一种基于粒子滤波的跳频信号频率跟踪技术

为了能在未知跳频模式或跳频时刻的条件下,实时估计跳频信号的频率,提出了1种相位粒子滤波的跳频信号频率跟踪算法.首先建立了跳频信号的相位统计模型;然后通过粒子滤波算法实现对信号相位的后验概率密度估计;最后通过相位的后验概率密度实现对跳频频率的最小均方误差估计.算法使用序贯重要性采样技术实现粒子权值的迭代更新,采用系统重采...     

基于级联滤波锁相环的电网信号同步方法

针对电网故障条件下，传统SRF-PLL在进行电网信号同步时存在频率和相位信号检测误差较大的问题，提出了一种基于级联滤波锁相环的电网信号同步方法.在QT1-PLL中，利用级联滤波结构改善系统的滤波性能，并使系统的响应速度得到提升.在锁相环路内增加相位和幅值补偿环节以消除电网频率偏移对锁相结果的影响.仿真和实验结果表明:在电压信号发生20°的相位跳变和4Hz的频率跳变时，可以在1.5个电网周期内实现对频率和相位的准确检测；频率和相位超调量分别为0.5Hz和4°时，满足并网系统快速准确的要求，验证了所提理论的正确性和有效性.     

电网电压参数跳变时三相并网逆变器的同步方法

针对二阶广义积分器锁频环在电网同步系统启动和电网电压的参数跳变时会产生频率波动的问题,提出了一种基于自适应锁频环结构的二阶广义积分器的电网同步方法.该方法将反映电网电压的幅值、相位和频率的跳变的电压误差引入锁频环的增益.通过设计合适的锁频环增益,既能够有效抑制相位和幅值跳变引起的频率波动,又能够提高频率跳变时的响应速度.在电网电压正常、不平衡和畸变的情况下对所提出的电网同步方法进行了仿真.仿真结果验证了所提出方法的有效性.     

一种用于频率跟踪和相角估计的实用算法

电网电压的频率、幅值和谐波含量均随时间发生变化,它们严重影响着电网相量的测量精度．为此,在分析傅氏法计算误差与频偏、起始点相位关系的基础上,提出了一种基于准同步采样和傅氏分析的频率跟踪、相角估计的实用算法．它用离散傅氏法和线性插值法估计任意时刻的相量,用迭代算法寻找相角差为零的相邻周期的两个估计相量进行频率计算,继而对采样数据进行同步化处理以获取信号的真实相量．仿真结果表明,这种方法可使相角误差小于0．2°,并能够满足电网相量实时测量的快速性要求．     

DC/DC变换器的神经网络鲁棒控制

针对有非最小相位特性的二阶DC/DC(直流/直流)变换器平均值模型的特性,以Buck-Boost变换器为典型例子,提出了一个非线性反馈做内环控制器,控制其电感电流;用RBF(径向基函数)神经网络作为自适应机构,提出了一个神经网络鲁棒控制器作为电压外环控制器,控制其输出电压.证明了系统跟踪误差和神经网络权值的有界性.仿真结果表明,提出的控制器对于系统参数的不确定性具有很强的鲁棒性,并具有很好的动态性能.     

全相位时移相位差频谱校正法

为精确估计噪声背景下正弦信号频率、幅值、初始相位,提出了基于全相位FFT谱分析的时移相位差频谱校正法．此方法需对存在时移关系的两输入序列分别进行全相位FFT,直接取主谱线的相位值无需校正即可得到初始相位的估计;利用主谱线上的相位差值即可获得精确的频率估计．同时阐述了传统相位差法向全相位时移相位差法的衍生关系．由于全相位FFT具有良好的抑制频谱泄漏特性,因而该法的频率和相位估计精度非常高,无噪时频率误差处于10^12分辨率级,相位误差可达10^-9度．     

基于无延时FIR滤波器的电网电压锁相方法研究

为了解决由于电网电压被噪声污染而难以准确实时检测出过零点的问题,提高电网电压过零锁相精度,提出一种基于无延时有限脉冲响应(FIR)滤波器的电网电压过零鉴相锁相方法。该方法可以抑制噪声,消除"虚假过零点",并且滤波后无相位延迟,不需要进行额外的相位补偿,方法简单。在含有噪声和非理想电网电压工况下的仿真表明了算法能够精确检测电网电压过零点,得到电网电压相位信息;基于TMS320F28335DSP的电网测量实验结果表明,算法在实际应用中能够满足实时性要求,准确检测相位信息。     

采样频率偏移对卫星导航接收机的影响

为避免采样频率偏差给卫星导航接收机带来的符号位滑动、伪随机噪声码相位移动和载波相位偏差等问题，提出了一种改进的频率偏差估计方法．接收机的码跟踪环路以码速作为时间基准，对采样频率实际值与标称值之间的偏差进行跟踪，环路稳定后得到该偏差的估计值，其采样频率的准确度可提高到10^-7量级．将该估计值补偿到载波锁相环中。可减小由采样频率偏差带来的相位误差和多普勒频移偏差，从而使得导航接收机能正确解调信号，进一步提高了输出载波相位的准确度，为实现更高精度的定时和定位提供了可能性．     

基于最大似然估计和Kalman滤波的BPSK载波同步方法

针对低信噪比及大多普勒频率变化率情况下的载波同步问题,提出一种基于最大似然估计和Kalman滤波相结合的跟踪环结构.利用最大似然估计在低信噪比环境下准确估计载波频率和相位,并结合Kalman滤波对载波变化进行稳定跟踪.其中利用二分法搜索保证低计算复杂度的同时提高了估计精度.仿真结果表明了此载波跟踪环路良好的跟踪性能.     

无线通信OFDM系统相位噪声自适应补偿

将基于循环前缀的时域相位跟踪与基于频域导频的CPE校正技术相互结合,提出了一种旨在提高无线OFDM接收机抵抗相位噪声能力、低复杂度的相位噪声自适应补偿方案,时域跟踪可以对信道相位偏移低频成分起到初步的抑制作用,而在频域则通过引入导频子载波可信度判决机制,将CPE估计放在信道判决前进行,更为精确地消除由频率选择性相位偏移对CPE估计所带来的影响.仿真结果表明,本方案能够显著改善OFDM接收机在相位噪声条件下的系统误码率性能.     

基于无迹卡尔曼滤波神经网络的光伏发电预测

针对光伏发电系统在不同天气状况下发电功率预测精度不高的问题,在分析传统方法的基础上,提出一种无迹卡尔曼滤波神经网络光伏发电预测方法。该方法利用无迹卡尔曼滤波实时更新神经网络模型的权重,以直流电压和电流作为系统的输入,以有功功率和无功功率作为系统的输出,分别建立两个独立的双输入单输出功率预测模型。实验结果表明:所提出的方法对有功功率和无功功率的预测精度分别为97.3%和94.2%,并且对天气具有良好的鲁棒性。     

基于变权重奇异谱分析的心律不齐识别方法

现有心律不齐研究多数围绕心电信号中不同频率特性成分的分离展开，而不同子序列的信息量对于最终目标决策的贡献则缺少研究与分析.为增强高贡献度子序列对于分类器的影响，提出了一种变权重奇异谱分析与深度学习结合的识别方法.通过奇异谱分析获得多个子序列，结合各个子序列的奇异值计算随机森林下的基尼系数，并将其作为权重.变权重的序列样本用于训练神经网络模型，更高效地挖掘了有用信息，进一步提高了识别精度，最终的心律不齐识别准确率为98.35%，Macro-F1为97.95%.相对于传统的定值权重，本文提出的变权重识别方法在各个性能指标上均有明显提升.     

改进型DSC的并网锁相环直流偏移消除方法

针对在SRF-PLL的控制内环中使用延迟信号消除(DSC)算子，放缓了动态行为问题，提出了一种用于电网同步的三相PLL中的快速直流偏移抑制方法.通过使用改进型DSC运算器(MDSC)方法，改进了传统的基于DSC的PLL的动态性能.该方法能够有效地克服系统带宽给直流偏移消除带来的影响，并使系统响应速度得到提升.另外基于MDSC的PLL在相位跳变和频率阶跃变化的调整时间也很小.所提方法的有效性通过仿真实验结果得到证实.     

基于RBF神经网络的输电线路故障类型识别新方法

基于径向基函数(radial basis function,RBF)神经网络理论,采用电流突变量比例系数,提出了一种对输电线路故障类型识别的新方法。利用PSCAD/EMTDC软件建立500 kV高压输电线路仿真模型,仿真不同工况下的故障。由各相电流之差提取故障差流信号的突变量,并计算故障后一个周期内差流突变量的有效值,得到故障状态下各相差流突变量占三相差流突变量有效值总和的比例系数,结合零序电流判别系数构造故障类型识别特征向量,建立RBF神经网络进行故障类型识别。仿真结果表明,采用电流突变量比例系数作为特征量包含的信息更丰富,对RBF神经网络的训练效果更好,不受故障位置、故障初始角和过渡电阻等因素的影响,网络识别精度高。     

5G承载网下基于经验小波变换和卷积神经网络的配网故障诊断方法

配电网拓扑结构复杂、分支众多、潮流分布不平衡,且存在通信网络覆盖不完善问题,给精确故障诊断带来很大难度.首先,基于5G承载网络的分布式配电网故障诊断系统,提出了网络时延和丢包模型,测试了实际网络时延.其次,提出了基于经验小波变换(empirical wavelet transform,EWT)和卷积神经网络(convolutional neural network,CNN)的故障诊断方法,对网络传输后的录波电气量进行经验小波变换,得到不同频域分量.最后,对各分量构建卷积神经网络模型,形成EWT-CNN配电网故障诊断方法,给出故障判断报告.实验结果表明,所提出的5G承载网络下的EWT-CNN配电网故障诊断方法可有效诊断出配电网故障点,且具有很好的泛化能力.     

基于WPD-PSO算法的整流电路故障诊断

针对电力电子电路故障类型多、诊断正确率低的问题，提出基于小波包分解和粒子群算法优化概率神经网络的方法。建立三相桥式全控整流电路仿真模型，利用小波包分解技术对故障电压信号进行三层小波包分解与重构，提取特征值，并对数据进行归一化处理；用粒子群算法优化概率神经网络寻找合适的平滑因子，对数据进行训练和诊断；将该方法与未优化的概率神经网络作对比。仿真结果表明，该方法在训练效果和诊断正确率上都要优于未优化的概率神经网络。     

基于相空间重构的心冲击信号房颤检测方法

针对房颤事件中的节律异常特性，提出应用相空间重构算法提取心冲击(ballistocardiogram， BCG)信号的二维节律特征，并对重构过程中的最优嵌入维数和时间延迟参数进行了讨论.首先，将心脏搏动视为非线性动力学系统，应用相空间重构理论将一维时间序列映射到高维相空间中，从而获取BCG信号中表征房颤过程节律异常的相空间轨迹特征.其次，探讨了重构过程中适于房颤诊断的最优嵌入维数和时间延迟参数，并结合卷积神经网络实现了对房颤的智能诊断.最终，通过对59名受试者提取到的2000组BCG数据进行十折交叉验证，所提方法的分类准确率达到91.00%，与基于经典时频特征的机器学习方法相比较，有较为明显的提高，从而验证了所提方法的优越性.     

改进TOPSIS与GA-BP耦合的采空区危险性辨析

针对目前采空区危险性辨析过程繁冗且准确性低的问题,提出了改进的TOPSIS与神经网络耦合的辨析方法.首先,为提高训练样本采空区危险性辨析客观准确性,将理想解方法(TOPSIS)进行改进,分别利用绝对理想点以及IFAHP避免了由于理想解及权重变化引起的逆序现象,并利用各辨析指标不同危险等级的区间临界值实现了TOPSIS对采空区危险性等级划分.将改进TOPSIS运用于某矿山100组采空区进行危险性辨析并验证结果.然后,为简化辨析过程,使改进TOPSIS与GA-BP神经网络有效结合,以经过TOPSIS辨析的100组样本采空区对GA-BP训练得到神经网络模型并对5组样本进行危险等级输出,结果与事实相符.研究结果不仅提高了采空区危险性辨析的客观性,并为简化辨析过程提供了新的思路,提高了工程应用性.     

小电流接地系统单相接地故障定位技术的研究

针对中低压配电网频繁发生单相接地故障的问题,研究了一种能够迅速判断故障线路并确定故障位置的方法.本文在分析中低压配电网发生单相接地故障后出现的暂态稳态信息的基础上,提出基于小波理论的故障选线方法,进而利用C型行波法与小波分析相结合的方法进行定位.利用MATLAB仿真软件搭建模型,在模型上对提出的方法进行实验,验证了该方法的准确性.