宽带滤波器传输线法去嵌的研究

为准确获取谐振器材料参数,采用开路短路法、集总参数法、传输线法三种方法分别对谐振器进行去嵌,并分析去嵌对滤波器产生的影响。其中传输线法去嵌无需流片,仿真即可得出谐振器测试结构的寄生参数。采用传输线法对串联、并联谐振去嵌,并运用去嵌后的谐振器材料参数搭建滤波器,滤波器采用九阶π型电路拓扑结构,其带宽为160 MHz,阻带抑制为-25 dB。证实谐振器的测试结构对宽带声表面波滤波器带宽、阻带和零点造成影响,使得去嵌后的滤波器左侧零点向低频偏移,低频抑制上升,高频抑制下降,通带插入损耗增加。

基于对称分量法的混合型电力有源滤波器研究

针对光伏并网发电系统中非线性负载带来的谐波问题,以及大量单相非线性负载接入后的三相电力系统严重不对称情况,提出一种新型混合型滤波器主电路结构和基于应用改进的对称分量法的有源滤波器控制方法。首先,建立混合型滤波器的主电路结构,分析有源部分的拓扑结构和无源部分的工作模式及零序电抗。接着,给出该滤波器的锁相环控制电路以及整体硬件控制结构。针对三相负载严重不对称情况,采用改进对称分量法精确提取中线侧零序电流分量,实现滤波器有源部分的控制。最后,通过仿真验证与现场应用,验证了该混合型滤波器及控制方法在三相负载对称和严重不对称情况下的有效性,结果表明其具有明显的滤波效果及较优的经济性。

基于多阶有源带通滤波器和在线相关系数的负载在线智能识别

从时域建立了负载在线识别的数学模型,识别任务由硬件和算法共同承担。采用多阶有源带通滤波器进行硬件预处理,从而将功率相差很大的负载信号转换成可以在同一个条件下采集的电压信号。从皮尔逊相关系数出发定义了在线相关系数,将其作为唯一的时域特征参量,并提出“在线相关系数逐渐增大并最终等于1”的判决准则。利用最大值首位对齐法和均值法进行数据处理,采用逐次比较法和筛选法相结合进行识别。实验数据表明:基于带宽为340~900 Hz的五阶有源带通滤波器和STM32处理器中的在线相关算法很好完成了功率相差1500多倍的电磁炉、电饭煲、笔记本电脑、小灯泡等4种负载的任意在线组合的智能识别。

有源电力滤波器补偿的PI解耦控制技术研究

电网中电压和电流波形的失真会产生谐波,导致电网功率因数降低,并影响电力系统的稳定性和可靠性。为了确保电力系统的正常工作,研究了基于有源电力滤波器补偿的比例积分(PI)解耦控制技术。设计了基于二极管钳位式的有源电力滤波器模型。结合基尔霍博电压法,降低控制谐波和解除部分变量耦合。针对设备非线性产生的谐波,分析有源电力滤波器的可逆性,获得输入雅可比矩阵,以实现滤波器旋转坐标的线性化。利用变换矩阵转换转动角速向量,输入谐波的幅度,输出电流取样延迟,完成无差PI解耦控制。试验结果表明,所提技术能够有效解耦滤波器的谐波电流成分,从而补偿电网中的失真电流。该技术可以减少谐波对电力系统的整体影响,保证设备的正常运行。

改进同步谐波检测法在有源电力滤波器中的应用

谐波检测是决定有源电力滤波器工作性能的关键环节,检测结果准确与否直接影响到其补偿精度及相关性能。提出一种基于改进同步谐波检测算法,通过控制算法实现基波电流与基波正序电压同步,从而达到消除谐波的目标。采用基于对称分量法的基波正序电压提取方法,无需使用锁相环以及坐标变换,整个基波正序电压分离过程简洁快速,并且可以根据电力用户对谐波补偿的需求,实现谐波的完全谐波消除和单位功率因数补偿,并提高系统功率因数。最后通过搭建MATLAB仿真模型和试验平台对所提方法在有源滤波器中的应用进行验证。结果表明能够达到良好的补偿效果。

应用Kalman滤波器提高机抖激光陀螺姿态测量系统瞬时精度的方法

机械抖动激光陀螺输出的原始数据不仅包含了外界的惯性输入的角速率信息,还包含了抖动信号的角速率信息,通常使用线性相位FIR滤波器去除机械抖动信号,信号经滤波后其所有频率成分都将产生一定时间的延迟,这将对由机抖陀螺组成的高精度实时姿态测量系统造成影响。本文提出了一种基于姿态角运动跟踪预测模型和Kalm an预测的姿态测量滤波延迟补偿方法。实验结果表明,本方法能有效估计并预测运动载体的姿态运动,补偿由于FIR滤波器时间延迟带来的不利影响,提高姿态测量系统的实时性和瞬时精度。

基于Kalman滤波器的非视距误差抑制算法

针对蜂窝网定位中影响定位精度的非视距传播误差问题,提出一种基于Kalman滤波器的非视距(NLOS)误差抑制算法,将到达时间(TOA)测量值及非视距误差作为Kalman滤波器的状态变量,根据TOA测量值的结构特点和NLOS误差的统计特性,确定Kalman滤波器过程方程的状态转移矩阵。以NLOS误差服从指数分布的情况为例进行仿真,结果表明,该算法在精度估计和算法计算量方面具有明显优势。

使用遗传算法的自适应Kalman滤波器

基于Magill的Kalman滤波器池结构 ,设计了使用遗传算法的自适应Kalman滤波器 ,给出了离线和在线两种实现方案 .离线方案以辨识滤波参数为主要目的 ,进而可以对状态进行较准确的事后估计 ;在线方案以实时地对状态进行估计为目的 .对滤波参数寻优使用具有良好性能的浮点数编码遗传算法 ,该算法与二进制编码遗传算法相比收敛速度更快、搜索全局最优的能力更强 .

一种基于Kalman滤波器的自适应背景建模改进算法

基于传统Kalman滤波器理论的背景建模方法,不能很好地解决目标缓慢运动导致背景模型出现拖影的问题。针对该问题,提出了一种结合Kalman滤波器理论与动态区域重构的自适应背景建模改进算法,介绍了Kalman滤波器理论主要思想和改进算法的方法流程与效果。与传统的Kalman背景建模相比,该方法在增加少量计算复杂度的前提下,较好地解决了目标缓慢运动导致背景模型出现拖影的问题,同时也能较好地消除背景噪声。通过对图像序列的仿真实验证明:该方法具有很好的实用性与鲁棒性。

基于SIFT算子和Kalman滤波器的航拍图像电子稳像算法

针对航拍图像载台随机运动严重,图像分辨率低、目标特征少的特点以及航拍图像电子稳像技术快速、准确的要求,提出基于SIFT算子和Kalman滤波器的航拍图像电子稳像算法。该算法的特点是:由于利用SIFT作为估计图像间运动矢量特征,因此运算速度快;对Kalman滤波状态方程改进,可准确估计有意运动参数;将图像镶嵌技术用于稳定后图像"无定义区"的重建,从而形成快速准确的航拍电子稳像图像。航拍图像实验表明,该算法运算准确性高、稳定性好、速度快。

采用Kalman滤波器进行信号处理的高频信号注入法在电动机控制中的应用

高频信号注入法是交流电动机无机械传感器控制中实现低速甚至零速运行的一个有效方法,高频信号注入法的最大困难是如何从测量的电压或电流中提取出需要的高频信号并进行相应的信号处理。Kalman滤波器是一种自适应滤波器,广泛应用于各种信号检测和处理中。本文提出了一种采用Kalman滤波器进行信号处理的高频信号注入法来实现交流电动机的无机械传感器低速运行,利用Kalman滤波器的自适应特性,自动辨识检测电动机电流中特定频率的高频信号,检测结果受噪声和频率相近信号的影响较小,并且幅值和相位误差很小。以永磁同步电动机为例进行了仿真和实验,结果表明该方法是一种简单直接的高频信号注入法的信号处理方法,具有非常好的稳定性和精度,可以实现交流电动机无机械传感器控制的低速甚至零速运行。

基于Kalman滤波器的卫星钟实时异常监测算法

基于卫星钟钟差的Kalman滤波器模型,提出了一种卫星钟实时异常监测算法,对算法原理进行了讨论,并利用IGS精密钟差数据,对算法进行了性能验证。结果表明:该算法对卫星钟的异常情况(包括单点相位跳变与连续相位跳变)可以进行有效监测,同时还可以完成异常数据的剔除与替换,并且具有较小的替换误差。该算法具有显著的实时性,可以应用于星载原子钟的实时异常监测中。

基于Kalman滤波器的医用消耗性材料需求量预测方法的研究

提出了一种基于Kalman滤波器的医用消耗性材料需求量数据分析的新方法。利用Kalman滤波器原理,建立了医用耗材需求量数据分析的数学模型,推导出模型的求解过程,并结合工作实践,给出了一种医用耗材需求量分析实例。通过分析经典Kalman滤波器在处理医用耗材需求量数据时存在的缺点,提出用自适应Kalman滤波器替代经典Kalman滤波器的新思路。

基于Kalman滤波器的运动目标跟踪算法

运动目标跟踪是计算机视觉中的一个典型问题,如何能准确快速的跟踪目标是研究的关键。提出了Kalman滤波器结合Camshift的改进算法。首先选取一段视频图像序列,通过背景差分法快速检测出运动目标,初始化搜索窗口,用Kalmam滤波器预测目标位置,再用Camshift迭代算法计算目标最优的位置,将结果作为Kalman滤波器进行下一次预测的估计值。实验表明,当目标被严重遮挡或受到同色背景干扰时,本算法仍能快速准确的跟踪运动目标。

基于平行Snake耦合Kalman滤波器的车道线检测算法

针对当前车道线检测算法中易受到车道线磨损、遮挡、阴影等影响,导致检测算法精度不高,鲁棒性不强,提出了平行Snake耦合Kalman滤波器的车道线检测方案。首先,为了获得道路左右边界的平行属性,引入期望最大化(EM)算子,通过最小化目标函数来估计消失点,并估算其单应矩阵;并在齐次坐标空间中进行单应性变换,将车道线透视图转变为鸟瞰图。然后,通过参数预测算子建立车道模型,将平行性约束添加到主动轮廓模型(Snake)中,构建了一种平行Snake车道线检测方法。在平行Snake方法中,为了克服图像梯度低时Snake无法有效收敛到车道边界,引入了膨胀力,将两条平行的主动轮廓往道路的左右两边推挤,最终收敛到道路的左右边沿。最后,考虑到前后帧之间参数的连续性,采用Kalman滤波器进行跟踪优化,并抑制噪声,提高算法对车道线的识别精度。实验结果表明,与当前常用的车道线检测算法比较,提出的方案在精度与鲁棒性均得到改善,在阴影、光照变化、边界破损等车道数据集上取得了良好的性能。

基于负低-高通滤波器的并网电流反馈新型有源阻尼方法

基于并网电流反馈的有源阻尼方法常用来抑制LCL型并网逆变器的谐振尖峰,现有方法会放大高频噪声、降低并网电流质量。因此提出了基于负低-高通滤波器的并网电流反馈新型有源阻尼方法,在抑制谐振尖峰的同时,也降低了对高频信号的增益,进一步提高并网电流质量。采用极点配置法,围绕系统的稳定裕度以及有源阻尼效果设计新型有源阻尼的参数;随后讨论了LCL参数和电网阻抗变化时新型有源阻尼控制系统的鲁棒性。仿真与实验结果证明,该方法使得控制系统对高频噪声有更好的抑制作用,在不同的工况下均具有良好的稳定裕度,在电网阻抗变化时下依然可以有效抑制谐波电流。

随机控制系统稳态Kalman滤波器新算法

应用现代时间序列分析方法,基于受控的自回归滑动平均(CARMA)新息模型,提出了随机控制系统稳态Kalman滤波器增益的两种新算法,避免了求解Riccati方程.为保证滤波器的渐近稳定性,给出了选择滤波初值的两个公式.

矩阵外积法Kalman滤波器在动态GPS定位中的应用

由于计算机有效字长的限制,滤波算法在计算机上实施时易于产生误差积累,误差协方差失去正定性或对称性,从而出现数值计算中的不稳定现象。一般情况下,当状态变量维数超过10时,滤波过程中出现滤波结果不稳定现象概率增大。为了解决滤波器数值计算不稳定问题,实践中提出并应用了许多方法,如自适应滤波、固定增益滤波、平方根滤波等。这些算法的不足是计算繁琐,效率低下。提出一个基于矩阵外积法所设计的快速、稳定的滤波算法,该卡尔曼滤波算法速度快,效率高,数值稳定性好,运算量少,将其应用于动态GPS定位验证了其有效性。

基于分步式Kalman滤波器的AGV姿态角估计方法实验研究

针对AGV的定位问题,设计了多传感器分步式Kalman滤波器,通过其对编码器、陀螺仪和超声波传感器等测量信息的融合实现了对AGV姿态角的准确估计。仿真结果表明所设计的滤波器是可靠的、有效的,实验结果验证了所设计的滤波器可实时、精确地实现AGV的姿态角估计,定位精度可满足实际生产中对AGV的使用要求。

相关观测误差条件下Kalman滤波器的一种设计方法

在分析噪声相关性对Kalman滤波器性能影响的基础上,文章推导一种相关观测误差条件下卡尔曼滤波器的设计方法。该方法利用误差的相关矩阵信息,对量测矩阵和观测误差协方差阵做去相关校正,实现准最优的Kalman滤波,并获得正确的状态误差估计。仿真证明了算法的效果。