基于复值独立分量分析的配电网谐波状态估计

针对独立分量分析算法在谐波阻抗未知条件下无法准确估计谐波电流幅值的问题,提出基于复值独立分量分析法的相量比例系数计算方法,来估计谐波电流的幅值和相位。首先采用复值独立分量分析法估计谐波电流相量初始值;然后考虑到系统侧等效阻抗远小于负荷侧等效阻抗,忽略线性负荷对谐波电流的分流作用,推导出2种不同情况下相量比例系数的计算方法;最终确定谐波电流幅值和相位。利用IEEE 14节点配电网系统和某地区局域电网对该方法进行验证,并与现有独立分量分析法对比,结果表明该方法能在谐波阻抗未知条件下准确地估计出谐波电流幅值和相位。

改进的复值快速独立分量分析算法

针对复值快速独立分量分析算法(CFastICA)对初始权值敏感且收敛速度较慢的问题,提出了改进的CFastICA算法。该算法首先利用牛顿下降因子优化牛顿迭代的收敛方向,使分离矩阵在一定程度上接近最优值,然后去除牛顿收敛因子,利用普通牛顿迭代实现分离矩阵快速收敛。仿真实验表明:提出的算法拥有和牛顿下降CFastICA同样的收敛精度,收敛时间比牛顿下降CFastICA减少了近53%,且在低SNR下,提出算法的综合收敛性能明显优于CFastICA和牛顿下降CFastICA算法。

基于复值HRRP CICA特征的多方位SAR目标识别

提出了一种基于雷达目标复距离像复值独立分量分析(complex independent component analysis,CICA)的合成孔径雷达(synthetic aperture radar,SAR)目标多方位散射特征提取和识别方法。根据雷达目标散射机理,将目标高分辨率复距离像建模为多个散射中心的复相干叠加。在分析复距离像的基础上,采用CICA方法实现了距离像中每个散射中心响应的分离。针对每个散射中心响应,利用高阶矩方法提取特征矢量。分类器基于隐马尔可夫模型(hidden Markov model,HMM)设计。采用美国运动和静止目标获取与识别(moving andstationary target acquistion and recognition,MSTAR)计划公开发布的目标实测数据进行算法实验,实验结果说明了提出方法具有较好的识别率。

改进的快速复值FastICA算法研究

为了提高复值快速固定点独立分量分析算法的运算速度,提出一种改进的复值独立分量分析算法。该算法从复值快速固定点独立分量分析代价函数的非线性行函数选择入手,对具有很好稳健性的Tukey双权函数进行修正,将其作为复值独立分量分析的代价函数中的非线性函数,经过推导得到了改进的复值快速独立分量分析算法。该算法代价函数的迭代公式克服了原算法需要矩阵求逆的问题,因此减少了计算量,提高了运算速度。仿真实验结果证明:该算法相对原算法及其改进算法的运算速度更快,而且保持甚至部分提高了原算法的误差性能。

星载AIS的复值FastICA算法改进

针对星载船舶自动识别系统(AIS)的含噪复值信号盲分离算法分离效果不佳的问题,提出了改进的复值快速独立分量分析算法(FastICA)。该改进算法针对混合信号数目大于源信号数目的超定情况,对含噪混合信号的协方差矩阵进行特征值分解,利用其噪声对应的几个较小特征值估计噪声方差,修正白化矩阵,再应用Huber M估计函数优化该算法的目标函数。实验结果表明,运用该算法信号均方误差(SMSE)变小,信干比(SIR)变大,提高了信号的分离性能;同时,优化后的目标函数使算法具有良好的稳健性。