基于Root-MUSIC和Adaline神经网络的 间谐波参数估计

为了提高电力系统间谐波分析的精度和分辨率,提出基于求根多重信号分类法（root-MUSIC)和自适应线性神经网络的间谐波参数估计方法.该算法利用求根多重信号分类法估计信号中谐波和间谐波的个数及频率,将谐波和间谐波的频率作为Adaline神经网络的输入进行学习,用得到的权值确定谐波和间谐波的幅值和相位;将频率作为权值在改进的Adaline神经网络中参与学习,估计谐波和间谐波的频率、幅值和相位.Matlab仿真结果表明,该算法频率分辨率高、检测准确、收敛快;当频率估计准确时,基本Adaline神经网络与改进的Adaline神经网络具有相近的检测精度,且前者的实时性更好.     

增强型Adaline神经网络谐波分析方法研究

为了提高Adaline神经网络谐波分析方法对频率波动信号的分析精度,提出了增强型Adaline神经网络模型.该算法将基波频率作为待定的权值,可以同时估计信号频率及各次谐波的幅值和相位,在学习算法中采用动量项方法和频率延迟调整策略以提高算法的收敛性能.讨论了学习率和动量因子对算法收敛性的影响,并给出了各参数的优化设置方法.Matlab仿真结果表明,增强型Adaline谐波分析算法不会产生频谱泄漏,具有较高的分析精度和较快的收敛速度.增强型Adaline谐波分析算法适合于短数据非同步采样下的谐波分析.     

基于FFT法和MUSIC法的间谐波频率估计

在电力系统中,间谐波检测是抑制间谐波的重要环节,准确有效地确定信号中的间谐波分量,对于改善电能质量有重要意义．FFT能够实现整数次谐波检测,对于非整数次谐波的检测存在着频率泄漏和栅栏效应,而MUSIC法需要在整个频域内进行谱峰搜索,影响其实用性．本文将FFT和MUSIC算法相结合,利用FFT缩小搜索域,再利用MUSIC进行频率细化,即克服了FFT的频率泄漏和栅栏现象,同时缩短谱峰搜索时间,可以更有效地估计出间谐波的频率,仿真试验说明了此方法的有效性及频率估计的精确度．     

基于多项式变换的自适应Chirp信号参数估计

提出了一种新的基于多项式变换的RLS(recursiveleastsquare)算法。利用多项式变换将多项式相位信号(PPS)转变为具有线性相位的谐波信号,这一谐波信号满足AR(Autoregressive)模型且其频率对应于多项式相位的最高次项系数。然后利用RLS算法对AR模型的AR系数进行自适应估计,通过AR系数求解谐波信号频率,便可以获得多项式相位中最高次项的系数。本算法速度快,计算量小,并且在较低的信噪比(SNR)下估计性能依然良好。Monte Carlo仿真实验证明了本方法的有效性。     

MUSIC法的有限域单向快速频率搜索

快速傅里叶变换(FFT)算法在应用中速度快,精度较低,而MUSIC法精度高,实时性差。该文通过分析两者联合谐波频率估计的可能性,提出利用FFT算法对谐波频率进行预估计,用二分法将频域划分为有限个细小的频率区间,根据可能的有效频率选取有效区间,再通过MUSIC方法在有限的搜索区间进行频率细化,并在细化的过程中采用趋向谱幅值增大的单向搜索。通过仿真研究,该方法能有效提高信号的处理速度,加强MUSIC算法的应用。     

Nuttall窗的光伏系统间谐波分析方法

传统谐波分析由于很难达到同步采样和整周期截断,给谐波参数的计算带来不可避免的误差,加窗插值算法可以改善由非同步采样带来的频谱泄露和栅栏效应,依据快速傅里叶变换理论,采用双谱线加窗插值FFT算法对间谐波参数进行估计,并给出了Nuttall窗的间谐波频率、相位和幅值的插值修正公式.通过对模拟谐波信号的仿真发现,该算法能够在对信号谐波准确分析的基础上实现对间谐波的精确检测,并且比其它对比窗函数具有更高的精确度.     

应用插值FFT算法精确估计电网谐波参数

深入研究了插值快速傅里叶变换(FFT)算法在电网谐波参数估计中的应用。加窗宽度和窗函数的类型是影响插值FFT算法分析精度的主要因素。通过对常用窗函数的特性分析，得出了加窗宽度关于分析精度的估计公式。电网信号的基波幅值远大于各次谐波幅值，分析表明，Hanning窗比较适合分析电网信号，同时给出了基于Hanning窗的电网谐波幅值、频率和相位的显式计算公式。仿真结果证明，应用上述分析结果，电网谐波幅度、频率和相位的估计达到了预期的分析精度。     

基于神经网络算法的电力谐波分析方法的研究

目前常用的谐波分析算法存在着计算精度低,计算量大等缺点,本文提出并研究了一种基于傅立叶基神经网络的谐波分析方法.利用傅立叶基神经网络模型进行谐波分析可以有效地提高神经网络的收敛速度和计算精度,减小了计算量.并通过仿真,验证了利用该算法进行谐波分析可快速获得电力系统的基波及各次谐波高精度的幅值和相位.     

基于神经网络算法的电力谐波分析方法的研究

目前常用的谐波分析算法存在着计算精度低、计算量大等缺点,本文提出并研究了一种基于傅立叶基神经网络的谐波分析方法.利用傅立叶基神经网络模型进行谐波分析可以有效地提高神经网络的收敛速度和计算精度,减小了计算量.并通过仿真,验证了利用该算法进行谐波分析可快速获得电力系统的基波及各次谐波高精度的幅值和相位.     

基于Nuttall窗DFT校正的微电网谐波检测算法

谐波参数的准确估计是微电网谐波治理的基础和依据,微电网频率偏移大,信噪比低,采用常规傅里叶算法测量谐波误差大。提出基于Nuttall窗离散傅里叶变换(DFT)校正的谐波检测算法。首先,对采样数据加Nuttall窗,利用Nuttall窗旁瓣低且衰减快的特点抑制各频率成分间的频谱干扰;其次,采用DFT校正算法估计谐波频率、幅值、相位等参数,减小频谱泄露引起的谐波测量误差;最后,对微电网较大频率偏差和较低信噪比的情况下,对所提方法进行仿真分析。仿真结果表明,所提算法能有效抑制同步采样误差对谐波测量的影响,可显著提高微电网谐波测量的精确性。     

基于改进传播算子的双基地多输入多输出雷达参数估计

针对双基地多输入多输出（MIMO）雷达系统中，多目标波离方向（DOD）和波达方向（DOA）联合估计精度低的问题，提出了一种改进的传播算子（PM）方法。根据传播算子定义要求提取存在旋转不变结构的相关数据，组合相关数据求得协方差，采用前后向平滑方法求得传播算子，根据其内部结构特征求出旋转不变因子，估计出DOD和DOA的值。仿真结果表明:与传统的旋转不变子空间算法和PM算法相比，该方法具有更高的估计精度，在低信噪比时与传统的PM算法相比最大均方根误差相差4 dB，性能更加稳定，更适合低信噪比时的DOD和DOA高精度估计。     

抽水蓄能电站SFC系统的间谐波分析

当前,抽水蓄能电站SFC系统中的间谐波问题日益受到重视。本文将其SFC系统模拟为常见的电流型变频器,使用谐波调制理论,并结合开关函数的傅立叶分析,分析SFC在电网侧产生间谐波的机理,建立其简化模型。作为验证,依托某变频调速系统,结合计算机仿真模拟,其对比结果表明了该模型的可靠性,从而可推广到抽水蓄能电站中应用。     

A Time-Frequency Associated MUSIC Algorithm Research on Human Target Detection by Through-Wall Radar

In this paper, a time-frequency associated multiple signal classification (MUSIC) algorithm which is suitable for through-wall detection is proposed. The technology of detecting human targets by through-wall radar can be used to monitor the status and the location information of human targets behind the wall. However, the detection is out of order when classical MUSIC algorithm is applied to estimate the direction of arrival. In order to solve the problem, a time-frequency associated MUSIC algorithm suitable for through-wall detection and based on S-band stepped frequency continuous wave (SFCW) radar is researched. By associating inverse fast Fourier transform (IFFT) algorithm with MUSIC algorithm, the power enhancement of the target signal is completed according to the distance calculation results in the time domain. Then convert the signal to the frequency domain for direction of arrival (DOA) estimation. The simulations of two-dimensional human target detection in free space and the processing of measured data are completed. By comparing the processing results of the two algorithms on the measured data, accuracy of DOA estimation of proposed algorithm is more than 75%, which is 50% higher than classical MUSIC algorithm. It is verified that the distance and angle of human target can be effectively detected via proposed algorithm.     

提高二维DOA估计分辨率的改进MUSIC算法

针对经典二维多重信号分类(Multiple Signal Classification, MUSIC)算法在低信噪比和小快拍数情况下,分辨率受阵列孔径限制的问题,提出了一种改进的基于MUSIC算法的二维测向算法．该方法利用MUSIC谱函数极大值点处对方位角和仰角的二阶偏导数小于零的特性,通过对方位角和仰角求二阶偏导,构造了新的空间谱函数．对新的空间谱函数进行谱峰搜索,其负向谱峰所对应的角度就是目标的波达方向 (Direction Of Arrival, DOA)估计．理论分析和仿真结果表明,在低信噪比、小快拍数下,该方法对相近信源有更高的角度分辨率和更低的均方根误差,并且可适用于任何阵型．     

基于矢量阵的自初始化MUSIC方位估计算法

MUSIC空间谱估计突破了常规波束形成中的锐利限,能够对目标进行高精度方位估计.探讨了MUSIC算法在矢量阵上的应用,给出了矢量线阵MUSIC噪声子空间谱估计表达式,利用单个矢量阵元的阵簇估计提供的初始参数,对MUSIC噪声子空间谱进行迭代搜索谱峰实现目标的方位估计,用以提高目标方位估计的精度.对单目标和双目标方位估计进行了仿真研究,在文中的仿真条件下,当满足信噪比大于5dB的条件时,可对目标方位进行较好估计.研究结果表明,通过单个矢量阵元阵簇得出的目标方位估计精度较差,而迭代搜索MUSIC谱峰方法提高了方位估计精度.     

改进型MUSIC算法在智能天线DOA估计中的研究

智能天线的一项核心技术是波达方向（Direction of Arrival,DoA）的估计,它在无线定位的应用领域中有着十分重要的意义．为了对信号的DOA作出精确的估计,提出一种基于空间平滑技术的改进型MUSIC（Multiple Signal Classification）算法．仿真结果表明经典的MUSIC算法只能对非相干信号的DOA作出精确的估计,而改进型MUSIC算法对相干信号的DOA也能作出精确的估计．     

色噪声下圆阵的全加权MUSIC算法

针对色噪声下多重信号分类(Mutiple Signal Classification,MUSIC)算法方位估计的不准确问题,提出一种预处理修正的全加权MUSIC算法。该算法利用估计的噪声相关矩阵对圆阵接收数据进行预处理后即可消除色噪声对方位估计的影响,然后应用修正的全加权MUSIC算法,在不需要知道信源数目的条件下就可实现目标的准确估计。仿真结果证实该方法有效。     

一种基于子空间方法的近场目标定位算法

针对近场目标参数估计中计算量大的问题,提出了一种结合主奇异向量模态分析（PUMA）技术以及一维多重信号分类（MUSIC）方法的近场目标定位算法。该算法首先利用PUMA技术估计近场目标角度参数,然后通过估计出的角度参数并结合一维MUSIC方法,估计出近场目标距离参数。通过计算机仿真实验表明,该方法能明显减少近场目标参数估计的计算量,并且具有较好的参数估计性能。     

基于四元数MUSIC的双极化散射中心参量提取

针对既有水平极化发射水平极化接收,又有垂直极化发射垂直极化接收数据的双极化雷达目标散射中心模型,提出用四元数MUSIC算法进行参量提取。该算法首先将hh和vv数据用四元数联系起来,然后采用MUSIC算法的思想,构造四元数信号子空间和四元数噪声子空间,并利用四元数噪声子空间和四元数信号子空间相互正交的特性,通过谱峰搜索估计双极化散射中心的参量。同复数域的MUSIC算法相比,四元数MUSIC算法在信噪比较低时仍能较好地估计出散射中心参量。仿真实验验证了算法的有效性。