基于前向线性预测理论的混合电力滤波器谐波电流预测方法

对谐波电流进行预测是提高混合电力滤波器补偿效果的有效方法。提出基于前向线性预测理论的混合电力滤波器谐波电流预测方法。推导出最佳预测系数正则方程、谐波电流最小预测误差和阶更新方程,给出1～3阶滤波器的预测系数和最小预测误差值。该方法能根据当前电网或负载的谐波电流和历史经验数据,计算出下一时刻的谐波电流,通过自适应预测控制策略实现最小误差补偿。仿真和实验结果表明,该方法具有预测精度高、快速跟踪能力强和补偿效果好等特点。

基于前向线性预测的光纤陀螺信号小波分析方法

根据光纤陀螺输出信号中存在漂移误差和噪声的特点,在采用小波降噪的基础上,提出将自适应前向线性滤波技术用于小波系数处理,能够更加有效地抑制陀螺漂移噪声。实际测量数据处理结果表明,这种综合的小波滤波方法在不增大小波分解尺度的情况下可以进一步改善滤波效果,并且计算量没有明显增加。滤波后既能获得平滑信号,也真实反映了信号的边界和趋势。

硅微陀螺信号处理方法——基于前向线性预测小波变换方法

为补偿漂移误差对硅微陀螺的测量精度造成的损失,针对漂移误差易受外部环境噪声影响的特点,提出了一种基于前向线性预测(FLP)的小波变换(WT)处理方法——DWT-FLP 算法,并通过硅微陀螺试验对其进行了验证。该方法利用快速小波变换算法进行信号的小波分解和小波重构,并将 FLP 方法用于小波分解系数的重构,比较显著地提高了重构信号的精度。对于4尺度的 db4小波变换,40阶 FLP 的滤波方法可以将硅微陀螺静态漂移的标准差提高4.8倍,动态测量过程信噪比可以提高6.5dB,并且该算法的实时性也可以满足实际工程的需要。

基于自适应小波回声神经网络的光纤陀螺测角仪温度误差补偿技术

基于光纤陀螺的测角仪可以实现对各项角运动参数的一体化动态精密测量,但在实际应用中,光纤陀螺测角仪受到温度变化的影响,导致测量精度下降。针对这一问题,本文提出了一种基于自适应小波回声神经网络的光纤陀螺测角仪温度误差补偿技术。为了提高温度误差建模的进度,提高传统神经网络的逼近能力,通过自适应前向线性预测滤波器对建模用测角仪温度漂移数据进行预处理,并采用自适应小波回声神经网络建立温度漂移模型,能够避免传统神经网络结构设计的盲目性和局部最优等问题,增强了网络学习能力和泛化能力,并利用自适应律代替神经网络梯度进行网络训练,提升神经网络的逼近精度和收敛速度。实验结果表明,该模型可以提高光纤陀螺测角仪的测量精度和环境适应性,为光纤陀螺测角仪的性能优化和实际应用提供了可靠的技术支撑。

基于复合预测的无差拍谐波电流跟踪控制

针对传统的无差拍谐波电流跟踪控制受信号采样、处理和执行等过程时延影响,实际上是差一拍控制的问题,提出了一种基于复合预测的无差拍控制。该算法提前2个采样周期预测出谐波补偿参考电流,提前一个采样周期预测出逆变器输出电流,从而实现"真正意义上"的无差拍控制。为此,又提出了一种综合地考虑了负载谐波电流稳态和动态过程的复合预测方法,使上述预测过程更加准确。最后,仿真和实验表明基于该复合预测的无差拍控制方法在负载稳态和变化时都具有良好的补偿效果。

基于复合预测的LCL型光伏逆变器无差拍控制

针对光伏并网传统无差拍控制时间延时和预测精度不高的问题,提出一种基于复合预测的无差拍电流控制方法。首先分析时间延时和预测精度不高的原因;然后在负载稳定时,将拉格朗日插值法和重复预测相结合,提高电流预测精度;在负载变化时引入自适应前向线性电流预测,缩短系统振荡时间,增强动态响应能力;最后将两种方法复合控制,提前一拍预测逆变器输出电流,提前两拍预测采样参考电流,解决了时间延时问题。仿真结果表明该方法比补偿前的谐波含量降低了92%,振荡时间缩短了50%,具有更高的预测精度和动态响应能力,控制效果更佳。

LWT-FLP去噪算法在FBG传感器信号处理中的应用

为了提高传感器信号处理的精度,结合提升小波变换和前向线性预测算法优势,提出了一种应用于FBG传感器信号处理的LWT-FLP去噪算法。研究结果表明:信号经FBG处理后展现出显著的去噪效果,且与处理前具有相似的变化趋势,FBG传感器可代替标准电磁流量计使用,具有相同功能。LWT-FLP算法相比于G-FLP算法及FLP算法这两种传统算法,去噪效果更佳。加速度计输出信号经LWT-FLP算法去噪后,不论是方差还是均值相比原始结果下降幅度都很大。

基于自适应FLP滤波的金属谐振陀螺信号处理方法

针对传统前向线性预测(FLP)滤波在金属谐振陀螺信号处理中,无法解决收敛速度和稳态误差之间矛盾且动态滤波效果较差的问题,提出了一种基于自适应FLP滤波信号处理方法。首先采用Allan方差对陀螺原始信号进行分析,得出不同噪声占比;然后采用自适应FLP滤波方法,通过建立补偿因子与估计误差的非线性关系,实时调整步长因子大小,修正滤波误差;最后用自研的金属谐振陀螺惯性系统试验验证该方法的有效性。试验结果表明:自适应FLP滤波方法可抑制量化噪声、角度随机游走和零偏不稳定性等。降噪效果比传统FLP滤波方法更为明显,收敛速度更快,动态时自适应FLP滤波方法降噪效果是传统FLP滤波方法的1.95倍,该方法可有效提高金属谐振陀螺的性能。

区间正交小波变换域FLP算法及其在捷联寻北中的应用

针对机抖激光陀螺角随机游走和发动机干扰等影响静态捷联寻北精度的问题,提出了一种新的基于区间正交小波变换的前向线性预测算法。该算法利用前向线性预测技术以及区间正交小波变换抑制边界效应的能力,有效地减小了角随机游走和发动机干扰。车载实验证明该算法的有效性。

基于高阶累积量的自适应IIR线谱增强器

将四阶累积量的递推算法推广到求正弦信号的四阶混合累积量,并提出了一种基于四阶混合累积量切片的自适应IIR结构的线谱增强器算法。该线谱增强器通过自适应前向线性预测法求得滤波器的系数,从而使带噪信号的线谱成份得到增强。仿真结果表明,在平稳或非平稳输入信号情况下,该算法从色噪声中提取正弦信号的能力优于基于二阶自相关函数的自适应IIR线谱增强器。

降低机抖激光陀螺角随机游走的一种新方法

提出了应用小波变换的机抖激光陀螺信号前向线性预测技术,利用离散小波分频段的特点,在不同频段应用多重前向线性预测技术,结果表明:使用离散小波变换的前向线性预测,降低机抖激光陀螺角随机游走的能力是普通前向线性预测方法的3倍左右.

陀螺随机误差补偿中一种改进混合降噪法

为降低微机电系统陀螺测量数据中的随机误差,针对当载体运动状态突然改变导致陀螺传感器数据发生阶跃变化的情况,提出了一种改进的自适应噪声完备经验模态分解-前向线性预测滤波(CEEMDAN-FLP)的混合降噪方法。改进算法首先对于低阶噪声本征模态函数采用软阈值滤波,避免了常规方法将噪声本征模态函数直接去除引起高频信号丢失的问题,同时对混合本征模态函数采用前向线性预测滤波,避免阈值提升引起的过度滤波问题;最后对滤波结果与信号本征模态函数进行数据重构。通过仿真验证,表明改进算法滤波结果的均方根误差与滤波前相比减小了约51.53%,与经验模态分解滤波算法相比减小了约17.39%;通过实测数据验证,表明改进算法滤波后的陀螺数据与基于CEEMDAN的算法滤波后的陀螺数据分别用于姿态解算,在不明显增加运算负担的同时,改进算法姿态累积误差仅约是CEEMDAN算法姿态累积误差的20.56%。可见,改进算法可以有效地提高传感器的测量精度。

基于二阶统计量的相关信源盲均衡与辨识算法研究

本文给出了一种基于二阶统计量的相关信源盲均衡与辨识算法,应用接收信号的自相关矩阵将信道参数估计问题转化为与自相关矩阵有关的特征向量求解问题。仿真结果表明该算法对输入为相关信源的信道辨识与均衡具有较好的效果,只用较短的观察数据就可以完成系统的辨识,二阶算法运算量明显减小,且有效地降低了码间干扰。

自适应FLP滤波在激光陀螺IMU标定中的应用

激光陀螺的高频机抖使得激光陀螺惯性测量单元(IMU)的测量数据包含较大的随机噪声。传统标定方法通过延长测量时间消除对随机噪声的影响,降低了标定效率。提出了应用自适应前向线性预测(FLP)滤波对激光陀螺IMU的标定数据进行降噪,在较小标定数据量情况下提高系统的标定精度。首先通过四方位正反速率标定试验获得原始标定数据;然后通过自适应FLP滤波器对标定数据进行噪声抑制;最后利用降噪后的数据计算标定参数。试验结果表明,该方法能够有效抑制标定数据中的随机噪声,提高信号的信噪比(SNR),从而在标定数据量较小的情况下得到较高精度的标定参数,提升系统的导航精度。

提升小波变换在HRG动态信号处理中的应用

为减少动态环境下半球谐振陀螺输出信号噪声,提高惯导系统精度,提出了一种基于提升小波变换(LWT)的滤波算法。将信号经小波变换提升算法进行尺度分解后,对低频小波系数进行前向线性预测(FLP)滤波,进一步去除低频干扰,提取有用信号,高频小波系数直接置零或按照一定阈值规则处理,显著提高了重构信号的精度,去除了陀螺噪声。详细对比了新算法、卡尔曼滤波算法和FLP滤波算法,并分析了三者的去噪效果。仿真结果和实际试验数据表明:新算法能有效抑制动态环境下半球谐振陀螺输出噪声,标准差为卡尔曼滤波算法的一半,运算时间缩短了30%;该滤波算法不但速度快,精度高,而且计算量小,抗干扰性好,滤波后可以有效跟踪有用信号。

LWT-FLP去噪算法在FBG传感器信号处理中的应用

为了提高传感器信号处理的精度,结合提升小波变换和前向线性预测算法的优势,提出了一种新的去噪LWT-FLP去噪算法,首先利用提升小波对加速度计数据进行了多尺度变换,降低了原始数据的不平稳性;其次利用高频数据进行灰化处理,使原本无规律的数据体现出一定的规律性,可以有效提高FLP的预测精度。并对FBG传感器信号进行应用结果表明,提出的算法能够有效去除噪声对FBG传感器输出信号的影响,有效地证明了提出的LWT-FLP算法在去噪方面的优越性。通过与单一的算法进行去噪结果对比,验证了该算法的准确性,为传感器信号处理提供了一定的理论新方法。

基于混合预测策略的改进型并联有源电力滤波器无差拍控制

针对传统的无差拍电流跟踪控制受时延影响实际上是差一拍控制,提出一种改进的无差拍控制.该方法提前两个采样周期预测出有源电力滤波器(APF)指令电流,提前一个采样周期预测出逆变器输出电流,从而实现真正意义上的无差拍控制.同时,提出一种综合考虑负载谐波电流稳态和动态过程的混合预测策略,使上述预测过程更加准确、快速.仿真实验结果表明,基于该方法的APF在负载稳态和变化时均具有良好的补偿效果.