基于时变自回归模型的FAJD盲源分离算法

为实现多高斯源和相关源信号的盲分离,在快速近似联合对角化(FAJD)算法的基础上,将故障诊断领域的时变自回归理论成功地应用于相关源信号的盲分离和多高斯源信号的盲分离.首先采用时变自回归模型(TVAR)对源信号建模,并通过白化预处理使得建模后的源信号具有可联合对角化的结构;然后,通过基函数加权和的方法将时变参数近似为已知基函数的加权和的形式,将其变成时不变的参数,再通过递推最小二乘法求解出模型系数矩阵组;最后,将所求出的系数矩阵组作为快速近似联合对角化的目标矩阵组,通过FAJD算法实现混合信号的分离.Matlab仿真实验验证了所提出的算法对于相关源信号和多高斯源信号的分离是行之有效的.由于算法中TVAR模型的优良特性,此算法非常适用于混合通信信号的盲分离.

基于快速近似联合对角化的谐波发射水平评估方法

提出了一种基于快速近似联合对角化(FAJD)估计系统谐波阻抗及计算谐波发射水平的新方法。在直角坐标下,根据谐波诺顿等效电路的基本原理,推导得出公共连接点处谐波电压和电流与系统和用户侧谐波电流源的关系。考虑两侧谐波电流源相互独立的基本条件,利用FAJD方法求得解混矩阵并分离出两侧谐波电流源分量,采用最小二乘法求得混合系数矩阵,对比基本电路方程求得系统侧谐波阻抗的实部和虚部,进而评估谐波发射水平。该方法以公共连接点测量的谐波电压和电流信息为基础,无需先验数据匹配也不要求目标观测矩阵为正交矩阵,因此无需预白化处理,避免引入不必要的误差,具有更高的分离精度和更强的抗背景谐波干扰能力。最后,通过仿真对比分析与实测数据验证了所提方法的可行性和有效性。