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。

用于低维混沌时间序列预测的一种非线性自适应预测滤波器

在二阶Ｖｏｌｔｅｒｒａ滤波预测器基础上，提出了一种用于低维混沌时间自适应预测的非线性自适应预测器。基于最小均方误差准则导出了一种ＮＬＭＳ类型的自适应算法来实时调整这种非线性滤波预测器的系数。仿真实验结果表明：这种线性化的非线性自适应滤波预测器能够有效地预测低维混沌时间序列，且它的模块化特征更易于ＶＬＳＩ电路实现，具有广泛的工程应用价值。

自适应格型滤波器新算法及其在语音线性预测合成中的应用

本文从自适应格型滤波器导出自适应线谱对(LSP)滤波,提出了使用最小均方(LMS)型自适应算法逐级更新计算线谱对系数的方法。实验表明,该算法与其它算法比较,具有更高的收敛率和较低的失调。用该算法计算得到的LSP系数进行语音线性预测合成,获得比使用PARCOR系数更好的结果。

自适应高阶非线性FIR滤波预测器的最优输入维数

基于相空间重构理论，用条件概率确定了用于混沌预测的一种自适应高阶非线性预测滤波器的最优输入维数Ｎｏｐｔ。理论分析和实验研究表明：这种自适应高阶非线性预测滤波器的最优输入维数小于或等于混沌时间序列的最小嵌入维数，且与混沌时间序列的关联维数Ｄ２的关系为Ｎｏｐｔ大于Ｄ２的最小正整数。

一种自适应线谱对滤波器的新算法及在线性预测中的应用

本文从自适应格型滤波器导出自适应线谱对（ＬＳＰ）滤波器，使用最小均方（ＬＭＳ）型自适应算法逐级更新计算线谱对系数。实验表明。该算法与其它算法比较，具有更高的收敛率和较低的失调。用该算法计算得到的ＬＳＰ系数进行语音线性预测合成，获得比使用ＰＡＲＣＯＲ系数更好的效果。

混沌时间序列的自适应非线性滤波预测

本文基于混沌动力系统相空间的延迟坐标重构,根据混沌序列产生的确定性和非线性机制及混沌序列高阶奇异谱特征, 提出了混沌时间序列的二阶Volterra和高阶非线性HONFIR两种模型,引入Sigmoid函数后又提出了一种少参数非线性自适应滤波预测模型,并对它们的自适应算法作了介绍。

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。

混沌时间序列的双线性自适应预测

基于混沌动力系统相空间的延迟坐标重构和双线性表达式,设计了预测混沌时间序列的双线性自适应预测滤波器.对2种低维混沌序列的预测实验表明,采用双线性自适应滤波器的预测收敛速度快,处理约50个样本时即已收敛,预测相对误差小于0.001.

EEG信号的Volterra滤波器自适应预测研究

基于 Takens的相空间延迟坐标重构及大量的非线性系统可以用 Volterra级数表征这一特性 .研究了利用 FIR乘积耦合近似实现的三阶 Volterra级数滤波器结构对具有高维混沌特性的 EEG信号进行预测 .数值仿真结果表明 ,这种滤波器结构能够有效地对 EEG信号进行预测 .

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。

波前斜率探测的线性预测方法

由于自适应光学技术校正大气湍流有一定的延迟时间 ,这将降低系统的校正性能 ,主要表现为波前斜率探测的采样率不足 ,使得系统的带宽有限而不能完全补偿有一定功率谱的湍流大气。研究了两种工作方式下的线性预测方法 ,结果显示 ,如果采用线性预测方法 ,在同样的延时条件下 ,可以减小波前斜率的 MSE误差 (由延时引起 )约 30 %。

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。

基于自适应预测滤波的视线转率估计方法

针对空间目标拦截过程中,视线转率估计模型强非线性噪声非高斯的问题,提出了预测滤波与扩展卡尔曼滤波相结合的转率估计方法。该方法在线实时估计并修正系统模型,滤波同时引入自适应方法,在线调整模型的噪声方差。仿真结果表明,与无迹滤波相比,该方法计算量小、收敛速度快、对模型误差的鲁棒性强,可以有效提高视线转率的估计精度,进而提高制导精度降低脱靶量。

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。

非凸投影自适应Hammerstein滤波算法

该文研究了Hammerstein系统参数辨识和非线性系统预测问题,提出一种基于非凸投影的自适应滤波算法。论文将问题归结为具有非凸可行域的约束优化问题,并建立了基于交替方向乘子法(ADMM)和递归最小二乘相结合的算法框架。在该算法框架下,非凸约束优化问题的全局最优解可通过岭回归和欧几里得(Euclid)投影循环计算得到。将提出的算法分别应用于Hammerstein系统的参数辨识、非线性未知系统预测以及非线性声学回声消除,并进行仿真实验,结果显示所提算法具有较好的收敛性和稳定性,能够得到较准确的辨识和预测效果。

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。

基于非线性自适应滤波器的海杂波抑制技术

海杂波会严重影响雷达对海洋表面目标的检测。为了提高海洋表面目标的检测性能,基于非线性自适应滤波器,提出了海杂波抑制方法,实现了海杂波抑制。介绍了非线性自适应滤波器的原理以及利用梯度下降法训练滤波器的方法。利用IPIX雷达实测海杂波数据,分别针对岸基雷达和机载雷达,进行了此方法的仿真试验,从均方预测误差(MSE)和信杂比改善因子(IF)两个方面,分析了此方法的性能。并与基于线性预测的LMS算法进行了比较,得出了此方法对慢速目标的检测性能优于线性方法。

基于ADALINE的有源电力滤波器预测电流控制策略(英文)

为有效补偿有源电力滤波器(APF)的控制延时,提出一种基于自适应线性神经元(ADALINE)的APF预测电流控制策略。该策略通过ADALINE预测下一控制周期的参考电流,根据两相静止坐标系下APF系统模型确定参考电压,利用空间矢量脉宽调制(SVPWM)方法,使APF输出电流快速、准确地跟踪参考电流。仿真与APF样机上的实际运行结果表明,和采用传统无预测算法的SVPWM方法相比,采用本文提出的预测电流控制策略,APF的稳态补偿精度和动态跟踪性能均明显提高。

一种基于强跟踪滤波器的自适应故障预报方法

随着预测维修在企业中的推广 ,故障预报技术逐渐得到人们的重视。本文提出了一种基于强跟踪滤波器的自适应故障预报方法 ,能够对一类带时变参数的非线性系统进行故障预报。并且通过仿真验证了当系统带有未知噪声时 。

采用线性预测奇异值分解的振荡瞬态分析

为改进振荡瞬态信号的分析方法以在短序列、低信噪比的情况下获得较好的正弦检测结果,针对实际电力系统中可能同时存在多个振荡瞬态的情况,首先利用自适应陷波滤波器实现基波与振荡瞬态信号的分离以减少基波对奇异值分解结果的影响;再利用线性预测奇异值分解算法,估计出每单个振荡瞬态信号的起始幅值、起始相位、频率和衰减系数等参数。仿真实验的结果显示在多个振荡瞬态同时存在的情况下,用该方法估计多个振荡瞬态信号是可行的和有效的。