一种新型变步长自适应谐波检测算法

提出了一种改进的变步长自适应谐波电流检测方法,它利用滑动积分器提取跟踪误差,并采用带有自调整因子的模糊调整器来动态调整算法的步长,从而提高了谐波检测的动态响应速度与稳定精度。为了简化系统设计并易于硬件DSP实现,采用了非均匀量化的模糊化和清晰化规则,而且由于存在自调整因子,此模糊调整器可根据检测系统的实际情况对调整规则进行自动、实时的调整,增强了整个算法的鲁棒性。通过实验证明该算法动态性能良好,可以快速地跟踪负载电流的突变。     

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.     

一种改进的自适应谐波检测方法及其应用

提出了一种改进的变步长自适应算法,将其运用于有源电力滤波器中的谐波电流检测中,取得了很好的效果。在常见的变步长自适应算法中,步长与误差或者输入信号有关,而在自适应的调节过程中,步长存在较大的波动,影响谐波电流检测的准确性。改进的自适应算法首先对误差信号加绝对值,接着对其求均值并以该均值来控制步长的变化,从而克服了步长波动的不足。该算法不但具有较快的动态响应,而且提高了谐波检测的精度。通过MATLAB仿真验证了该算法的可行性和有效性。     

基于改进增益型自适应LMS算法的谐波检测方法

基于自适应噪声对消原理的谐波电流检测方法相对其他检测方法来说,具有实现简单、鲁棒性强等特点。该方法利用信号处理中的自适应干扰对消原理,将电网电压信号作为参考输入,负载电流作为原始输入,从负载中实时消除与电压波形相同的基波有功电流分量(或基波电流),从而得到负载电流中所有谐波与基波电流无功分量之和。再配合有源电力滤波器(APF),由补偿装置注入一个与谐波和基波电流无功分量之和大小相等极性相反的补偿电流,达到抑制谐波与基波电流无功分量的目的。提出了一种基于改进增益型自适应谐波电流的检测方法,该方法采用的反馈量不同于以往方法中的误差信号,而是将误差信号经过数学转换,使其转换成一个能真正反映系统跟踪误差的信号,并将其作为自适应滤波器权系数迭代的反馈量。通过Matlab证明该方法能够在保持较小的稳态失调的情况下也具有较快的动态响应速度。     

一种新的变步长自适应谐波检测算法

提出了一种新的变步长最小均方(LMS)自适应谐波检测算法,并将其应用于有源电力滤波器中。该方法根据误差信号的时间均值估计来调节递推算法的步长,其优越性在于：即使在待检信号的信噪比(SNR)较低的情况下,也能够保证谐波检测过程既具有较快的动态响应速度,又保持较小的稳态失调。通过递推公式系数的选择,可以对系统的收敛速度与稳态失调进行更灵活的控制,而不像定步长 LMS 算法那样必须在两者性能上进行折中选择。仿真和实验结果亦证明了理论分析的有效性。     

改进的变步长自适应谐波检测算法

基于自适应噪声消除理论,考虑电网负载电流低信噪比的特性,对传统的最小均方(LMS)算法进行改进,得到一种新的变步长LMS自适应谐波检测算法.利用反馈误差信号的均值估计控制步长及权值的更新,当权值逐渐接近最佳值时,步长逐渐减小以保证较小的稳态误差,并有效降低不相关噪声信号的干扰.在权值迭代过程中加入动量,进一步提高系统的...     

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.     

用于有源滤波器谐波检测的一种新的自适应算法

提出了一种新的变步长最小均方(least-mean-square,LMS)自适应谐波检测算法,并将其应用于有源电力滤波器中。以一种时变步长迭代方法取代传统的定步长迭代法,旨在提高算法在求取均方差最小值的过程中方向估值的精度,从而达到提高算法收敛速度的目的。文中详细推导了2阶步长迭代公式,并导出了扩展的N阶步长迭代公式的递归表达式。通过仿真将所提出的新算法与传统的定步长算法进行了比较,证明新算法的收敛特性明显优于传统算法。     

一种新的变步长LMS自适应滤波算法

为了解决传统的固定步长的最小均方误差(LMS)算法在收敛速度和稳态误差上的矛盾,基于Sigmoid函数进行改进,提出了算法步长因子μ与误差信号e之间的一种新的非线性函数关系.首先,基于Sigmoid的偶函数特性将2个函数相乘,使得算法在稳态时能够获取更小的步长;然后,将误差信号用指数形式进行表示,进一步控制步长的变化速度;最后,通过误差e(n)和e(n-1)联合改变步长因子,提高了算法在低信噪比时的性能.理论分析和计算机仿真表明,与已有的变步长LMS算法相比,相同收敛精度时该算法的收敛速度更快,相同收敛速度时该算法的收敛精度更高,在相同条件下算法的抗噪声性能更好.     

一种改进自适应谐波检测算法研究

分析了传统定步长最小均方(LMS)算法用于谐波电流检测的不足,采用一种新的变步长LMS自适应算法检测谐波电流:根据误差信号e(n)和e(n-D)的自相关估计调整步长迭代,当权系数远离最佳权值时,通过增大步长加快对时变系统的跟踪速度;当权系数接近最佳权值时,减小步长获得较小的稳态误差。通过递推公式参数的选择,可对系统的收敛速度与稳态失调进行更灵活的控制。推导出了该方法的理论表达公式,其增加的计算量很小,容易实现。该方法能有效调节步长,不受谐波电流的干扰。仿真结果证明了该谐波电流检测方法的有效性。     

有源电力滤波器的动态因子LMS谐波检测方法

针对自适应谐波电流检测方法收敛速度与稳态精度需折中考虑的问题,采用单相并联有源电力滤波器(APF)作为硬件平台.基于自适应噪声对消技术,提出一种用于APF谐波检测的动态因子最小均方(LMS)算法.通过引入动量项,并利用误差信号在相邻时刻的时间均值估计来控制步长更新,极大加快了算法的收敛速度.采用动态因子项对误差再次进行...     

改进的变步长自适应谐波检测算法

基于自适应对消原理的自适应谐波检测算法因其优良的性能被广泛应用于有源滤波器,但该算法存在无法平衡稳态精度和收敛速度方面的不足。针对此不足,文中基于箕舌线函数和三阶权值系数提出了一种改进的变步长(Least Mean Square,LMS)谐波检测算法。该算法利用误差信号的自相关平均估计获得期望误差估计均值,并通过改进的箕舌线迭代函数作为核心函数来调节步长更新,之后通过推导出来的三阶权值公式代替传统的权值迭代。仿真实验结果表明,该算法在谐波检测中不但具有较快的收敛速度,也能获得较高的稳态精度。     

基于傅立叶级数的自适应谐波检测算法

传统的自适应谐波检测都是采用含有积分器的噪声对消原理,而对含有交流分量的信号积分导致得到的直流信号存在脉动。针对这一问题,本文在自适应算法的基础上,提出了基于傅立叶级数的自适应谐波检测算法。运用傅立叶级数的分解原理,通过自适应算法快速修正傅立叶级数的各次系数值,分解出基波有功和无功电流的幅值,再将基波有功和无功电流的幅值分别与锁相环所得的与电压同相位的单位正余弦信号相乘得到基波有功和无功电流。仿真结果表明本文提出的方法能快速准确地得到稳定的基波有功和无功电流的幅值,抑制了直流信号的脉动。     

The variable step-size LMS/F algorithm using nonparametric method for adaptive system identification

A fundamental challenge affecting the performance of a system is the undesired effect of noise on the system. Practically, real-time systems are influenced by Gaussian noise and impulsive noise. Identification of these nonlinear physical systems in the presence of noise offers broader applications than linear system identification. Hence, this article introduces a variable step-size technique to solve the conflicting requirement of rapid convergence and low mean square error (MSE) in the presence of both Gaussian and impulsive noise. Moreover, to avoid over parameterized equations existing in the variable step-size equation, this article proposes the nonparametric variable step-size (NPVSS), which depends on error estimates at instants of time and is used with the least mean square/fourth (LMS/F) algorithm. The computational complexity analysis, computer simulations, and implementation in real-time setup validate that the proposed NPVSS-LMS/F algorithm provides superior performance in terms of convergence time and MSE compared to the existing algorithms for both linear and nonlinear system identification in the presence of noise.     

一种基于信息最大化的自适应变步长盲源分离算法

现有的盲源分离算法不适合于数据的实时处理,并且算法性能依赖于步长的选择.提出一种基于信息最大化的自适应变步长盲源分离算法,采用基于估计函数的变步长算法,降低了盲源分离算法性能对步长的依赖性,并且采用自适应处理形式,适合数据的实时处理.最后将其应用于声音信号的盲分离,在选择小的步长参数的情况下,原有算法和文中新算法都取得了良好的分离效果;在选择较大的步长参数的情况下,新算法优于传统算法.