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
在阵列信号精度优化算法的研究中,针对传统波达方向(Direction of Arrival,DOA)估计算法在低信噪比条件下性能表现不佳的问题,本文提出了一种采用小波分析与TLS-ESPRIT相结合的DOA估计联合算法。该算法首先对强噪声背景下阵列天线所接...在阵列信号精度优化算法的研究中,针对传统波达方向(Direction of Arrival,DOA)估计算法在低信噪比条件下性能表现不佳的问题,本文提出了一种采用小波分析与TLS-ESPRIT相结合的DOA估计联合算法。该算法首先对强噪声背景下阵列天线所接收的观测信号进行小波分析,选取高频小波系数置零的强制消噪方式进行降噪处理;继而将预处理后的观测矩阵用TLS-ESPRIT方法进行DOA估计。理论分析和仿真结果均表明:在相同快拍数和阵元数的情况下,较之传统的DOA估计方法,联合算法具有更低的信噪比门限,并且能实现更为准确的DOA估计。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。
文摘在阵列信号精度优化算法的研究中,针对传统波达方向(Direction of Arrival,DOA)估计算法在低信噪比条件下性能表现不佳的问题,本文提出了一种采用小波分析与TLS-ESPRIT相结合的DOA估计联合算法。该算法首先对强噪声背景下阵列天线所接收的观测信号进行小波分析,选取高频小波系数置零的强制消噪方式进行降噪处理;继而将预处理后的观测矩阵用TLS-ESPRIT方法进行DOA估计。理论分析和仿真结果均表明:在相同快拍数和阵元数的情况下,较之传统的DOA估计方法,联合算法具有更低的信噪比门限,并且能实现更为准确的DOA估计。
