汽车车内噪声主动控制归一化LMS算法

通过对汽车车内噪声采集试验数据进行分析,运用最小均方(LMS)算法和归一化LMS算法,分别对自适应滤波器中的权向量按照最速下降算法进行更新,并利用建立的自适应滤波器进行汽车车内噪声主动控制。通过比较汽车车内噪声主动控制结果,表明:与LMS算法相比,归一化LMS算法具有更快的算法收敛速度和较小的稳态误差,其收敛速度提高58.3%,其稳态误差降低62.5%。     

基于改进型神经网络的船舶APF谐波检测

针对船舶有源电力滤波器谐波检测实时精度高的要求,在传统自适应检测方法的基础上,提出了基于自适应Hopfield神经网络的船舶有源电力滤波器谐波检测方法。根据自适应噪声对？肖技术的基本原理,为了有效的进行噪声抵消,采用了基于Hopfield神经网络的自适应非线性滤波器,将基波有功电流从负载电流中滤除从而得到基波无功电流和...     

改进的变步长LMS自适应滤波算法

针对解决LMS(Least Mean Square)自适应滤波算法收敛速度及未知系统时变跟踪速度与稳态误差的矛盾,改进步长因子μ(n)与误差信号e(n)的非线性映射关系,提出一种新的变步长LMS算法。执行该算法时系统初始阶段或未知系统时变阶段步长自动增大,而稳态时步长缓慢变小,提高了收敛速度和时变跟踪能力,克服了稳态误差偏大的缺点。理论分析及实验结果表明,新算法的收敛、跟踪速度及稳态误差性能均优于现有常见的几种LMS算法。     

汽车车内降低噪声主动控制泄露LMS算法

泄露变步长最小均方算法是一种改进型LMS算法,克服了LMS算法无法同时兼顾收敛速度和稳态误差的的固有缺陷。提出一种基于泄露变步长LMS算法的汽车车内噪声主动控制方法,并将基于LMS算法和泄露变步长LMS算法的汽车车内噪声主动控制结果进行比较,结果表明:与LMS算法相比,泄露变步长LMS算法具有更快的算法收敛速度和较小的稳态误差,可有效进行汽车车内噪声主动控制。     

一种基于钟形函数的变步长LMS算法

在干扰消除背景下,提出了一种基于钟形函数的变步长LMS自适应滤波算法。通过理论分析和计算机仿真验证了该算法在提高收敛速度和减小稳态误差上的优越性,并分析了参数选取对算法性能的影响。     

基于改进NLMS算法的谐波电流检测方法

针对传统NLMS算法在谐波电流检测中存在的动态响应速度和稳态精度的平衡问题,本文提出了一种基于动量项最小均方(MLMS)理论的NLMS算法的谐波电流检测方法。该算法在利用固定的小步长参数来保证高的稳态精度的同时,通过调整动量项来加速谐波检测响应速度,很好的解决了上述的平衡问题。仿真结果验证了该方法的有效性。     

基于快速DFT及RLS自适应滤波器的谐波电流提取

本文提出一种基于智能Goertzel算法和自适应RLS滤波器的谐波提取算法，用于控制有源电力滤波器。快速Goertzel算法可用于从负载电流中提取特定次谐波的幅值和相位信息，再利用递归最小二乘法滤波器进行滤波可得到参考谐波电流值。这种混合FG-RLS控制算法可适应不平衡负载及突变负载的补偿工作。本文通过仿真验证了这种算法的优越性能。     

基于分离矩阵的步长自适应EASI算法

首次提出将分离矩阵用于对在线盲分离算法中步长自适应控制,并在认真分析相关固定步长和变步长EASI算法的基础上,将其加以运用,提出了一种新的步长自适应EASI算法。该算法步长是基于分离矩阵的,其学习速率由信号的分离程度自适应地选取,因而能很好地解决收敛速度和稳态误差之间的矛盾。计算机仿真结果与理论分析相一致,证实了该算法明显优于其他固定步长或变步长的EASI算法。     

互补对LMS自适应算法在噪声消除中的应用实现

在接收超低频信号时,由于受到天线辐射效率和海水衰减的限制,噪声的存在是对有用信号最大的干扰.传统的算法可靠性受限,可以采用自适应算法来实现噪声消除.一般LMS算法收敛速度快但稳态误差大,通过搭建自适应滤波模型,对其改进算法即互补对LMS算法进行仿真.结果表明,这种自适应算法滤波后稳态误差较小,对噪声的消除具有良好的效果.     

基于分离度的步长自适应EASI算法

首先定义了描述信号分离状态的分离度,并利用分离度作为参数来控制EASI算法中的步长因子,从而提出了一种基于分离状态的步长自适应EASI盲源分离算法。由于该算法步长是基于分离度的,其学习速率由信号的分离程度自适应地选取,因而能很好地解决收敛速度和稳态误差之间的矛盾。计算机仿真结果与理论分析相一致,证实了该算法明显优于其它固定步长或变步长的EASI算法。     

基于自适应神经网络的电力系统经济调度

为了适应新能源接入大电网的发展趋势,降低输电损耗,提出了考虑输电损耗的电力系统经济调度问题。提出根据功率平衡约束误差在线调整连续神经元更新步长的自适应方法,建立了基于增广的Lagrange-Hopfield神经网络的自适应神经网络算法,并且构建了该算法的仿真计算流程。从理论上证明了该算法的收敛性,论证了该算法具有快速的收敛速度。通过选取不同的更新步长参数求解实例,证明该算法可以在线调整步长,从而提高收敛速度,大幅减少迭代次数。     

三相微网变流器谐波分析与抑制策略

随着微网的快速发展,其电能质量越来越受到人们的重视.论文分析了三相SPWM变流器在微网中所产生的谐波量以及危害,利用一种改进的自适应陷波器谐波检测技术检测到变流器产生的谐波,提出了使用串联型有源电力滤波器与LC滤波器相结合的谐波抑制策略.最后结合系统构成利用Matlab对变流器输出电流进行了仿真,通过自适应检测发现变流器输出的谐波量明显减少,而且加入混合滤波器后得到的线电流的THD值小于5％,验证了该谐波抑制策略的有效性.     

基于分离度梯度的步长自适应自然梯度算法

首先定义了描述信号分离状态的分离度,并利用分离度作为参数来控制自然梯度算法中的步长因子,从而首次提出了一种基于分离状态的步长自适应自然梯度盲源分离算法。由于该算法步长是基于分离度的,其学习速率由信号的分离程度自适应地选取,因而能很好地解决收敛速度和稳态误差之间的矛盾。计算机仿真结果与理论分析相一致,证实了该算法明显优于其他固定步长或变步长的自然梯度算法。     

一种改进的步长自适应EASI算法

首先定义了描述信号分离状态的一种测度，并在认真分析相关固定步长和变步长EASI算法的基础上，将其加以运用，提出一种新的步长自适应EASI算法。由于该算法步长是基于分离状态的，其学习速率由信号的分离程度自适应的选取，因而能很好地解决收敛速度和稳态误差之问的矛盾。计算机仿真结果与理论分析相一致，证实了该算法明显优于其它的EASI算法。     

船舶电力系统谐波抑制

通过有源电力滤波器来抑制柴油电力船系统的系统范围谐波,使有源电力滤波器连接到第二条总线上,通过电流功率检测谐波的方法来获得电路上的谐波,传给有源电力滤波器,使用滞环控制的方法来获取滤波器电流,同时还包含了LCL滤波器的配置,以此来降低两条总线上的谐波,结果表明,这种方法确实可以降低柴油电力船系统的谐波。     

基于复合预测控制的并联有源电力滤波器研究

通过建立线性预测数学模型,分析了线性预测的不稳定性和差一拍控制对谐波补偿输出的影响,提出了将线性预测与记录一周期谐波电流采样点作为后续预测电流相复合的无差拍控制,消除了采样与计算延时对系统的影响。仿真结果表明,平均滤波器应用于ip-iq谐波电流检测算法中,谐波检测精度较高、响应速度较快;采用复合无差拍控制,对谐波抑制与无功补偿有较好的稳态精度和动态响应速度。在整体上提高了并联有源电力滤波器的谐波抑制与无功补偿性能。     

一种自适应LMS滤波的改进算法

在传统的LMS(Least Mean Square)算法中,固定步长选取影响收敛速度与稳态误差,而且两者不可兼得.为此,本文提出了一种改进的LMS算法.在计算机仿真自适应信道均衡中,该算法的性能明显优于传统的LMS算法,而计算量增加甚少.理论分析与计算机模拟证实了该算法的优越性.     

基于样本熵理论的进化论自适应消噪算法

进化论自适应滤波器消噪算法通过有性繁殖和无性繁殖规则可以实现全局最优搜索,从而最优地消除可加性噪声,有效提取故障特征信号。但定值进化系数和以残差信号平均能量的倒数作为适应度函数等因素,约束了该算法的收敛特性和消噪性能。由于样本熵拥有可有效表征信号的不规则性和复杂程度、可较少地依赖时间序列的长度、对于丢失数据不敏感、对瞬态强干扰有较好的承受能力等特性,本文将信号样本熵的倒数作为适应度函数,采用变步长的进化系数提出基于样本熵理论的自适应进化论消噪算法。模拟仿真和实验数据研究表明,本算法有较好的收敛速度和消噪效果。     

小波包和神经网络的船舶电力系统谐波检测方法

随着船舶电力系统中接入越来越多的电力电子设备,谐波污染现象变得愈发严重。当前的谐波检测还无法实现较小的谐波频率、相位、幅值检测误差,提出小波包和神经网络相结合的船舶电力系统谐波检测方法。设计由微处理器、信号采集板、上位机构成的船舶电力系统信号采样装置,实施电力系统电流信号与电压信号的采样。通过小波包算法提取采集信号高频部分的有效值。基于神经网络思想设计Elman神经网络谐波检测器,实现船舶电力系统谐波检测。其中在输出层中通过主成分分析方法实施神经网络的输出优化,并实施Sigmoid激励函数的改进,以降低检测误差。测试结果表明,该方法平均谐波频率检测误差、平均谐波相位检测误差、平均谐波幅值检测误差的区间均值分别为0.16 Hz,0.20°,0.12 V,整体误差很低,同时克服了基波分离延时问题。     

梯度自适应在盲分离算法中的研究

通过传感器获得的水下声场信号含有复杂多样的噪声信号,从收集的信号中提取有用的信号,是盲源信号分离的研究重点。本文针对自然梯度算法在盲源信号分离中的收敛速度慢,误差精度低等问题,利用步长自适应进行改进,通过实验对比结果可以看出,本文所改进的算法收敛速度快,提高了系统的性能,算法简单,推广性强。