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.     

基于传播算子的间谐波参数智能估计算法

为了降低多重信号分类(MUSIC)法频率估计的计算复杂度,提出基于传播算子的间谐波频率估计方法.通过传播算子可以得到噪声子空间,不需要估计协方差矩阵和进行特征分解,并且不需要间谐波个数的先验知识,基于传播算子MUSIC算法的频率估计性能与MUSIC算法几乎相同.构造复数域自适应线性神经网络模型来估计谐波和间谐波的幅值和相位.该模型的输入变量和权值仅为实数域自适应线性神经网络的一半,简化了网络结构;采用Levenberg Marquardt(LM)算法对网络进行学习,大大减少了学习次数.仿真结果表明,该算法无需同步采样,能够快速准确地估计间谐波的频率、幅值和相位.     

基于Root—MUSIC和Prony算法的电压闪变检测

电压闪变是电能质量的一个重要指标．为实现对电压闪变参数的准确测量,提出基于求根多重信号分类法和Prony算法的闪变参数检测方法．先对信号数据组成的矩阵进行特征值分解,得出信号子空间和噪声子空间,利用他们的相互正交关系通过单位圆上的根估计频率大小,同时利用Prony算法中的最小二乘法求得幅值信息．Matlab仿真结果表明该方法在低信噪比下利用Root—MUSIC法能准确检测频率,并结合最小二乘法在小样本数据上的优势,有效提高了幅值检测的准确度．     

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.     

改进的间谐波分析法——加窗插值MUSIC法

邻近谐波或基波的间谐波,是导致电压闪变的直接原因,准确检出该成分,对于改善电能质量具有重要意义.针对真实电网宽带多频的信号特性,提出了一种改进的间谐波分析法—加窗插值MUSIC法,该方法克服了加窗插值和MUSIC算法的局限.Matlab仿真表明加窗插值MUSIC法频率分辨率和精度优于加窗插值,相对传统求根MUSIC不需...     

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。     

基于改进ApFFT的动平衡信号检测算法

动平衡信号的检测应用于精密仪器,需具有较高精度。针对传统方法在处理动平衡信号时存在的能量泄露和分析精度不够的问题,提出改进的全相位FFT (ApFFT)动平衡信号检测算法。ApFFT能够准确提取动平衡信号的相位信息,然后基于时移相位差法修正幅值与频率。仿真结果表明,相比于传统FFT与短时傅里叶变换,改进的全相位FFT算法能高精度测量频率、幅值及相位信息,其相位误差达到10-5级别,幅值与频率误差分别为0.11%和0.48‰,并具有极好的抗高斯白噪声的性能。     

基于谱估计和粒子群算法的电压闪变计算方法

间谐波的注入会导致电压的均方根值和峰值发生波动从而引起闪变,基于调幅波模型的闪变检测模型的测量精度较差。提出一种基于谱估计算法和粒子群算法的间谐波闪变检测方法。首先,通过比值法确定电压信号中不同频率分量的个数,再利用谱估计算法确定各分量的准确频率;然后,利用粒子群算法确定各个分量的幅值和相角,计算间谐波闪变值。仿真结果表明:该方法对于调幅波闪变信号和间谐波闪变信号,以及两者的混合闪变信号,均能快速准确地检测间谐波参数并计算闪变值。     

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。     

基于快速傅立叶变换的电力谐波分析与程序实现

采用FFT（快速傅立叶变换）算法在电网中进行应用,方法简单、可靠、精度较高,可以对谐波进行准确分析.利用FFT算法编写谐波分析程序对三相电进行数据采样,采样频率为3 200 Hz,将采样到的数据进行FFT变换.利用FFT的结果求出对应点的幅值,计算基波的频率、幅度,及其有效值;对其他频率的幅值可通过阈值进行判断,超过阈值可认为是谐波信号,并提取其幅值、频率;最后利用提取出来基波和谐波的信息计算谐波次数和谐波的有效值、谐波畸变率等参数.     

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．     

基于宽带欠采样阵列的频率估计算法研究

鉴于宽带欠采样阵列的常规FFT频率估计算法只适用于输入信噪比较高且精度要求不高的单信号频率估计,给出了多组采样频率联合解模糊的方法,在无需增加复杂配对算法的情况下,实现了多信号频率的无模糊估计．针对常规FFT法估计精度不高的问题,提出了一种分级高分辨频率估计方法（CMUSIC算法）．该算法估计精度可达到10kHz级,相对于常FFT法的MHz级提高了至少一个数量级．最后,仿真结果验证了本文所提方法的有效性．     

基于遗传小波网络的舰船购置费预测研究

为克服人工神经网络算法的缺陷，将遗传算法、小波分析、人工神经网络结合起来，用遗传算法来学习小波网络层间的权值、尺度函数和位置函数；建立了基于遗传小波网络的舰船购置费预测模型。实验表明：该模型具有较高的预测精度。     

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.     

高分辨率差分跳频信号频率检测

差分跳频(DFH)是一种新的高速短波通信体制，它利用相邻跳变频率的变化，而不是载频本身，来携带信息。跳变频率检测是实现DFH的关键技术之一。鉴于现代谱估计中MUSIC(MUltiple SIgnal Classification)算法具有高频率分辨率且对信号的初相位依赖性小的特点，本文首次将MUSIC算法用于DFH信号的频率检测，并对算法的性能和运算复杂度进行了讨论，最后给出了仿真结果。     

单矢量传感器MUSIC算法的DOA估计及性能评价

针对单矢量传感器MUSIC算法在实际工程应用中存在性能恶化的问题,通过理论分析和数值仿真研究了幅相特性因素对其方位估计性能产生的影响,推导了幅相特性不一致条件下算法的空间谱估计表达式,同时给出了一种基于单矢量传感器通道功率盲归一化思想的改进算法.研究的结果表明:通道的幅相特性不一致将导致空间谱的谱峰变宽,并使空间谱估计的结果产生偏差甚至"伪峰";而改进的算法在保证方位估计精度的同时改善了目标的方位分辨能力,消除了传统算法空间谱中可能存在的"伪峰".湖试数据的处理结果进一步验证了改进算法的有效性.     

神经网络模型应用于少数投影图像重建及数值模拟

研究了反馈式神经网络应用于少数投影重建图像问题。应用Hopfield神经网络,将能量函数与判别重建图像的优化准则联系起来,并应用Adaline模型调整各准则的权重,从而得到的重建图像质量良好。神经网络重建图像的算法收敛快、精度高,图像质量令人满意。     

基于apFFT-AMD的密集频率谐波/间谐波检测

针对电力谐波信号中含有密集频率的谐波/间谐波问题,提出全相位快速傅里叶变换（apFFT）与解析模态分解法（AMD）相结合的检测方法. 由于AMD在分解前需要确定信号中各个频率成分,应用apFFT对待分析信号进行频谱分析,得到频谱中各个频率的值;通过apFFT相位谱的平坦特性来判断信号中是否含有密集谱频率成分,获得密集频谱谐波/间谐波频率的大概位置,若含有密集频谱成分,对信号中的密集频段使用量子粒子群进行优化,寻找最佳的二分频率;通过各个频率成分之间的二分频率,利用AMD方法将电力谐波信号分解为一系列的单频信号分量,以完成含有密集频率的谐波测量. 与希尔伯特-黄变换法（HHT）相比,该方法对于含有密集频率的谐波/间谐波信号分解效果更好. 仿真和实验结果都表明了该方法的有效性和准确性.     

基于非均匀时延的频率估计改进算法

为了减少算法运算量,将多级维纳滤波器引入非均匀时延频率估计中,对原有算法进行改进.改进算法通过简单的乘加运算得到噪声子空间,无需对观测数据协方差矩阵进行特征根分解,因此也更加易于硬件实现;结合一维MUSIC高分辨算法完成对信号频率的参数估计.仿真结果表明：在信噪比大于0dB时,改进算法与原有算法性能相当.