基于解相关LMS自适应滤波算法的低频振荡模式在线辨识

为提高电力系统低频振荡现象的实时监测水平,提出一种基于横向滤波器模型的解相关最小均方误差递推算法进行低频振荡模式辨识。该改进算法在原有最小均方自适应滤波算法的基础上,解除输入信号之间的相关性,提高了算法辨识的精度和收敛速度。通过对New-England 10机39节点系统的仿真数据分析以及南方某电网实测线路的辨识计算,其结果验证了该改进算法对低频振荡模式辨识的有效性。并通过与基本的LMS（最小均方）算法以及传统ARMA（自回归-滑动平均）算法辨识效果的比较,验证了该改进算法对低频振荡模式的辨识具有更好的精确性且提高了收敛速度,更具有实际的工程意义。     

基于正交滤波函数的快速窄带滤波算法

在分析窄带滤波算法的基波提取能力和响应时延特性的基础上,结合正交滤波算法的滤波性能,提出了一种基于正交滤波函数的提取基波分量的快速窄带滤波算法。采用两个与数据窗长有关的三角函数作为正交滤波函数,求得其不同数据窗长下相量的实虚部,推导得到各数据窗长下窄带滤波器初值的计算式,从而求取窄带滤波器初值,缩短其响应时延。该滤波算法滤波效果好,响应速度快,能够大大提高电网保护和控制系统的快速性。     

步长因子对最小均方误差自适应滤波效果影响的研究

自适应滤波器凭借其优越的性能,在微电子、自控、信号处理等诸多领域逐渐得到广泛应用。介绍了自适应滤波原理、自适应滤波算法,论述了步长因子对最小均方误差(LMS)自适应滤波效果的影响,借助MATLAB Simulink对被随机干扰的周期信号进行仿真研究,分析了步长因子对LMS算法收敛速度、滤波过程及输出信号稳态失调的影响。     

神经网络滤波技术在微机保护中的应用

介绍一种新的适用于微机保护的神经网络滤波算法,该算法采用ＡＤＡＬＩＮＥ模型和ＬＭＳ学习机制。给出了利用计算法进行滤波的仿真效果,并与最小二乘滤波算法的计算结果进行了比较。算例表明,神经网络滤波算法具有精度高、计算量小、收敛速度快的特点,比较适用于微机保护。     

基于多尺度形态学和Kalman滤波的基波分量提取

针对Kalman滤波在提取基波分量时存在暂态噪声抑制能力差和噪声统计特性不精确的缺点,提出了一种新的基波分量提取算法。采用改进的数学形态滤波器对采集信号进行多尺度分析得到平滑信号和细节信号,改进的滤波器使用不同形状的结构元素,有效地提高噪声抑制能力。利用平滑信号更新Kalman滤波器的观测值,减少故障信号暂态噪声的干扰,提高了滤波算法的收敛速度;利用细节信号实时在线计算测量噪声的方差,提高了滤波算法的收敛精度。在Matlab/Simulink环境下搭建仿真模型对算法进行验证与测试,仿真结果证实了算法的可行性和有效性。     

二进小波变换结合自适应滤波用于局放检测

在局部放电在线监测和实时信号处理中,干扰较大时单纯依靠传统的硬件滤波较难准确提取有用信号,而在软件抗干扰中,传统多抽头自适应滤波器的参数设置也较难,有时会导致收敛很缓慢甚至不稳定。为此,提出了一种将二进小波变换与自适应滤波结合的局放信号检测算法,先对信号作简单的单抽头自适应LMS算法滤波,然后对滤波结果进行基于āTrous算法的二进小波变换来提取有用信号。通过对仿真白噪、窄带周期干扰及现场实测数据处理表明,该算法有很好的去噪性能,稳定性和实时性优于传统的自适应滤波,满足大部分工程要求,为工程实际应用提供了有效的去噪手段。     

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.     

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.     

多通道FURLS噪声主动控制算法及仿真

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。     

一种用于微机继电保护的实用滤波算法

选取2个与数据窗长有关的三角函数作为滤波函数构成一对正交的滤波器,提出一种实用的滤波算法,利用1／4周期数据窗计算出相量,通过合并计算后得到1／4周期整数倍数据窗长的相量计算结果,从而实现了保护的快速性,特别是用于线路光纤纵差保护时,会减轻保护通道的负担。通过对算例的仿真计算表明,所提出的实用滤波算法具有较好的计算精度及快速性,具有很好的实际工程应用性。     

一种新的变步长LMS算法

自适应滤波器在信号检测、信号恢复、数字通信等许多领域中被广泛应用,自适应算法一直是学术界一个重要研究课题,提出了一种新的变步长LMS算法.算法根据自适应滤波收敛程度的加深,逐渐减小步长.试验结果表明应用该算法设计的自适应滤波器与当今通用的变步长LMS算法相比具有运算简单,收敛速度更快等优点.     

基于瞬时无功功率理论的改进谐波检测算法

能否快速精确检测出谐波电流是决定有源滤波器整体滤波性能的关键。作者基于瞬时无功功率理论提出了一种改进的谐波检测算法。该算法采用变步长最小均方自适应滤波器作为检测电路中的低通滤波器,通过选择递推公式参数并结合两种误差信号的自相关估计结果调整步长进行迭代,实现了对滤波器收敛速度与稳态失调的灵活控制。理论分析和仿真实验验证了该谐波电流检测算法的正确性和有效性。     

基于系数估值约束的改进LMS自适应滤波算法

为提高扩散LMS自适应滤波算法的收敛速度和保持较低的稳态误差,在扩散LMS算法基础上,提出一种基于参数估计值约束的分布式自适应网络滤波算法,算法在迭代收敛过程中,根据相邻迭代过程参数估计值差值约束实现自适应的调整步长大小,从而使得算法在估计初期采用较大步长以加速收敛,而在估计后期自适应的调整步长以保持较低的稳态误差。对比实验结果表明:相比于现有其他算法,所提算法在进行分布式估计时性能更优。     

基于自适应滤波算法的谐波仿真分析

为改善自适应滤波算法的滤波效果,减小稳态误差,提高跟踪响应速度,并验证改进的变步长LMS滤波算法的有效性和优越性,利用电磁暂态仿真软件PSCAD/EMTDC,构建电网谐波仿真计算模型,并与传统的基于瞬时无功功率理论的p-q算法以及定步长LMS算法进行仿真比较,根据不同系统条件下的滤波仿真波形,进行快速傅里叶分析,验证了此改进变步长LMS算法在计算量增加不多的前提下,可以同时获得较好的跟踪速度和较小的稳态误差,证实了该算法的有效性。     

横向延时自适应滤波器改进及应用

文中详细地介绍横向延时自适应滤波器自适应过程 以及LMS算法，提出对LMS算法的一种改进。将其应用到综合录并仪中数据处理中，应用表明该方法具有较好的抑制噪声的作用。     

基于带双窗N-1/N重叠频域FIR滤波器的自适应除噪

基于一种带双窗重叠自适应滤波器,将重叠滤波思想引入LMS算法,给出了窗加权重叠LMS(WO-LMS)算法.与传统的LMS算法相比,WO-LMS算法在同样收敛速度的前提下可以得到较低的稳态均方误差.理论分析了算法的收敛性,实验中通过和LMS算法的比较,验证了WO-LMS算法的优越性.     

快速收敛变换域自适应滤波算法

为了提高LMS算法均衡相关信号时的收敛性能,提出了一种新的快速收敛变换域自适应滤波算法（VS-DCTLMS）。该算法融合了归一化离散余弦变换LMS算法和变步长离散余弦变换LMS算法的优点,具有结构简单,收敛速度快,稳态误差小的特点。仿真结果表明,该算法计算量和变步长归一化LMS（VS-NLMS）算法、解相关LMS（DescorrLMS）等算法相当,但在收敛速度上具有很大优势;收敛性能和最小二乘回归算法（RLS）接近,却克服了RLS计算量大、不利于硬件实现的实际问题,是一种性能优良的可实现方法。     

A novel approach to introducing adaptive filters based on the LMS algorithm and its variants

This paper presents a new approach to introducing adaptive filters based on the least-mean-square (LMS) algorithm and its variants in an undergraduate course on digital signal processing. Unlike other filters currently taught to undergraduate students, these filters are nonlinear and time variant. This proposal introduces adaptive filtering in the context of a linear time-invariant system using a real problem. In this way, introducing adaptive filters using concepts already familiar to the students motivates their interest through practical application. The key point for this simplification is that the input to the filter is constant so that the adaptive filter becomes linear. Therefore, a complete arsenal of mathematical tools, already known by the students, is available to analyze the performance of the filters and obtain the key parameters to adaptive filters, e.g., speed of convergence and stability. Several variants of the basic LMS algorithm are described the same way.     

基于伪线性回归算法的自适应滤波算法

为抑制谐振接地系统对地电容中的工频信号和其它谐波成分,提出了一种基于伪线性回归算法的自适应滤波算法。该算法以经平滑滤波后的信号输出误差为代价函数调整滤波器系数,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。仿真结果表明,与其它自适应算法相比,该算法收敛速度快且失调率低,基于该算法的滤波器结构简单、测量误差较低、可靠性较高。     

改进变步长LMS算法在软起动谐波检测中的应用

针对现有自适应变步长最小均方(LMS)谐波电流检测算法在低信噪比环境中易受干扰影响,提出一种改进自适应变步长LMS算法。该算法将误差信号与前一工频周期误差信号的差值作为反馈量,结合箕舌线函数构造出随动的动态因子,将此动态因子也作为调节权值的动量因子,利用自相干估计误差控制步长。该算法折中考虑收敛速度和稳态精度,并有效降低噪声信号的干扰。通过对电机软起动器工作过程中产生的周期重复性谐波进行检测和分析,证明了该谐波电流检测算法的可行性。