PMSM无传感器初始位置检测及低速运行研究

目前,永磁同步电机(PMSM)无位置传感器运行研究受到广泛关注。文章采用一种基于高频方波信号注入的方法实现PMSM无位置传感器启动以及低速运行。首先详细分析了高频方波信号注入检测原理,然后对注入的高频方波信号以及电流采样模式进行了改进。在估计的两相旋转坐标系轴向注入频率等于逆变器开关频率的高频方波电压信号,通过巧妙的安排定子电流采样模式,根据检测到的定子电流并结合注入的方波电压信号即可获得转子位置信息;采用Luenberger观测器对转子位置信息进行观测,以获得较为平稳准确的电机转速和转子角度估计值;利用电机的磁路饱和特性,实现基于高频方波信号注入法的PMSM无位置传感器转子初始位置检测。所提出的改进方法不依赖于准确的电机参数,不需要使用任何滤波器,信号处理过程简单易实现。仿真结果验证了该方法的正确性。     

实时递推的最小二乘预测跟踪算法

针对探测系统跟踪误差对目标跟踪的影响,提出一种实时递推的最小二乘预测跟踪算法.该算法采用平方预测器的估算方式,获得目标运动轨迹的最佳逼近,通过不断更新的历史数据实时递推轨迹参数,预测下一帧目标位置.该算法采用Matlab软件编写易于工程实现的应用程序.得到仿真的目标真实轨迹与预测轨迹数据.仿真结果表明,该算法可以在系统...     

线性联合检测算法在TD-SCDMA系统中的性能分析与比较

时分、同步码分多址（TD－SCDMA）系统是基于时分双工（TDD）的块传输系统，它使用了联合检测这项关键技术来抵抗符号间干扰（ISI）和多址干扰（MAI）。以上行链路为例，本文分析了三种线性联合检测算法－－匹配滤波块均衡器（MF－BLE）、迫零块均衡器（ZF－BLE）和最小均方误差块均衡器（MMSE－BLE）。从理论上，我们描述了这三种线性联合检测算法的基本原理，并对它们进行了比较（包括抗干扰性能和计算量）。随后，我们模拟了不同参数条件下（信道模型、码道数目、天线数目）这几种算法的性能，并与理论分析进行对照，得出一定结论。     

红外无源定位技术研究

传统的无源定位方法大都采用多个接收机测向 ,交叉定位 ,但其测向精度低 ,难以满足实际需求。基于最小二乘法原理提出的极小化误差法 ,其定位精度大大提高 ,仿真结果表明 ,将此方法用于红外探测阵列具有良好的定位性能。     

飞参数据综合滤波算法

根据功率相等的原则提出了飞参数据中的野值滤波方法.运用神经网络和最小二乘法加权的方法对缺损数据进行填充,并分别与最小二乘法和神经网络的处理结果进行比较.仿真结果表明,运用该方法进行数据处理,可以在保证数据完整准确的情况下,有效地弥补飞参记录数据的缺陷,提高了数据的准确性和可信度.     

一种新的子空间跟踪方法在DOA估计中的应用

介绍了一种新的子空间跟踪方法(双迭代最小二乘(Bi—LS)子空间跟踪方法)在DOA估计中的应用。特征子空间方法的关键是对信号或噪声子空间的估计。在实际中，有些信号的统计特性是时变的，为得到参数的即时估计值，需要随时根据新的阵列接受数据对信号或噪声子空间进行更新。将Bi—LS子空间跟踪算法和自适应ESPRIT算法相结合，形成一种快速递推的自适应ESPRIT算法，对时变信号DOA进行跟踪估计。其计算复杂度小，仿真结果验证了该算法的有效性。     

基于平衡式反射型调制器的反射功率对消器

基于模拟最小均方(analogue least mean square,ALMS)环路的反射功率对消器能够自适应地抑制载波干扰,故常应用于连续波雷达中。传统的反射功率对消器使用基于矢量调制器的独立馈通电路产生对消信号,对消电路复杂度高。提出一种改进的反射功率对消器,对消器使用一个平衡式反射型正交调制器产生对消信号,避免了独立馈通电路的使用,从而简化了电路结构。平衡式的正交调制器具有较好的I/Q平衡性,确保ALMS控制环路在较宽的频带内保持稳定。最终制作了工作在UHF 频段的对消器模块。测量结果显示,该模块对以915 MHz为中心频率、带宽60 MHz的线性调频干扰信号具有良好的自适应跟踪能力。在干扰功率+10 dBm 条件下,典型的等效输入噪声谱密度为-153 dBm/ Hz@100 kHz。     

基于约束最小二乘的纯方位多站被动跟踪算法

纯方位单站目标被动跟踪需要观测站作机动才能满足可观测条件,导致跟踪算法收敛时间较长。基于纯方位多站被动跟踪算法可以解决算法收敛时间较长的问题,文中提出了一种约束最小二乘算法用于纯方位多站被动跟踪,它首先为最小二乘算法引入约束条件,利用矩阵最小特征值所对应的特征向量,解决了EKF 算法需要初值的问题,避免了滤波的发散,同时也极大地减小了最小二乘估计的偏置。仿真表明,这种算法能够渐进地逼近估计误差的下限,并且其精度有所增加,是一种渐进、稳定以及近似无偏的估计算法。     

Adaptive sparse system identification using normalized least mean fourth algorithm

Normalized least mean square (NLMS) was considered as one of the classical adaptive system identification algorithms. Because most of systems are often modeled as sparse, sparse NLMS algorithm was also applied to improve identification performance by taking the advantage of system sparsity. However, identification performances of NLMS type algorithms cannot achieve high‐identification performance, especially in low signal‐to‐noise ratio regime. It was well known that least mean fourth (LMF) can achieve high‐identification performance by utilizing fourth‐order identification error updating rather than second‐order. However, the main drawback of LMF is its instability and it cannot be applied to adaptive sparse system identifications. In this paper, we propose a stable sparse normalized LMF algorithm to exploit the sparse structure information to improve identification performance. Its stability is shown to be equivalent to sparse NLMS type algorithm. Simulation results show that the proposed normalized LMF algorithm can achieve better identification performance than sparse NLMS one. Copyright © 2013 John Wiley & Sons, Ltd.     

无线传感器网络中分阶段的无需测距定位算法

为了提高无线传感器网络中基于无需测距算法定位精度,改进质心算法和DV-Hop算法,定位过程分为两个阶段:第一阶段在最佳通信半径与最佳阈值下,用基于阈值的优先质心算法定位部分节点;第二阶段在最佳通信半径与最佳指数值下用DV-Hop算法定位剩余节点。将算法应用在一种锚节点人工部署环境下,并与其他算法对比。MTLAB仿真结果表明,改进的算法在不增加泛洪次数、计算量和网络硬件成本下能提高定位精度,同时实现100%定位。