为了解决工程实际中准确获得同步电机瞬态及超瞬态参数问题,提出经验模态分解与矩阵束算法相结合的新型同步电机参数识别法。该方法借助EMD对采集到的含噪短路电流信号进行分解,采用Savitzky-Golay滤波器对高频分量部分进行平滑降噪预处...为了解决工程实际中准确获得同步电机瞬态及超瞬态参数问题,提出经验模态分解与矩阵束算法相结合的新型同步电机参数识别法。该方法借助EMD对采集到的含噪短路电流信号进行分解,采用Savitzky-Golay滤波器对高频分量部分进行平滑降噪预处理,借此提高其信噪比;为较好识别短路电流模态阶数,将信息熵引入矩阵束并将此改进矩阵束算法用以提取预处理后的短路电流各分量的频率和阻尼,进而识别出同步电机的瞬态参数。同步发电机三相突然短路仿真与试验参数辨识结果均表明,该方法在信噪比低于24 d B时,仍能快速、精确地辨识同步电机参数。展开更多
多波段信号融合技术在信号层将多个不同子带融合成一个大带宽信号,因而能够有效提高雷达图像距离分辨率。目前,基于全极点模型的融合技术主要采用root-MUSIC(multiple signal classification)及其改进算法实现极点的估计,在较弱的噪声...多波段信号融合技术在信号层将多个不同子带融合成一个大带宽信号,因而能够有效提高雷达图像距离分辨率。目前,基于全极点模型的融合技术主要采用root-MUSIC(multiple signal classification)及其改进算法实现极点的估计,在较弱的噪声条件下这种方法得到了不错的融合效果。然而在低信噪比条件下root-MUSIC算法容易受到噪声干扰而难以实现正确极点获取,进而极大影响到最终信号融合效果。为减小噪声影响,提出用矩阵束算法实现多波段信号极点估计,在此基础上通过不同子带对应极点间的相位关系估计出相干参数,同时对融合结果以信号差的2范数最小为准则进行迭代,以减小融合信号的误差。最后采用加权寻优的方式进一步提高了信号的融合精度。仿真实验结果表明,提出的方法有效提高了低信噪比条件下的多波段信号融合效果。展开更多
摘要为了解决工程实际中准确获得同步电机瞬态及超瞬态参数问题,提出经验模态分解与矩阵束算法相结合的新型同步电机参数识别法。该方法借助EMD对采集到的含噪短路电流信号进行分解,采用Savitzky-Golay滤波器对高频分量部分进行平滑降噪预处理,借此提高其信噪比;为较好识别短路电流模态阶数,将信息熵引入矩阵束并将此改进矩阵束算法用以提取预处理后的短路电流各分量的频率和阻尼,进而识别出同步电机的瞬态参数。同步发电机三相突然短路仿真与试验参数辨识结果均表明,该方法在信噪比低于24 d B时,仍能快速、精确地辨识同步电机参数。
摘要多波段信号融合技术在信号层将多个不同子带融合成一个大带宽信号,因而能够有效提高雷达图像距离分辨率。目前,基于全极点模型的融合技术主要采用root-MUSIC(multiple signal classification)及其改进算法实现极点的估计,在较弱的噪声条件下这种方法得到了不错的融合效果。然而在低信噪比条件下root-MUSIC算法容易受到噪声干扰而难以实现正确极点获取,进而极大影响到最终信号融合效果。为减小噪声影响,提出用矩阵束算法实现多波段信号极点估计,在此基础上通过不同子带对应极点间的相位关系估计出相干参数,同时对融合结果以信号差的2范数最小为准则进行迭代,以减小融合信号的误差。最后采用加权寻优的方式进一步提高了信号的融合精度。仿真实验结果表明,提出的方法有效提高了低信噪比条件下的多波段信号融合效果。