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。

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。

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 .

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。

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 。

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.

自适应MTI滤波器的设计

讨论雷达信号处理中的自适应动目标显示技术,即雷达回波信号中的运动杂波抑制问题。针对常见的高斯型功率密度函数的运动气象杂波,寻求一种基于最小功率准则的自适应动杂波抑制滤波器的设计方法及实现技术。在分析的基础上做了有关的仿真,仿真结果表明,该方法运算量小、易于实现,对运动杂波具有良好的抑制效果。

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 %。

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。

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。

一类非线性时滞过程的自适应控制

通过结合非线性过程的一般模型控制(GMC)、强跟踪预测器(STP)和强跟踪滤波器(STF),提出了一类具有输入时滞非线性时变过程的自适应一般模型控制(AGMC)方法。基于强跟踪预测器对未来状态的预测,传统的一般模型控制被扩展到一类具有输入时滞的非线性过程。通过强跟踪滤波器估计非线性过程的时变参数,对STP和GMC进行在线参数修正。对三容水箱系统DTS200进行计算机仿真,仿真结果表明,该自适应控制策略是令人满意的,其状态跟踪能力强,对于模型失配也具有较强的鲁棒性。

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。

基于相空间邻域的混沌时间序列自适应预测滤波器(Ⅰ)线性自适应滤波

提出了一种基于相空间邻域的线性自适应滤波算法 ,将时间域变换到高维重构矢量空间 ,使得不可能实现的线性预测变成了可能 .实验结果表明 :这种基于相空间邻域的线性自适应预测滤波器能够有效预测一些混沌序列 ,能够检测到一些混沌载波中的信号 。

基于相空间邻域的混沌时间序列自适应预测滤波器(Ⅱ)非线性自适应滤波

根据相空间重构理论、最小均方误差准则和最陡下降原理 ,提出了一种基于相空间邻域的非线性自适应滤波算法 .实验结果表明 :这种非线性自适应预测滤波器能够有效预测一些混沌序列 。

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。

一种基于三阶Volterra滤波器的混沌时间序列自适应预测方法

基于Takens的相空间延迟坐标重构 ,研究了用于混沌信号预测的三阶Volterra滤波器的一种乘积耦合近似实现结构 ,并应用于典型的低维混沌时间序列和具有高维混沌特性的EEG信号的预测 .数值研究表明 :这种滤波器结构对于低维混沌时间序列的预测精度可以比二阶Volterra滤波器提高 10 3倍 。