基于矩形自卷积窗的加窗插值修正算法

非同步采样时,快速傅里叶变换应用于谐波分析容易造成频谱泄露和栅栏效应,影响谐波分析的效果,通过加窗和插值可以改善谐波分析的准确度.在分析矩形自卷积窗的旁瓣性能的基础上,文章提出了一种基于矩形自卷积窗的双谱线插值修正算法,仿真实验证明了该算法的有效性,且便于嵌入式系统实现.     

基于能源互联网的电能计量系统优化研究

为了提高电能计量能力,基于能源互联网完成电能计量系统优化工作。结合快速傅里叶变换（FFT）和数字信号处理（DSP）算法,并进行优化,加入Nutall窗函数,尽可能减少旁瓣泄漏,以有效提高谐波电能计量能力,达到精密计算的目标。具体而言,优化了频率检测的准确性、谐波幅值计算的精确性、谐波相位测量的准确性、电能计量参数的计算精度。结果表明,谐波频率识别误差与谐波幅值计算误差显著降低至约±1%,提高了数据的准确性和可靠性,保障了电力系统的运行性能与质量。     

基于时间序列数据Hull-White模型半参数估计方法

基于时间序列数据,对Hull-White短期利率模型进行半参数估计。通过两阶段估计方法,原半参数估计模型转化为非参数估计模型和全参数估计模型。前者使用核函数估计方法,后者使用极大似然估计,从而简化整个参数估计过程。实证的结果表明,在给定合适窗宽条件下,基于Hull-White模型的似然值将得到改善。     

基于相位差校正法的加Blackman-harris窗FFT算法与实现

相位差校正法是连续两次加窗截断时域信号并进行两次FFT变换,然后利用其对应离散谱线的相位差校正出谱峰处的准确频率和相位的新校正方法,通过利用插值fft算法的窗谱函数公式还可以校正其幅值,用以解决离散频谱分析中由于不能做到同步采样带来的较大误差。由于加Blackman-harris窗函数的频谱泄漏影响小、计算精度高,所以本文采用加Blackman-harris窗截断。     

基于小波阈值去噪和自适应变分模态分解的谐波检测方法

为准确检测电力系统的谐波分量,提出一种基于小波阈值去噪和自适应变分模态分解（VMD）的谐波检测方法。在传统VMD算法基础上,通过构建输入信号Hankel矩阵并进行奇异值分解（SVD）的方法,自适应确定模态分解个数;利用改进的小波阈值去噪方法减少噪声的干扰,进一步提高检测精度。仿真实验表明,所提方法能有效地估计谐波的频率和幅值参数,具有较高的检测精度和良好的噪声鲁棒性。     

基于自适应EKF的感应电机无传感器控制

针对传统EKF(TEKF)需要长时间试凑噪声协方差矩阵且噪声特性变化时估算性能下降甚至发散的问题,提出了一种基于极大似然估计准则和有限记忆指数加权的自适应EKF算法（EW-MLE-AEKF）。在使用新息序列进行自适应调整时,系统容易因新息序列的不准确而发散,为此可以利用后验残差序列对噪声协方差矩阵Q和R进行实时调整来提高系统的稳定性。同时在加窗方法的基础上使用了有限内存指数加权算法来提高近期数据的权重,加快了估计的收敛速度。仿真和实验验证了算法在电机系统中的可行性,结果证明该算法避免了噪声矩阵的试凑过程,能够适应噪声的变化,提高了滤波精度且系统稳定性强。     

开关电源的高精度谐波分析

传统方法进行直流电源的谐波分析时,存在栅栏效应和频谱泄漏等现象,无法获取准确的谐波参数．为了提高谐波分析精度,这种专门的分析方法通过搜索寻峰,从高幅值到低幅值逐次求出各频率谐波分量参数,每求出一组参数就把该频率谐波分量从测量信号中消去,得出相当准确的结果.     

一种基于Parzen窗技术和Tsallis熵原理的图像分割新方法

提出了一种基于Parzen窗技术和Tsallis熵原理的图像分割新方法．该方法采用Parzen窗技术来估计图像灰度值的空间概率分布,再结合Tsallis熵来构造新的目标函数,最后在图像灰度值范围内搜索使该目标函数达到最大值的灰度值作为最佳全局阈值．通过和传统的基于Tsallis熵理论的图像分割方法相比较,结果表明该方法对图像分割精度非常高,且稳定性强．     

电能质量数据采集和谐波分析方法的实现

本文在简述电能质量分析装置总体结构的同时,介绍了同步采样的实现方法。为提高计算的准确性,采用基于加窗插值的FFT算法分析电力系统谐波,对算法的实现进行了详尽的叙述。     

基于自适应UKF的MEMS捷联惯导传递对准研究

在导航制导武器中,针对微机电捷联惯导系统（MEMS-SINS）非线性误差的状态估计精度差和模型扰动问题,通过分析无迹卡尔曼滤波（UKF）算法中初值的选取会直接影响观测值精度的问题,结合自适应估计原理,提出一种基于自适应因子的UKF算法,该算法能够自适应地调节系统模型的扰动和初值的偏差并根据新的协方差观测值更新方程。首先建立传递对准的大失准角误差模型,然后将该算法应用于该系统状态估计中,并与标准UKF进行比较,通过计算机仿真,传递对准速度提高3s左右,精度提高将近1倍。对两种算法结果进行对比分析表明,能够抑制传递对准系统初值选取的偏差影响,降低系统状态模型扰动的影响,提高传递对准的对准精度。