基于自适应字典校正的稀疏恢复STAP算法

空时自适应处理(Space-Time Adaptive Processing,STAP)技术在时间维(脉冲维)和空间维(阵元维)联合进行信号处理,以实现动目标检测功能。但是,传统STAP技术的计算复杂度非常高,而且在优化处理信号过程中需要大样本的支撑,在实际的工作场景中,杂波环境复杂易变,不易获取足够多的独立同分布样本,因此杂波抑制效果较差。稀疏恢复空时自适应处理(Sparse Recovery Space-Time Adaptive Processing,SR-STAP)算法可以利用很少的训练样本实现杂波抑制,但大多数SR-STAP算法的计算量巨大,运行速度慢,算法实时性不高。此外,SRSTAP算法需要对连续空时二维平面进行离散化处理,将空时二维平面划分为很多细小的网格,由于真实的杂波在空时平面上是连续分布的,同时考虑雷达接收信号中噪声、系统参数误差等因素的影响,真实杂波点与离散化网格点之间一定存在着偏差,会造成网格失配现象,导致SR-STAP算法杂波抑制性能下降。针对此问题,本文提出了基于自适应字典校正的稀疏恢复STAP算法。该算法首先通过子空间投影法筛选出与杂波最相关的原子;然后围绕选定原子由粗到细进行自适应局部网格划分,按照局部网格迭代选优准则,不断调整选择局域内的最优原子,直到满足迭代终止条件,以匹配真实的杂波点;最后利用选定的最优原子对应的空时导向矢量构造杂波子空间,更新噪声子空间上与杂波子空间正交的投影矩阵得到STAP权值。仿真实验表明,所提算法与传统SR-STAP算法相比,具有更高的稀疏恢复精度,更快的运行速度,改善了STAP性能。

基于三维原子范数的机载MIMO雷达STAP算法

针对机载多输入多输出(MIMO)雷达空时自适应处理(STAP)使用稀疏恢复技术时存在的格点失配问题,提出了一种基于三维原子范数的机载MIMO雷达STAP算法。该方法利用杂波空时谱在角度-多普勒域上固有的稀疏性,根据低秩矩阵恢复理论构造了基于三维连续原子集的MIMO雷达杂波信号稀疏恢复模型,避免了稀疏恢复中的格点失配问题,实现了杂波空时谱的高分辨率估计,有效提高了机载MIMO雷达STAP杂波抑制性能。仿真实验表明,本文方法在存在格点失配情况下的MIMO雷达STAP处理性能优于已有的基于字典网格的稀疏恢复方法和二维原子范数方法。

并网变换器虚拟同步无模型参数鲁棒增强控制策略

随着新型电力系统的发展,并网变换器已成为能量传输的关键设备。模型预测控制的虚拟同步机参数鲁棒性较低,当并网参数失配时,输出电流纹波增大,同步机功率支撑下降。针对此问题,提出一种改进的虚拟同步无模型参数鲁棒预测控制方法。首先,该方法采用四阶Runge-kutta优化超局部无模型得到虚拟同步机参数增强鲁棒模型。然后,采用Lagrange插值法求解模型中K参数,通过前4个时刻的采样值预测下一时刻的输出。同时设计虚拟惯量无模型自适应预测算法,实现了惯量动态需求响应。最后,经过价值函数寻优比较得到虚拟同步机的优化电压矢量,实现参数鲁棒增强控制。实验结果表明,所提出的控制策略在参数失配情况下功率支撑能力稳定,频率波动时虚拟惯量能够动态响应,具有良好的稳态和动态响应性能。

基于改进SAMP的频率捷变和PRI抖动雷达群目标检测

针对群目标场景下目标个数未知和网格失配影响稀疏重构效果的问题,提出一种改进的稀疏度自适应匹配追踪(sparsity adaptive matching pursuit,SAMP)算法用于频率捷变和脉冲重复间隔(pulse repetition interval,PRI)抖动雷达的动目标检测.改进算法回溯阶段的原子选择策略,通过正则化挑选出能量相近的原子进行网格失配矫正,可以有效减小重构误差、抑制重构伪峰.根据重构信号的功率变化率自适应扩展支撑集长度(群目标个数估值),减少算法在同一步长的搜索时间.仿真结果表明,相比于SAMP算法和传统的群目标检测算法,本文改进的算法在提升重构效果的同时也能减小距离和速度测量误差.

使用重加权原子范数最小化的稀疏可重构直线阵列设计

为克服网格失配问题并提升阵列性能,提出了使用重加权原子范数最小化的稀疏可重构直线阵列设计方法,将稀疏可重构直线阵列设计问题表示为多测量矢量稀疏优化模型,并通过重加权原子范数最小化算法解算出阵元位置和阵元激励。区别于经典压缩感知方法,该方法借助原子范数理论建立了阵元数量、阵元位置和阵元激励联合优化的无网格稀疏优化模型,从而可以克服网格失配问题,并提升阵列波束图的匹配精度。仿真实验表明,与压缩感知类方法相比,重加权原子范数最小化算法可以设计出波束匹配精度高一个数量级的稀疏可重构直线阵列。

基于稀疏贝叶斯学习的稳健STAP算法

为了提高阵列幅相误差和格点失配情况下稀疏恢复空时自适应处理(sparse recovery space-time adaptive processing,SR-STAP)算法的性能,提出一种基于稀疏贝叶斯学习的稳健SR-STAP算法。首先,利用空时导向矢量的Kronecker结构构建SR-STAP误差信号模型;然后,利用贝叶斯推断和最大期望算法迭代求取角度多普勒像和误差参数;最后,利用求解参数估计精确的杂波加噪声协方差矩阵并计算权矢量。仿真实验表明,所提算法能够显著提高稀疏信号模型失配时的目标检测性能。

基于Hankel矩阵分解的互素阵列高分辨目标定向

互素阵列能有效扩展阵列虚拟孔径,但预处理后的阵列模型为一确定噪声下的单快拍相干源目标方位估计问题.针对该问题,提出了一种基于Hankel矩阵分解的方法,采用多项式求根的方法来进行高分辨定向.首先将阵列采样协方差数据进行Khatri-Rao(KR)积预处理,进行相关数学变换后,用去冗余后的数据构建Hankel矩阵,然后采用奇异值分解,转换为多项式求根,最后找出感兴趣的目标位置,并通过最小二乘法来求解出目标幅度.仿真结果表明了该方法的有效性和优越性.

大电网省地电压调控的博弈收益函数建模

提出了省地两级电网电压调控博弈的收益函数模型,由表征博弈双方所关注的调控效用和成本构成,以权重系数反映博弈方对效用或成本指标的关心程度,是博弈机制、主体对相关指标的关注程度及策略组合的函数。研究了博弈机制对收益函数的计算方法以及对策略组合的纳什均衡的影响,揭示了省地两级电压调控失配的博弈机理。通过对某区域电网的实际运行状态进行仿真计算,对比分析三种不同的博弈机制的纳什均衡。纳什均衡分析表明,解决省地电网电压调控失配问题的关键在于要改变对电压调控的考核指标及对其关注程度的认知,建立合理的合作机制,使得各主体的占优策略能够符合全网的趋优控制。

时频栅格误差条件下的双基地MIMO雷达角度估计

研究了时频栅格误差引起的匹配滤波器失配下双基地多输入多输出(multiple-input multiple-output,MIMO)雷达的角度估计问题。首先,建立了存在时延和多普勒频率栅格误差条件下的双基地MIMO雷达信号模型;其次,推导了正交频分复用线性调频信号和相位编码信号的栅格误差失配矩阵,并分析了其对目标收发角度估计的影响;再次,针对正交频分复用线性调频信号,提出了平行因子和最小二乘相结合的发射角度估计算法,该方法能够有效减小栅格误差失配矩阵对发射角度估计的影响;最后,仿真实验表明,栅格误差失配矩阵对相位编码信号的角度估计影响较小,但对正交频分复用线性调频信号的发射角度估计则会产生较大的影响,从而进一步验证了理论分析的正确性。

基于通道压缩的原子范数最小化DOA估计算法

针对波达方向(DOA)估计算法的精度以及分辨率受通道数目影响的问题,本文提出了基于通道压缩的原子范数最小化(CC-ANM)无网格DOA估计算法。该算法首先对通道数进行压缩,然后对压缩之后数据的协方差矩阵进行特征值分解,利用分解得到的特征值和特征向量构建新的观测向量,以此来构建单快拍模型下的ANM问题,最后根据半正定规划问题的最优解建立Toeplitz矩阵,通过其Vandermonde分解获得信号DOA参数的估计结果。仿真实验验证了CC-ANM算法在阵元数为20,压缩率为2,信噪比为20 dB,快拍数为200时,估计精度可以达到0.1°以下。对于角度间隔2°以上的信号可以达到100%的测量。对仪器接收入射角度为0°实测数据进行测试,该算法估计精度在0.3°以下,要优于同等条件下的压缩感知类算法。

大电网多级电压调控失配问题分析及其博弈建模

大电网发展的容性化、耦合化和复杂化使得其电压调控的难度越来越大,表现在工程上产生了多级调度之间的电压调控失配问题。归纳了大电网多级电压调控失配的主要表现形式、产生原因及其危害,进而分析了大电网多级电压调控失配的博弈本质和机理,提出了大电网多级电压调控的博弈模型。通过算例的纳什均衡求解和合作博弈分析,证明了采用博弈论来解释电压调控失配的机理和解决失配问题是完全可行的。

基于滤波器网格失配的分布式相参雷达目标参数估计方法

针对分布式相参雷达(distributed coherent aperture radar,DCAR)精确的目标参数估计问题,首先建立了以多普勒分复用(Doppler division multiple access,DDMA)波形作为发射波形、存在滤波器网格失配的DCAR信号模型,接着分析并验证了滤波器网格失配严重影响目标参数估计进而降低DCAR信号相参合成性能,最后提出了联合全局-局域搜索和基于稀疏傅里叶变换(sparse Fourier transform,SFT)的两种DCAR目标参数估计方法来降低滤波器网格失配,联合全局-局域搜索的方法通过对滤波器局域加密的方式降低网格失配。为了降低运算量,利用目标信号频率相对于整体频域是稀疏的特性,采用基于SFT搜索的方法通过梯度下降的方式避免滤波器的遍历搜索。仿真实验验证了所提方法的有效性。

空时互质采样下栅格失配目标的频率和DOA联合估计

针对空时互质采样下频率和波达方向(DOA,direction-of-arrival)稀疏联合估计中存在的二维栅格失配问题,提出一种栅格失配目标下的频率和DOA联合估计方法。首先对入射信号做空时互质采样,建立虚拟满阵下的二维稀疏恢复模型,然后在以上模型中引入频率栅格失配误差项和角度栅格失配误差项进行二维修正,并给出一种改进的贪婪算法,通过对谱泄露变量联合求解来得到二维栅格失配误差项,最终将栅格失配目标校正到精确位置上。该方法不仅可以提高空频域上的自由度(DOF,degrees of freedom),而且在降低运算量的同时改善了频率和DOA联合估计的精度。仿真结果验证了方法的正确性。

基于多特显点的无人机分布式相参雷达相位同步误差估计方法

分布式相参雷达(distributed coherent aperture radar,DCAR)实现全相参的关键是相位同步。然而,滤波器网格失配、单元雷达较强机动性及姿态变化等因素均会对DCAR的相位同步带来不利影响,为此,针对DCAR的相位同步问题,该文提出了一种基于多特显点的无人机DCAR相位同步误差估计方法。该方法首先提出了利用多项式迭代方法消除由于滤波器网格失配引进的残余相位,并根据惯导提供的姿态信息对DCAR回波进行姿态补偿,然后提出了利用Taylor估计法对各单元雷达位置误差进行估计,再根据自校正算法估计出了剩余相位误差,最后对DCAR系统校准以实现相位同步。仿真实验验证了研究结论的正确性。

参数失配LCL型并网逆变器模型预测控制方法研究

针对LCL型并网逆变器模型预测控制过于依赖精确的数学模型且鲁棒性能差等问题,提出一种参数失配情况下的并网逆变器模型预测控制策略。根据LCL型并网逆变器的状态量建立离散参数观测器模型,实时估计电感和电容,并在线修正预测模型中的电感和电容参数,避免因外界扰动造成的参数失配对控制器带来的不利影响,增强控制器的鲁棒性能。仿真结果表明,所提控制策略可显著提高参数失配模型预测控制的并网电流质量,相同条件下,相比于无参数观测器的模型预测控制策略,总谐波畸变率下降了1.58%,验证了所提方案的正确性和可行性。

基于在线参数辨识的PWM整流器功率预测控制

电压型脉宽调制(pulse width modulation, PWM)整流器的模型预测控制在控制过程中极其依赖系统模型参数,参数失配会使预测结果与实际值存在较大偏差,严重影响系统控制结果,甚至出现系统失稳。此外,电网电压的不平衡也会影响系统的电能质量。为了解决上述问题,提出了不平衡电网下基于在线参数辨识的改进型有限控制集模型预测控制。仿真结果表明,所提方法具有如下优点:首先,可以解决参数失配导致的系统性能下降问题,提高系统鲁棒性;其次,该方法可以在电网电压不平衡时降低交流侧电流畸变,抑制功率脉动,提高电能质量。

电网重要线路继电保护定值失配点推移方法研究与应用

针对电网重要线路继电保护定值配合存在失配点问题,提出了将整定计算与潮流计算相结合确定解环点,依据系统运行方式对电网中不同时期线路输送功率的重要性进行分析计算,使保护定值配合中产生在重要线路上的失配点推移到非重要线路上,重要线路保护定值达到完全配合。

基于子空间拟合的块稀疏贝叶斯学习DOA估计

针对传统基于稀疏贝叶斯学习(sparse bayesian learning,SBL)的波达方向(direction of arrival,DOA)估计算法在低信噪比条件下性能不足的问题,提出了一种基于子空间拟合和块稀疏贝叶斯学习的离网DOA估计方法。首先对样本的协方差矩阵进行特征分解,获得信号的加权子空间,然后构造等价信号的稀疏表示模型并利用块稀疏贝叶斯算法进行参数求解,同时对于网格失配带来的建模误差,将空间域内的离散采样网格点作为动态参数,通过求解一个多项式,利用期望最大化算法迭代更新离散网格点的位置。仿真实验结果表明,相对于传统SBL算法,该方法具有更好的估计精度和空间分辨率。

基于滤波电感辨识及延时补偿的并网逆变器模型预测控制

针对三相并网逆变器采用传统模型预测控制时,因模型失配造成输出电流畸变率大、谐波含量高、并网效率低的问题,文章提出了一种基于滤波电感辨识及延时补偿的模型预测控制方案,将在线辨识的滤波电感和延时补偿的电压电流应用到三相并网逆变器模型预测控制系统中,并在MATLAB/Simulink环境下进行了仿真,仿真结果表明:基于滤波电感在线辨识及延时补偿的模型预测控制具有很好的动、静态特性,输出电流正弦度好、谐波含量少,验证了方案的可行性和正确性.