基于Hilbert变换与Pisarenko谐波分解的电压闪变参数估计

提出了新的闪变参数估计方法,该方法在Hilbert变换提取闪变包络线的基础上,用Pisarenko谐波分解估计各调制分量的频率和幅值。在估计过程中,用FFT分析得到Pisarenko谐波分解所需的调制分量个数,解决了闪变调制分量个数不确定的问题。在设定噪声条件下,用所提方法分别对单一频率和多频率调制的闪变进行仿真,并将所得估计值与FFT频谱分析方法所得结果进行了比较,验证了所提方法可以更准确得到低频调制信号幅值和频率的优点。

基于Pisarenko谐波分解的间谐波估算方法

随着电力系统的发展以及非线性电力元件的大量应用,电网中的谐波状况更加复杂化,非整数次谐波分量——间谐波和次谐波变得较为突出。文章应用Pisarenko谐波分解(PHD)原理来计算谐波和间谐波的频率和幅值。该方法基于信号自相关估计将信号的特征空间划分成信号子空间与噪声子空间,根据这两个子空间正交的原理构建特征多项式和代数方程组,从而计算出各种谐波分量的频率和幅值。由于该方法假设各频率分量的相位是随机分布的,无法给出谐波的相位信息。文章还结合整数次谐波、间谐波和次谐波估算仿真实验分析了PHD方法的敏感因素。并针对电力系统中谐 波分量和基波分量能量相差较大影响估计结果的问题,提出 了低通差分预处理的解决方法,取得了较好的估算效果。

基于Pisarenko谱估计的GPS多普勒频偏快速捕获

本文针对解扩后GPS信号的特点,提出利用Pisarenko方法估计多普勒频偏来减少FLL环路收敛时间,从而实现GPS多普勒频偏的快速捕获的方法,论文首先分析了FFT快捕方式下多普勒频偏的快速捕获原理并推导了平均捕获时间,对利用Pisarenko估计GPS多普勒进行了仿真研究,并和ARMA参数模型法、FFT法进行了对比,仿真结果证明用这种方法可以获得高精度,高稳定度的多普勒估计,并且计算量比FLL小.该方法能有效地减少GPS多普勒频偏的捕获时间.

一种用于Pisarenko谱分解的反馈神经网络模型

Ｐｉｓａｒｅｎｋｏ法是目前较为有效的频率估计方法，但该方法需要对相关矩阵Ｒ进行特征分解，运算量较大。本文把求解非线性约束极值问题引入神经网络，利用罚函数构造网络的能量函数，网络最小能量状态时的矢量即为Ｒ的最小特征值对应的特征矢量。计算机模拟表明，该网络能较快收敛到稳定状态，运算结果比较理想。

一种自相关矩阵改进的Pisarenko算法

Pisarenko算法是通过N个采样数据估计一个平稳随机信号参数的算法.改进的Pisarenko算法在噪声环境下可以精确估计信号频率.该算法通过一个时域累积量等式选择适当的数量关系得到新的自相关矩阵,最后利用最小二乘法求解得到频率的估计值.该算法把频域中提取的信号转换到时域中求解,从而避免了经典Pisarenko算法由于对自相关矩阵进行降维,使用样本自相关函数少,影响最后频率估计精度的缺点.仿真实验结果表明,所提的算法能够有效提高频率估计值的精度,频率估计性能稳定.

基于BP-Adaboost神经网络的非侵入式电机工作状态识别方法

大功率设备碳排放控制是实现“双碳”目标的重要环节,为了监测大功率设备的工作状态,提出一种基于BP-Adaboost神经网络的非侵入式电机工作状态识别方法。通过ATP-EMTP软件搭建电机并网模型,对电机入口端原始信号及电网端加噪信号进行数据采集。为了利用互相关算法从噪声电信号中提取稳定特征量,提出将Pisarenko谐波分解(PHD)算法与互相关算法相结合建立电信号特征提取的优化算法。通过BP-Adaboost强分类器构建电机工作状态的识别模型。应用仿真结果表明,经过PHD算法处理并结合提出的BP-Adaboost识别方法,可有效实现电机起动谐波的检测与电机工作状态的识别,并实测验证了该方法的高精度和可靠性,实验仿真识别率为100%,实验验证识别率为96%。

正弦信号频率估计的改进高阶自相关算法

针对混有加性高斯白噪声的正弦信号,利用正弦信号的线性预测性质和高阶自相关函数,提出了新的频率估计算法。新算法与多种算法进行了计算复杂度比较,同时理论推导得到新算法的频率估计方差的闭合表达。新算法平衡了估计性能和计算量之间的矛盾。在仿真实验中,与改进协方差(MC)算法、Rim算法、Pisarenko谐波分解(PHD)算法及其多种改进型算法进行比较。结果表明:本文算法总体优于各对比算法,特别在在信号序列较短和中高信噪比情况下,性能接近克拉美罗界。

光纤菲佐气体压力传感器的波分频分复用方法

设计了一种新的光纤菲佐气体压力传感器,结合波分复用技术和空间频率复用技术,实现了不同腔长的光纤菲佐气体压力传感器的复用.给出了该复用系统的结构,阐述了其工作原理,最后利用实验验证了该方法的可行性.针对该系统中的串扰问题提出了基于参数化谱估计的Pisarenko谐波分解方案,使可复用的传感器腔长差降至100 μm左右,大大提高了系统的复用能力.实验结果表明：该系统在单个传感器气体压力分辨率达0.76% F.S（量程为0～150 kPa）,复用的传感器数目可达80个以上,可满足实际工程应用中多点气压测量的需要.

电力系统间谐波及其检测方法综合分析

间谐波是一种特殊的电力系统谐波,它大量存在于电网中。概述了间谐波的来源和危害,并对应用于间谐波检测的几种主要方法的检测精度、速度和实时性作了分析和评价。最后,展望了间谐波检测方法的发展趋势。

指数函数型过程信号的统—AR模型

为了把描述过程信号的三种方法:AR谱估计法、prony方法、pisarenko方法归纳在一个理论模型下.通过对指数函数型复数过程信号的建模研究,得出了一个统一的方程组,即统一的AR模型.由该模型出发,经过预测分析、无衰减正弦过程参数估计和定价讨论后可知:在不同的条件下,此理论模型可分别导出AR谱估计法,无衰减信号的prony谱估计方法和pisarenko方法.

基于超分辨分析方法的跳频信号相对时延估计

针对目前时延估计建立的模型一般为窄带模型,且估计精度受采样时间间隔的限制,提出将阵列信号处理中的超分辨分析方法应用于跳频信号时延估计的方法,该估计方法的估计精度不直接受采样时间间隔的影响。并在此基础上,得到能够有效抑制伪峰的融合估计方法。并通过仿真试验验证该方法的有效性。

中国未来10年通胀周期预测及其验证

采用增广Pisarenko方法对当代中国通货膨胀周期进行分析验证,可得出通货膨胀周期函数。运用这一周期函数对中国通货膨胀周期进行10年预测,可得出2009年左右、2013年左右中国可能出现较高的通货膨胀预测结果。因此,必须对可能出现的较高的通货膨胀保持足够的警惕,做好必要准备。

DOA估计的几种特征结构算法的性能比较

Pisarenko算法、多信号分类(MUSIC)算法、最小模算法和ORPD算法是来波到达方向(DOA)估计中常用的四种特征结构算法。在不同的信噪比及阵元数目条件下,对这几种算法的分辨性能作了比较。仿真结果表明:MUSIC算法是最稳定的一种算法;在预知大致方位的前提下,ORPD算法分辨性能最好;对于提高各种算法的分辨能力,改善信噪比相对增加阵元数目更有效。

随机噪声雷达的脉冲压缩方法研究

文中针对传统的匹配滤波算法在进行脉冲压缩时存在的高距离旁瓣问题,提出了将卡尔曼滤波法和Pisarenko法应用于随机噪声雷达的脉冲压缩。在建立随机噪声雷达系统模型的基础上,详细论述了卡尔曼滤波法和Pisarenko法在该系统脉冲压缩中的实现方法。通过仿真试验对这两种方法的脉冲压缩性能进行了对比分析。结果表明,卡尔曼滤波法和Pisarenko法都能够在不牺牲分辨率的基础上有效地改善随机噪声雷达的脉冲压缩性能。

间谐波存在时的电能计量方法研究

为了减少间谐波存在时带来的电能计量误差,提出了一种含间谐波的电能计量方法。首先分析现有谐波电能计量中的不合理性,给出含间谐波的功率计算式,然后提出了一种基于Pisarenko的改进算法。传统Pisarenko算法能够准确提取频率和幅值分量,却不能提取相位信息,该算法克服了传统算法不能提取相位信息的缺点。仿真结果也表明,该算法能够准确提取电气信号各频率分量参数,特别是相位信息,能滤除虚假频率分量,具有很强的抗干扰能力。功率计算采用考虑潮流方向的Budeanu功率定义。最后运用所提的计量方法对用户和电力企业的影响进行了分析,分析结果表明新的计量方法适用于间谐波存在时的电能计量。

基于皮萨伦科谱分解法的转台信号失真研究

三轴转台的精度是制约惯性器件测试结果精确性的瓶颈因素。根据转台在摇摆状态下输出信号的特点,提出采用皮萨伦科谱分解法对其进行辨识。由此得到转台信号的幅度失真、频率失真以及夹杂在其中的分量谐波的幅度和频率。并通过比较辨识前后转台误差的标准差,证明了辨识结果的可靠性。同时,分析了不同转台框在相同摇摆条件下的失真规律和同一转台框在不同摇摆条件下的失真规律。实验结果表明,皮萨伦科谱分解法应用于转台正弦信号的失真辨识中是非常适用的,为惯性器件测试中的测试设备误差补偿做好了前期准备。

电能质量信号的预测模型

电能质量信号纷繁复杂,目前还没有一个很好的适用于电信号的模型。本文用预测模型来描述并分析理想电信号的正弦波,振荡衰减正弦波,衰减直流分量,还进一步提出了用多项式来进行信号预测。并给出了电信号中各分量的识别及参数求解方法。结合不同的噪声处理方法,本模型也适用于分析噪声下的电信号。仿真测试表明模型的正确性。

光纤菲佐传感器频分复用网络解调方法研究

为了减小光纤菲佐传感器间的串扰,提高传感器网络的复用能力,提出了基于Pisarenko正弦波恢复法的光纤菲佐应变传感器频分复用网络光谱解调方案。在多光束干涉原理的基础上,建立了基于Pisarenko正弦波恢复方法的传感器频分复用解调模型,并对2个光纤菲佐传感器的串扰进行了实验研究。快速傅里叶变换能够达到应变精度好于±10με的传感器间最小腔长差约为500μm,而该方法可以把最小腔长差缩短至100μm左右。这意味着系统的复用能力提高了大约5倍。因此,该方法是一种串扰小、复用能力强的解调方法,在大容量准分布式传感网络中具有极大的潜在应用价值。

基于分数阶共变的有色谐波信号频谱估计

在alpha稳定分布噪声下,传统的谐波信号的频谱估计方法会失去其韧性。本文简要分析了分数阶共变矩阵的结构,在此基础上提出了基于分数阶统计量的谐波信号的频谱估计新方法:基于分数阶共变的Pisarenko谐波分解(FOC-PHD)算法和多信号分类法(FOC-MUSIC)算法。这种方法将信号频谱估计的范围从二阶矩扩大到p阶矩(1<p<α≤2)。通过对给定的alpha稳定分布噪声中正弦信号的估计与分辨进行仿真,详细比较了传统的谐波信号频谱估计和FOC-PHD、FOC-MUSIC频谱估计算法的性能,仿真结果表明,本文提出的方法明显优于传统的频谱估计算法,具有良好的韧性。