性.     

基于RLS的自适应滤波算法研究

为抑制谐振接地系统对地电容中的工频信号和其他谐波成分,提出了一种基于RLS算法的自适应滤波算法.该算法通过给定n-1次迭代滤波器抽头权向量最小二乘估计,依据新到达的数据计算n次迭代权向量最新估计.当滤波器输入信号变化时可保持最佳输出信号,在一定程度上补偿了滤波器元件参数变化带来的运算误差.对其滤波理论及算法进行仿真研究.结果表明:该算法提高了滤波的稳定性、快速性和精确性,优于其他自适应算法.     

基于傅氏系数自适应组合估计算法的谐波功率实时高精度计算

由于常规电量计量装置是基于正弦波设计的,因此在非正弦条件下进行测量必然带来一定的误差.采用改进的傅氏系数自适应组合估计算法进行谐波检测与功率计算,该方法对非同步采样及初始值不敏感,并能实时跟踪电压与电流的变化.实验表明一般经过约1个周期便能对受噪声和衰减直流分量污染的非正弦信号进行实时跟踪.从而精确估计出电压与电流各次谐波的幅值及相位,实现功率的实时高精度计算,并且根据输出误差采用变步长的递推最小均方差LMS(Least Mearl Square)自适应算法来改善跟踪性能.最后,给出了在计算机上的仿真测试结果,并将该算法和FFT算法进行了对比分析.仿真证明该算法具有精度高、收敛快且测试结果不受频率变化影响的优点.     

Multi-channel FURLS algorithm for active noise control and simulation

为了改善最小均方(LMS)类算法在空间宽带噪声主动控制问题中收敛速度慢的缺点,消除声反馈对系统稳定性的影响.将快速收敛的最小二乘(RLS)类算法与自适应滤波U形结构结合,提出多通道滤波-URLS(MFURLS)算法,理论上推导该算法详细流程.本文对定频和宽带噪声进行了降噪仿真,将MFURLS算法与多通道滤波-ULMS(MFULMS)算法进行对比,仿真结果表明采用MFURLS算法的系统有30dB左右的降噪量,且收敛速度优于FULMS算法,证明该算法在宽带噪声控制方面具有很大优势.     

一种自适应滤波的永磁同步电机转子位置估算方法

针对基于反电动势(EMF)模型法的内置式永磁电机(IPMSM)无位置传感器控制中,逆变器的非线性和磁场空间谐波会引起反电动势产生6k±1次谐波,最终导致估算的转子位置中存在6k次脉动,降低转子位置估算精度的问题,提出一种双线性递归最小二乘(BRLS)自适应滤波的转子位置估算方法。该方法通过滑模观测器获取反电动势,然后依据信号增强的原理,由双线性递归最小二乘自适应滤波器通过在线更新滤波器系数,跟踪并滤除反电动势估算值中指定的谐波分量,进而抑制转子位置中6k次谐波脉动。实验结果表明,所提出的自适应滤波的转子位置估算方法收敛速度快、精度高,能可靠抑制谐波并提高转子位置估算精度。     

一种改进的基于最小二乘法的自适应谐波检测方法

提出了一种基于最小二乘法的自适应谐波检测方法,并利用动力系统的均值理论证明了该方法的稳定性。此法克服了传统自适应谐波检测方法的局限性,不仅能够检测电流谐波,而且能够有效地提取电流的畸变量,通过学习率因子的选择,提高了该方法的瞬态响应速度,具有较好的跟踪性能,可用于时变谐波的跟踪检测。仿真结果表明该方法比以往的自适应谐波检测法能更迅速地进行谐波的同步检测和基波的同步提取。实验结果也表明了文中所述方法的有效性,可满足电力系统对电压或者电流畸变量检测的要求。     

基于自适应陷波器的科氏流量计信号频率跟踪新方法

为提高对科氏流量计信号频率随机缓慢变化的持续跟踪能力,以对格型ANF、简化格型ANF和基于SMM的新式ANF三种典型自适应陷波器的性能比较分析为基础,提出了一种科氏流量计信号频率跟踪新方法。该方法对频率、幅值和相位均随机游动变化的科氏流量计信号,首先采用新式ANF快速检测信号频率并作短时频率跟踪,待其收敛后简化格型ANF开始并行工作,在简化格型ANF收敛后取代新式ANF持续跟踪信号频率的变化。仿真结果表明,本文方法比格型ANF方法收敛速度更快、频率跟踪精度更高,比单一采用新式ANF方法计算更为简便,是一种科氏流量计信号处理的有效方法。     

基于改进扩展Prony谱估计法的谐波电流检测

兼顾检测精度和检测的快速响应性能,结合注入式有源电力滤波器的结构与工作原理,提出了一种基于改进扩展Prony谱估计法的自适应频率跟踪电流检测方法。该检测算法采用最小均方(LMS)算法在线优化扩展Prony谱估计法中电导矩阵的频率,求出在该条件下的最佳解;并采用数字信号处理器和高速接口器件,通过简单的软件程序来实现,误差小,实时性强,满足了实际应用需要。     

一种改进ip-iq谐波电流检测算法

为了更加快速、精确地检测出三相电力系统中谐波电流,基于瞬时无功功率理论,提出了一种改进谐波电流检测算法.该算法利用一种变步长LMS算法来实现ip-iq理论中低通滤波器的功能,用当前误差信号和上一次误差信号归一化的自相关估计来进行步长迭代.与传统ip-iq算法相比,该算法在不降低检测精度的前提下,具有更快的动态响应性能....     

一种改进的三相电网谐波及无功检测方法

为了更加快速、精确地检测出三相电力系统中的谐波和无功电流,基于瞬时无功功率理论,文章在传统d-q检测算法基础上进行了改进,针对锁相环容易受到电网波动影响的缺陷,采用一种无锁相环谐波和无功电流检测方法;针对低通滤波器滤波效果与响应速度无法兼顾的缺陷,采用一种变步长最小均方自适应滤波器;结合以上两种方法的优点,得到一种无锁相环无低通滤波器的检测方法。理论分析和仿真结果验证了该方法的可行性和准确性。     

一种模糊变步长自适应谐波检测算法

电力有源滤波器的成功应用依赖于精确的谐波电流检测技术。基于自适应干扰对消理论,提出一种基于模糊变步长推理的最小均方差（LMS）自适应谐波检测算法。通过分析影响LMS自适应谐波算法性能的不利因素,选取均方误差变化量和输入输出信号相关函数作为参量,建立模糊推理系统,自适应地调节算法的步长,实现谐波检测过程中,既能保证较快的动态响应速度和对噪声干扰的抑制,又能保持较高的检测精度,并通过计算机仿真及物理实验验证了该算法的有效性和可行性。     

遥测速变参数自适应谱估计方法研究

针对靶场遥测速变信号处理对高分辨谱及非平稳信号处理的要求,在高分辨谱估计方法基础上,研究了最小均方准则(LMS)和最小二乘准则(LS)的自适应格型滤波算法,实现了LMS自适应格型滤波最大熵谱估计和LS自适应格型滤波ARMA谱估计.利用本研究方法对仿真数据和试验数据进行了大量的实验研究,并与经典周期图法、Burg最大熵法、Yule-Walker自回归法获得的谱估计进行对比.实验表明该方法适用于遥测速变信号的处理和分析,在改善谱分辨率的同时提高了算法的效率,为非平稳信号分析提供了时变谱估计方法,为深入研究导弹飞行振动特性、性能评估或故障诊断提供了新的分析工具.     

基于ASTUKF的电力信号同步相量跟踪算法

配电网电力信号的高噪声及强瞬变的特性对相量测量造成较大干扰,在噪声环境下可靠、快速并高精度地获得电力信号相量信息对电网的稳定性与可靠性具有重要意义。文章提出一种基于自适应强跟踪无迹卡尔曼滤波(Adaptive Strong Tracking Unscented Kalman Filter, ASTUKF)的电力信号同步相量跟踪算法：根据新息序列概率分布特征,构建系统状态判定变量判断系统是否发生突变,并在STUKF算法理论基础上提出弱化因子自适应算法,利用建立的基波相量状态空间模型构建基于ASTUKF的同步相量跟踪算法。实验结果表明,所提ASTUKF算法具有良好的检测突变的能力,能够快速准确地跟踪突变。     

A fast RLS transversal filter for adaptive linear phase filtering

A fast transversal filter algorithm is presented for the adaptive recursive least-squares design of filters with linear phase. Connections with a popular method of spectrum estimation are explored. The algorithm is derived in a new framework, for the prewindowed given data case. Exact and soft-constraint initialization are discussed and an improved rescue procedure is proposed. Data sequence weighting is introduced to allow for arbitrarily time-varying weighting strategies, facilitating the tracking of arbitrarily non-stationary phenomena.     

A fast convergence normalized least‐mean‐square type algorithm for adaptive filtering

A new adaptive algorithm with fast convergence and low complexity is presented. By using the calculation structure of the dual Kalman variables of the fast transversal filter algorithm and a simple decorrelating technique for the input signal, we obtain an algorithm that exhibits faster convergence speed and enhanced tracking ability compared with the normalized least‐mean‐square algorithm with similar computational complexity. Copyright © 2013 John Wiley & Sons, Ltd.