基于ELMD-SVD和Prony的谐波间谐波检测方法

为了解决噪声干扰Prony算法提取谐波参数问题,提出了一种集成局部均值分解(ELMD)-奇异值分解(SVD)-Prony的谐波分析方法(ELMD-SVD-Prony)。首先采用ELMD分解含噪信号,对获得的一系列乘积函数(PF)采用K-L散度来确定含噪分量与有效分量之间的分界点,去除噪声分量并保留有效分量,对有效分量通过相空间重构Hankel矩阵,运用奇异值分解进行二次降噪并重构。最后将重构的信号与ELMD余项叠加得到去噪后的谐波信号,结合Prony算法检测谐波的频率、幅值与相位。仿真实验结果表明,该方法能有效降噪并提取谐波特征参数。

基于WPT和参数优化的VMD谐波检测方法

针对变分模态分解(Variational Mode Decomposition,VMD)在谐波检测中易受噪声影响、分解模态个数K难以确定的问题,提出一种基于小波包降噪(WPT)和参数优化的VMD谐波检测方法。利用WPT对谐波信号进行降噪处理,将降噪后信号进行VMD预分解,根据解析分量瞬时频率均值变化选取最优K值,对降噪后信号进行最优K值VMD分解并提取频率,采用希尔伯特变换进行幅值检测。仿真结果与对比表明,文章算法有效地降低了噪声影响,实现最优K值VMD分解,谐波参数检测精度有较好的提高。