基于子空间法的电力系统低频振荡辨识

该文提出了一种应用于电力系统低频振荡在线辨识的子空间辨识算法,通过输入激励信号和输出响应信号的采样,对系统低频振荡进行辨识.在四机两区域系统上,对低频振荡辨识结果和小干扰计算结果进行对比,辨识结果误差较小,具有较高辨识精度,因此子空间法对电力系统低频振荡的在线辨识具有较好效果.     

基于改进FIRE滤波技术和Prony算法的低频振荡模式辨识研究

提出一种改进FIRE(Fuzzy Inference Ruled by Else-action)滤波和改进Prony法相结合的低频振荡模式辨识方法.该方法用改进后具有检测层和调整层的FIRE滤波技术对数据进行快速预处理,再用改进Prony法对滤波后的信号进行分析得到电力系统的低频振荡模式.将该方法分别用于分析试验信号和IEEE 4机系统振荡信号,并同带有传统模糊滤波器的Prony分析结果比较可以看出,改进后的方法可将低频振荡的主导模式在一定的噪声环境下比较准确和快速的辨识出来,且辨识的阶数更接近于实际阶数,验证了其可靠性和实用性.     

基于形态学和提升小波的心电信号去噪方法研究

心电信号是一种典型的微弱信号,含有大量噪声,还具有强烈的非线性和非平稳性.针对传统小波计算量大,很难同时将心电信号中高频和低频噪声去除的问题,提出一种结合形态学与提升小波阈值去噪的算法,通过形态学滤波器去除信号的低频噪声,提升小波阈值去噪法去除信号中的高频噪声.经过对MIT-BIH心律失常数据库中的心电信号进行仿真,结果表明,结合形态学算法与提升小波去噪算法的去噪方法,能同时有效去除信号中的低频和高频噪声,提高了心电信号的质量.     

基于延时处理的对角加载信源数估计方法

为了解决在有色噪声背景下信息论准则算法估计信源数失效以及盖氏圆方法在低信噪比下性能下降的问题,提出了一种利用接收信号延时信息的协方差矩阵对角加载技术估计信源数的方法.首先构造接收信号的延时协方差矩阵,抑制色噪声的影响,然后对延时协方差矩阵做出变换处理,得到抑制噪声后的协方差矩阵特征值,最后对得到的特征值进行对角加载技术处理,利用信息论准则进行信号源数目的估计.仿真结果表明了该算法的正确性和有效性.     

利用求根MUSIC算法进行快速波达方向估计

针对经典波达方向(direction of arrival,Do A)估计算法复杂度高的问题,讨论了2种快速估计Do A的算法,即:传播算子求根多重信号分类(multiple signal classification,MUSIC)算法与多级维纳滤波器求根MUSIC算法.传播算子求根MUSIC算法是对协方差矩阵分块,得到传播算子构建噪声子空间,结合求根MUSIC算法估计出Do A.多级维纳滤波器不需要估计协方差矩阵,通过滤波器的前向递推,求解维纳-霍夫方程,得到信号子空间,根据正交投影原理,计算出噪声子空间与其共轭转置的乘积,结合求根MUSIC算法估计出Do A.这2种算法都不需对协方差矩阵奇异值分解和谱峰搜索,通过数学分析,复杂度明显降低.     

电力系统低频振荡在线辨识的改进Prony算法

研究在线的振荡特征辨识算法是实现电力系统低频振荡在线监视以及广域阻尼控制的重要理论基础。广域测量系统的发展和应用使得低频振荡的在线辨识成为可能。该文提出了一种用于在线分析电力系统低频振荡的改进Prony算法,该算法针对输入信号的实际阶数和线性预测参数的估计进行了综合改进。经过算法时间复杂度的分析,证明改进算法提高了计算速度。计算机仿真和动模实验结果表明,改进算法能够得到更符合系统实际阶数的降阶模型,分析计算占空比小于4%,满足在线低频振荡辨识和系统振荡特性分析的需要。     

基于VP和Prony算法的电力系统低频振荡模式识别

研究低频振荡特征辨识算法是实现电力系统低频振荡监视的重要理论基础。文章基于Prony算法,结合变量投影(VP),采用奇异值分解(SVD),应用可分离最小二乘,辨识出Prony算法数学模型参数,不仅避免了传统Prony算法矩阵求逆困难和误差较大的问题,而且降低了参数空间的维数,简化了搜索空间的拓扑结构,增强了模式识别的抗噪性能和运算速度。仿真结果表明,该算法提高了电力系统低频振荡模式识别的效率和精度。     

基于复合稀疏去噪的沙漠地震噪声消减

沙漠地震噪声既含有低频噪声又含有高斯白噪声,一般方法很难同时去除这两种噪声,针对此问题提出了使用复合稀疏去噪同时压制沙漠地震噪声中的低频噪声和高斯白噪声的方法。在复合稀疏去噪中将平方损失作为损失函数的保真度约束,将信号和信号一阶导数的 L1 范数作为损失函数的稀疏约束,然后通过最小化损失函数去除信号中的高斯白噪声。为同时去除低频噪声,复合稀疏去噪中联合使用了低通滤波器,即可一次性去除低频噪声和高斯白噪声。分别对模拟地震数据和实际地震数据进行仿真实验,实验表明该方法可有效地同时压制沙漠地震数据中的低频噪声和高斯白噪声,复合稀疏去噪的保幅略好于带通滤波器,去噪后带通滤波器会产生较严重失真,而复合稀疏去噪的失真较小。     

采用ARMAX模型的精磨非线性振动系统辨识

基于外源自回归滑动平均模型(ARMAX),提出改进的动态偏心精密磨削非线性振动系统的二阶振动微分方程解耦算法,获得其传递函数系统模态参数,主要包括模态刚度、模态质量和模态阻尼等的辨识.结合模态辨识理论,优化复模态振型的振动系统传递函数矩阵模态参数的模态留数或模态参数形式辨识算法,并进行相应实验验证.验证结果表明:该复模态振型振动系统解耦算法实现重构传递函数曲线低频区域局部振动特征,计算精度较高,有效应用于精密加工过程非线性振动的预估和控制.     

基于自适应对角加载的源数估计算法

为解决对角加载技术用于信源数估计时对角加载量确定困难的问题,提出了一种新的基于自适应对角加载接收信号协方差矩阵的信源数估计算法。首先,分析接收信号协方差矩阵与噪声信号功率的之间的协同变化关系,基于协方差矩阵的对角元素特征值分布特点,给出一种自适应的对角加载量确定方法。然后,将对角加载处理后的接受信号协方差矩阵与信息论准则结合,得到改进后的估计信源数算法。仿真实验结果表明：在白噪声与色噪声环境中,本文算法能在不同信噪比与不同快拍数条件下较好的估计信源数;相较于基于信息论准则与盖氏圆盘估计法则的源数估计算法,本文算法在估计正确率以及稳定性上得到了不同程度的提升,具有较好的估计性能。