改进的变步长自适应谐波检测算法

基于自适应噪声消除理论,考虑电网负载电流低信噪比的特性,对传统的最小均方(LMS)算法进行改进,得到一种新的变步长LMS自适应谐波检测算法.利用反馈误差信号的均值估计控制步长及权值的更新,当权值逐渐接近最佳值时,步长逐渐减小以保证较小的稳态误差,并有效降低不相关噪声信号的干扰.在权值迭代过程中加入动量,进一步提高系统的...     

基于LMS算法自适应噪声抵消系统的仿真研究

介绍了自适应噪声抵消系统的原理和LMS算法,并给出了基于LMS算法自适应噪声抵消系统的仿真图。通过分析仿真结果表明基于LMS算法的自适应噪声抵消技术可以有效的抵消正弦干扰信号,这样在语音信号处理中就能消除含噪语音信号中的背景噪音,达到提高语音信号质量的目的。     

几种变步长LMS算法的性能分析与比较

针对传统LMS算法的收敛速度与稳态误差存在矛盾这一问题,列出了NLMS、G-SVSLMS及改进的变步长LMS3种变步长LMS自适应滤波算法。通过仿真对比和理论分析,证明改进的变步长LMS算法具有更快的收敛速度、更小的稳态误差和更强的抗干扰能力。     

改进的变步长LMS自适应滤波算法及仿真

通过分析变步长自适应滤波算法,建立步长和误差信号之间的非线性关系,提出一种新的变步长LMS自适应滤波算法,并用计算机进行仿真,结果表明该算法在误差接近于零时步长具有缓慢变化的特性,滤波效果更好。     

基于傅氏系数自适应组合估计算法的谐波功率实时高精度计算

由于常规电量计量装置是基于正弦波设计的,因此在非正弦条件下进行测量必然带来一定的误差.采用改进的傅氏系数自适应组合估计算法进行谐波检测与功率计算,该方法对非同步采样及初始值不敏感,并能实时跟踪电压与电流的变化.实验表明一般经过约1个周期便能对受噪声和衰减直流分量污染的非正弦信号进行实时跟踪.从而精确估计出电压与电流各次谐波的幅值及相位,实现功率的实时高精度计算,并且根据输出误差采用变步长的递推最小均方差LMS(Least Mearl Square)自适应算法来改善跟踪性能.最后,给出了在计算机上的仿真测试结果,并将该算法和FFT算法进行了对比分析.仿真证明该算法具有精度高、收敛快且测试结果不受频率变化影响的优点.     

基于LMS的加速收敛步长选择原理与自适应三相电网谐波检测

基于最小二乘(LMS)算法的自适应电网电流的检测系统中,为克服检测的快速性与稳定性的矛盾,当偏离最佳值较远时系统方均误差(MSE)较大,要提高检测算法迭代收敛速度的策略是选择较大的迭代步长;而在偏离最佳值较近时系统MSE较小,为降低波动保证系统检测的稳态精度,应该选择较小的迭代步长。通过理论分析阐明了提高自适应电网电流检测LMS算法收敛速度的步长选择原理,并且采取选择迭代过程最佳变步长的策略提高自适应三相电网电流检测的性能。仿真分析验证了该自适应检测算法具有更快的动态性能与更好的稳态精度。     

改进的变步长自适应谐波检测算法

基于自适应对消原理的自适应谐波检测算法因其优良的性能被广泛应用于有源滤波器,但该算法存在无法平衡稳态精度和收敛速度方面的不足。针对此不足,文中基于箕舌线函数和三阶权值系数提出了一种改进的变步长(Least Mean Square,LMS)谐波检测算法。该算法利用误差信号的自相关平均估计获得期望误差估计均值,并通过改进的箕舌线迭代函数作为核心函数来调节步长更新,之后通过推导出来的三阶权值公式代替传统的权值迭代。仿真实验结果表明,该算法在谐波检测中不但具有较快的收敛速度,也能获得较高的稳态精度。     

一种改进的变步长LMS自适应算法

为了得到一种抗干扰性能强、收敛速度快、稳态误差小的变步长LMS算法,本文分析了传统LMS算法、变步长LMS算法及其改进算法,并对现有变步长LMS算法进行分类归纳,在列出几种具有代表性算法的基础上,提出了一种改进的变步长LMS算法.新方法引入修正系数,通过当前和过去估计误差以及误差的时域均值来调节自适应算法的步长,具有收敛速度快,稳态误差小的优点,并且提高了LMS算法的抗干扰性能.文中最后给出了仿真结果,仿真结果与理论分析一致.     

基于自适应算法的谐波检测方法研究

由于低通滤波器的影响,传统的ip-iq算法有检测速度慢的缺点,针对此缺点,本文提出了一种基于变步长LMS/LMF算法自适应滤波器来代替低通滤波器的作用,针对输入信号的特点相应的改变自适应滤波器的步长因子,同时改变最小均方算法(LMS)和最小四阶矩算法(LMF)的比例,充分发挥了LMF和LMS检测精度和检测速度的优势。仿真结果表明,提出的算法检测速度和精度具有明显的优势,具有一定的工程应用价值。     

基于LMS算法的粉尘静电信号处理

基于课题组自主研发的颗粒物检测系统,根据静电感应的原理获得了大量含有随机噪声的粉尘信号.采用自适应噪声对消的方法对粉尘静电感应信号进行提取,并提出一种新的变步长最小均方误差(least mean square,LMS)自适应算法来修改滤波器系数.引入新的步长因子和误差的非线性关系,使算法具有更好的稳态性能,对新算法的机理和参数进行深入分析,更好地提高了低信噪比下算法的收敛速率并保证了稳态时的性能.将该算法用于粉尘静电感应信号的滤波处理,仿真结果证明该算法能很好地滤除随机噪声.     

基于自适应增益LMS算法的谐波检测新方法

有源电力滤波器(APF)需要对谐波电流进行检测,快速准确的谐波检测方法能够提高有源电力滤波器的补偿性能。本文基于最小均方算法,改进了谐波检测算法,该算法从减小集平均代价函数出发,基于自适应增益,推导出新的步长迭代公式;从检测算法的快速准确性出发,通过Matlab仿真和DSP实验可以看出该算法得到的基波幅值误差为0.2%,迭代响应时间为0.01s,不仅达到了很高的检测精度,而且能在半个基波周期内达到稳定,验证了新检测算法的准确性和快速性。     

基于改进增益型自适应LMS算法的谐波检测方法

基于自适应噪声对消原理的谐波电流检测方法相对其他检测方法来说,具有实现简单、鲁棒性强等特点。该方法利用信号处理中的自适应干扰对消原理,将电网电压信号作为参考输入,负载电流作为原始输入,从负载中实时消除与电压波形相同的基波有功电流分量(或基波电流),从而得到负载电流中所有谐波与基波电流无功分量之和。再配合有源电力滤波器(APF),由补偿装置注入一个与谐波和基波电流无功分量之和大小相等极性相反的补偿电流,达到抑制谐波与基波电流无功分量的目的。提出了一种基于改进增益型自适应谐波电流的检测方法,该方法采用的反馈量不同于以往方法中的误差信号,而是将误差信号经过数学转换,使其转换成一个能真正反映系统跟踪误差的信号,并将其作为自适应滤波器权系数迭代的反馈量。通过Matlab证明该方法能够在保持较小的稳态失调的情况下也具有较快的动态响应速度。     

一种基于LMS自适应原理的FBD谐波检测方法的研究＊

通过分析传统FBD谐波检测方法,针对在获取基准参考电压和基波电流时的不足做出了改进.首先设计了一种利用电压序列分解替代锁相环的基准电压检测方法,得到与基波正序电压同频同相的参考电压;同时使用LMS自适应滤波法替代低通滤波器,并添加了闭环回路,把检测到的谐波电流反馈到输入电流中,改进后的滤波方法能够显著提高滤波环节的跟踪速度和动态性能.最后通过仿真验证了改进的FBD谐波检测方法的正确性和优越性.     

基于RLS自适应滤波算法的电力有源滤波器直流端电压控制方法

RLS自适应滤波器用于有源滤波器直流端电容电压的控制,克服了用LMS自适应滤波器收敛速度慢和稳态误差较大的缺点,同时对直流端电容电压的控制完全摒弃了传统的PI积分控制,解决了控制参数难以调节及对电路中其他参数的变化非常敏感的问题.稳态和暂态特性的仿真研究比较了两种自适应滤波算法对直流端电容电压的控制及对补偿后的主电流的影响,其中RLS自适应滤波器效果要好得多.     

一种小波变换域的自适应扰动消除方法

针对自适应逆控制中实时消除非平稳时变噪声的困难,提出了一种小波变换域自适应扰动消除方法,从而有效地降低了输入信号自相关矩阵特征值的分散程序,达到了改善噪声消除效果的目的,并拓宽了这种扰动消除方法的应用范围。     

Behavior of the least mean square algorithm with a periodically time‐varying input power

The paper analyzes the transient and steady‐state performances of a least mean square algorithm in the rarely‐studied situation of a time‐varying input power. A scenario of periodic pulsed variation of the input power is considered. The analysis is carried out in the context of tracking a Markov plant with a white Gaussian input. It is shown that the mean square deviation (MSD) converges to a periodic sequence having the same period as that of the variation of the input power. Expressions are derived for the convergence time and the steady‐state peak MSD. Surprisingly, it is found that neither the transient performance nor the steady‐state performance degrades with rapid variation of the input power. On the other hand, slow input power variation causes degradation in both the transient and steady‐state performances for given amplitude of variation of the input power. In the case of a time‐invariant plant, neither rapid nor slow variation of the input power causes degradation in the steady‐state performance. On the other hand, there is degradation in the transient performance for slow variation of the input power. Copyright © 2012 John Wiley & Sons, Ltd.     

A simple variable step size LMS adaptive algorithm

A new LMS based variable step size adaptive algorithm is presented. The step size is incremented or decremented by a small positive value, whenever the instantaneous error is positive or negative, respectively. The algorithm is simple, robust and efficient. It is characterized by fast convergence and low steady state mean squared error. The performance of the algorithm is analysed for a stationary zero‐mean white‐Gaussian input. MC simulations are provided to demonstrate its improved performance over the conventional LMS (Proc. IEEE 1976; 64 :1151–1162) and some other variable step size adaptive algorithms (IEEE Trans. Signal Process. 1992; 40 :1633–1642; IEEE Trans. Signal Process. 1997; 45 :631–639) within a range of statistical environments. For a non‐stationary input, the proposed algorithm behaves similar to these algorithms. A modified version of the algorithm is presented to perform in the presence of abrupt changes. Copyright © 2004 John Wiley & Sons, Ltd.