二阶各向异性高斯导数滤波器的斑点检测算法

针对目前斑点检测算法对斑点进行定位和描述斑点形状的能力不足等问题,提出了一种基于多尺度二阶各向异性高斯方向导数滤波器的斑点检测算法。二阶各向异性高斯方向导数(SOAGDD)可以很好的提取不同方向的图像信息,并且可以很好的应对噪声干扰,采用多尺度二阶各向异性高斯方向导数滤波器对输入图像进行平滑处理,对处理后图像进行区域极值计算。实验证明提出的方法在兴趣点检测的定位、检测到的兴趣点的形状描述和图像匹配方面具有优越性。

多传感器非线性系统序贯观测融合二阶扩展卡尔曼滤波器

对多传感器非线性系统提出了一种序贯观测融合二阶扩展卡尔曼滤波(Second-order Extended Kalman Filter,SOEKF)算法。该算法的中心思想是根据传感器观测数据到达融合中心的先后次序依次进行处理。研究表明,提出的序贯观测融合SOEKF算法比集中式观测融合EKF算法具有更高的精度;与集中式观测融合SOEKF算法精度相当,且具有更低的计算复杂度。目标跟踪系统的仿真验证了算法的有效性。

非理想条件下并联有源电力滤波器的无源超螺旋二阶滑模控制策略

电力系统运行在非理想状态时,容易产生短暂的电压波动,此时并联有源电力滤波器(shunt active power filter,SAPF)采用无源控制策略无法高效、精确地调节电能质量,而常规滑模控制又容易引起抖振。针对上述情况,将无源控制和抗干扰能力更强的超螺旋二阶滑模控制相结合,提出了一种无源超螺旋二阶滑模控制策略。首先,根据有源电力滤波器的数学模型建立基于正负序分离的欧拉−拉格朗日模型;其次,对系统的模型进行了无源性分析,且根据其无源性设计了无源控制器,同时采用超螺旋二阶滑模控制对无源控制器进一步优化,提高了系统整体的鲁棒性和抗干扰能力;最后,在理想状态和负载突变、负载不平衡、电网电压不平衡、单相电压突变4种非理想状态下,通过仿真实验验证了无源超螺旋二阶滑模控制策略的有效性和优越性。

基于DFP的二阶Volterra滤波器及其在混沌序列预测中的应用

为克服应用Least Mean Square(LMS),Normalized LMS(NLMS)或Recursive Least Square(RLS)算法估计二阶Volterra滤波器系数时参数选择不当引起的问题,提出了基于后验误差假设并具有可变收敛因子的Davidon-Fletcher-Powell(DFP)方法的二阶Volterra自适应滤波器(DFPSOVF).给出参数估计算法中自相关逆矩阵估计的递归更新公式,并对算法的计算复杂度进行了分析.应用DFPSOVF滤波器对纯净和不同信噪比下的Lorenz混沌时间序列以及实际采集的具有混沌特性的温度时间序列进行单步预测,仿真表明其能够保证算法的稳定性和收敛性,不存在LMS算法和NLMS算法的发散问题.

双同步坐标系解耦滤波器复变量建模与分析

针对解耦双同步坐标系锁相环(DDSRF-PLL)传统实变量模型阶数较高、序分量响应不易观察、滤波性能评估困难等问题,提出了一种基于复变量的DDSRF-PLL建模方法。首先,建立了其复变量模型,分析了序分量响应特性,该复变量模型表明正序基波输出模型对负序基波分量实现负无穷大的衰减,同时可得到其他频率序分量的衰减增益;然后,基于提出的复变量模型,设计了二阶低通滤波器以显著增强解耦网络的滤波性能,并进一步分析了高阶低通滤波器的可行性与必要性。研究表明采用二阶低通滤波器即可满足大部分场景下的谐波抑制要求,且具有计算量小、模型阶数低、易于数字实现的优点。实验结果验证了所提复变量模型的正确性与有效性。

用于混沌时间序列自适应预测的一种少参数二阶Volterra滤波器

研究了二阶Volterra滤波器的一种乘积耦合近似实现结构及其非线性NLMS自适应算法 ,并用这种少参数二阶Volterra滤波器 (RPSOVF)研究了一些混沌信号的非线性自适应预测性能 .仿真研究结果表明 :所给出的非线性NLMS自适应算法能够保证这种RPSOVF的稳定性和收敛性 ,且RPSOVF用这种非线性NLMS自适应算法能够自适应预测一些混沌时间序列 .

基于格型预处理的二阶自适应Volterra滤波器

虽然Volterra LMS(VLMS)算法简单,计算量小,但是由于Volterra滤波器系统是非线性的,使得输入向量自相关矩阵包含了输入信号的高阶统计量,导致矩阵特征值扩展很大,因此其收敛速度一般很慢。为加快收敛速度,利用格型滤波器后向预测误差的正交特性,提出采用两个格型滤波器正交预处理的自适应Volterra滤波算法。仿真结果表明,该算法具有比VLMS算法和GPV算法更为优越的收敛性能。

孤岛微电网中二阶滤波器与PID控制器一体化参数整定方法

在孤岛微电网系统中,为降低测量噪声影响从而引入二阶滤波器;然而二阶滤波器的引入,通常使原系统PID控制器的最优参数发生改变,从而导致控制系统性能指标下降;为解决此问题,提出了一种一体化参数整定方法;该方法利用混合粒子群算法,以不同参数下,系统性能指标在Topsis综合评价法中的高得分作为寻优目标,一体化整定PID控制器与二阶滤波器的参数,保证滤波器的引入不会对系统性能指标造成较大改变,从而提升控制器性能;通过孤岛微电网系统仿真实验,验证了该方法的可行性与有效性。

基于二阶Volterra级数滤波器的海杂波建模研究

讨论了运用二阶Volterra级数滤波器进行海杂波建模预测的方法。根据相空间重构理论,以海杂波序列的嵌入维数作为滤波器长度,建立了二阶截断的Volterrra滤波器并行的乘积耦合实现结构,降低了滤波器的应用复杂程度。采用了一种自适应调整的NLMS算法实时调整滤波器系数,对比试验表明该算法具有更快的收敛速度和更小的均方误差。用Volterra级数滤波器对真实海杂波数据进行了预测分析,结果表明该模型能够准确地预测海杂波,虽然在一步预测误差性能上稍逊于RBF网络,但在较大步长时性能占优。

基于VDTA的混合多模式双二阶滤波器的设计

针对各类核探测仪的供电电源系统和核能谱测量仪的前端电子线路广泛采用的滤波技术,提出了一种设计混合多模式双二阶滤波器的新方法。首先通过分析新的有源元件——电压差跨导放大器(VDTA)的一般工作原理,提出了一种采用CMOS晶体管实现VDTA的电路;然后基于实现的VDTA模块,设计了采用两级VDTA模块实现单输入、三输出或三输入、单输出电子可调混合多模式双二阶滤波器。通过选择输入端,该滤波器可以产生5种不同的电压和跨导纳模式滤波器功能,实现低通、带通、高通、带阻和全通5种不同的滤波信号。同时对滤波器的有限频率效应、稳定性条件和寄生元件效应进行了分析;仿真实验结果验证了所设计滤波器的性能,表明了理论设计的正确性和有效性。

基于Volterra自适应滤波的SOC估计算法

针对锂离子电池组中BMS检测的电压、电流等参数存在实时性差而导致SOC估计误差增大的问题,提出基于混沌时间序列的Volterra自适应滤波器的SOC预测法。该方法首先验证了锂离子电池的SOC时间序列存在混沌特性,其次采用相空间重构法将电压、电流数据重组为多维度数据,进而使用Volterra自适应滤波器对重构后的多维数据展开锂离子电池组的SOC预测。仿真及试验结果表明,基于混沌时间序列的Volterra自适应滤波器综合利用了锂离子电池线性和非线性参数特点,能够较好地揭示出电池SOC与其他变量的相互关系,实现较高精度的锂离子电池SOC预测,且有较好的可实现性。

一种基于格型正交化的二阶Volterra自适应滤波算法

针对Volterra自适应滤波器输入信号相关性或附加的非线性畸变的增强使自适应滤波器性能下降的问题,本文提出基于格型正交化的二阶Volterra自适应滤波算法。先对输入信号进行格型预处理,得到互相正交的后向预测误差信号;然后将其作为自适应滤波器的输入,从而大大降低了一次项、平方项和交叉乘积项信号各项之间的耦合,改善了自适应算法的收敛性能。有源噪声对消的仿真结果表明,在输入噪声强相关和附加较强非线性畸变时本算法仍具有较好的消噪性能。

一种全解耦的RLS自适应Volterra滤波器

本文研究了Volterra自适应滤波器解耦问题,提出了一种全解耦的RIS自适应Volterra滤波器.按照Volterra滤波器的伪线性组合结构,采用RIS滤波原理和约束优化理论,导出了满足最小累计平方误差指标的具有分块对角形输入相关矩阵的全解耦Volterra标准方程,据此设计了一种全解耦的RLS自适应Volterra滤波器,给出了滤波器权向量自适应修正的一套公式.仿真结果验证了本文方法的有效性.

基于Volterra自适应滤波器的风电功率混沌预测

风电场风电功率短期预测对并网系统的安全、经济和稳定运行具有重要意义。利用C-C法对风电功率时间序列进行了相空间重构;计算了风电功率时间序列的最大Lyapunov指数,两者均证实风电功率时间序列具有混沌特性,可采用混沌方法对其进行预测。利用不同阶数的Volterra自适应滤波器对风电功率进行短期预测。应用于2个不同风电场进行验证,结果显示:Volterra自适应滤波器能够反映出风电功率序列未来变化的趋势,并可以达到较高的一步预测精度,但阶数不同,预测精度不同,阶数越低,精度越高。

一种总体最小二乘算法及在Volterra滤波器中的应用

针对输入输出观测数据均含有噪声的滤波问题,提出了一种鲁棒的总体最小二乘自适应算法.该算法利用滤波器的增广权向量的瑞利商为损失函数,导出了其自适应迭代公式,并利用随机离散学习规律对权向量模的分析进行算法梯度修正,提高了算法的噪声鲁棒性,而且使得算法简单,稳定性好,收敛精度高.将该算法应用于Volterra滤波器,可使滤波器在非线性系统中的信噪比达到10dB,在学习因子为0.01时,算法仍然能够保持良好的收敛性.仿真结果表明,即使在高噪声环境或使用较大学习因子的情况下,该算法的鲁棒抗噪性能和稳态收敛精度均明显高于其他总体最小二乘方法.

基于稀疏Volterra滤波器混沌时间序列自适应预测

针对混沌时间序列预测问题,提出了一种稀疏Volterra滤波器,该滤波器采用归一化最小均方自适应算法进行多次训练,每次训练只保留滤波系数矢量和输入信号矢量的有效分量进行下一次训练,从而将Volter-ra滤波器的有效滤波系数个数减至最少,降低了预测模型的复杂性。四种混沌时间序列的预测实验表明:该滤波器可同时实现对混沌流和混沌映射的建模与预测,可有效地减少滤波器的滤波系数个数,能在不损失预测精度的前提下,降低预测模型复杂性。

微电网系统中基于双二阶滤波器的主动阻尼方法

微电网系统中的电力电子接口变换器通常呈并联结构,且通过LCL滤波器连接到公共母线。LCL滤波器自身具有谐振问题,特别是在并联逆变器系统中,频域分析结果中存在额外的正向谐振尖峰和反向谐振尖峰。本文在分析微电网中带有LCL滤波器的并联逆变器系统谐振特性的基础上,采用基于双二阶滤波器的主动阻尼方法,在不引入额外的传感器和控制闭环的情况下,对并联系统中多对不稳定极点同时进行调整。该方法通过在控制系统中添加两对零极点,改变根轨迹的走向,使得多对不稳定极点均移动到z平面单位圆之内,因此系统稳定性得以保证。基于dSPACE1103搭建的实时仿真模型表明了理论分析结果。

基于Volterra滤波器的混沌背景弱信号检测

针对混沌背景弱信号检测问题,提出了一种基于Volterra滤波器的混沌背景弱信号检测算法。在Volterra滤波系数计算过程中,采用了解线性方程组算法代替原有的自适应算法,提高了混沌预测精度以及混沌背景中弱信号检测性能。仿真结果表明,本文所提出的算法在信混比达到-70dB时,仍能检测混沌背景中微弱信号。

一种全解耦的Volterra自适应滤波器

本文研究了Volterra自适应滤波的解耦问题 .通过对Volterra滤波器的伪线性组合结构的提出和分析 ,得到了一个新的关于均方误差MSE的表达式 ,并将Volterra自适应滤波问题描述为一个约束优化问题 ,从而导出了满足最小均方误差 (MMSE)指标的具有分块对角型输入相关矩阵的全解耦Volterra标准方程 ,据此设计了一种全解耦的Volterra自适应滤波器 ,给出了滤波器权向量的自适应修正公式 .

基于自组织法求解的Volterra滤波器应用于洪水预报

采用自相关函数法选取时间延迟、伪邻近点法选取嵌入维数,并通过相空间重构,计算得到正的最大Lya punov指数,证明了洪水序列具有混沌特性.并将m阶截断求和的Volterra级数滤波器作为洪水序列的全局预测函数.鉴于Volterra级数滤波器系数的个数随阶数按幂次快速增加,而导致在应用上难以实现的特点,引入自组织法(GMDH),通过逐层建立模型,最终解得Volterra级数滤波器的理想表达式.应用实例表明,基于GMDH求解的Volterra级数滤波器不仅增强了计算效率,而且可以得到足够的计算准确度.