为解决现有辨识方法在针对耦合的次/超同步振荡参数提取过程中的噪声适应性差和模态混叠问题,该文提出了一种自适应的变分模态分解法(variational mode decomposition,VMD),定义残差损失总熵、中心频率的切比雪夫距离以及边缘熵共同决...为解决现有辨识方法在针对耦合的次/超同步振荡参数提取过程中的噪声适应性差和模态混叠问题,该文提出了一种自适应的变分模态分解法(variational mode decomposition,VMD),定义残差损失总熵、中心频率的切比雪夫距离以及边缘熵共同决定分解模态数和带宽,结合最小二乘-旋转不变技术(total least square-estimating signal parameter via rotational invariance techniques,TLS-ESPRIT)对分解出的振荡分量进行参数辨识,无需另外使用降噪算法。通过复合信号测试法、PSCAD/EMTDC电磁暂态仿真法验证了所提方法的有效性。最后,将所提方法与改进Prony算法、MCEEMD法在不同噪声水平和振荡频率下进行对比,结果表明,所提方法能够有效地抑制原始信号的噪声干扰,对耦合的次/超同步振荡信号分解更加准确,参数辨识结果可靠性较高,对风电系统振荡溯源、改善系统阻尼具有一定的参考意义。展开更多
文摘为解决现有辨识方法在针对耦合的次/超同步振荡参数提取过程中的噪声适应性差和模态混叠问题,该文提出了一种自适应的变分模态分解法(variational mode decomposition,VMD),定义残差损失总熵、中心频率的切比雪夫距离以及边缘熵共同决定分解模态数和带宽,结合最小二乘-旋转不变技术(total least square-estimating signal parameter via rotational invariance techniques,TLS-ESPRIT)对分解出的振荡分量进行参数辨识,无需另外使用降噪算法。通过复合信号测试法、PSCAD/EMTDC电磁暂态仿真法验证了所提方法的有效性。最后,将所提方法与改进Prony算法、MCEEMD法在不同噪声水平和振荡频率下进行对比,结果表明,所提方法能够有效地抑制原始信号的噪声干扰,对耦合的次/超同步振荡信号分解更加准确,参数辨识结果可靠性较高,对风电系统振荡溯源、改善系统阻尼具有一定的参考意义。
文摘电磁矢量传感器多输入多输出(electromagnetic vector sensor multiple-input multiple-output,EMVS-MIMO)雷达是一种新兴技术,可实现二维波达角(2D-DOA)估计。针对单基地稀疏阵列EMVS-MIMO雷达,提出一种基于旋转不变性信号参数估计技术ESPRIT(estimation of signal parameters via rotational invariance techniques)的降复杂度(reduced-complexity,RC)信号参数估计算法,能够实现对目标2D-DOA的快速估计。首先,对接收阵列数据进行RC处理,以消除阵列冗余数据;其次,利用ESPRIT可获得高分辨率的俯仰角估计,由于阵列的稀疏性,该估计值具有模糊性;再次,利用矢量叉积技术获得具有无模糊特性的2D-DOA;最后,利用无模糊的俯仰角估计对有周期模糊的估计进行解模糊,获得具有高分辨率、无模糊特性的俯仰角估计。该算法适用于大规模EMVS-MIMO雷达系统,且相比现有的ESPRIT-Like算法拥有更高的估计精度,通过MATLAB仿真验证了算法的有效性。
