针对并联型有源电力滤波器(active power filter,APF)谐波检测环节的延时和谐波电流跟踪环节的鲁棒性差、跟踪精度不高的问题,建立了系统解耦后的数学模型,提出了基于递归最小二乘(recursive least squares,RLS)算法的并联型APF全局积...针对并联型有源电力滤波器(active power filter,APF)谐波检测环节的延时和谐波电流跟踪环节的鲁棒性差、跟踪精度不高的问题,建立了系统解耦后的数学模型,提出了基于递归最小二乘(recursive least squares,RLS)算法的并联型APF全局积分滑模变结构控制策略。谐波检测环节采用改进的瞬时无功功率理论的id-iq法,用RLS自适应滤波器替换传统的Butterworth低通滤波器,解决了传统的Butterworth低通滤波器因延时而导致的一个基波周期(20 ms)内检测盲区问题。谐波电流跟踪环节采用全局积分滑模变结构控制方法,引入了全局积分滑模面,运用Lyapunov稳定性理论导出的控制律兼顾了全局滑模的快速性和积分滑模的准确性。在解决了谐波检测环节延时的情况下,将全局积分滑模控制策略与传统的PI控制和滞环控制对比,仿真实验结果表明:全局积分滑模控制对指令电流具有更高的跟踪精度,且具有更低的电网侧电流总谐波畸变率(total harmonic distortion,THD)。展开更多
水声信道具有稀疏性的特点,因此高精度低复杂度的稀疏信道估计算法对水声通信具有重要意义。基于自适应滤波算法的信道估计问题本质上是线性回归模型参数的求解问题,传统的最小二乘(Least Square,LS)、最小均方(Least Mean Square,LMS)...水声信道具有稀疏性的特点,因此高精度低复杂度的稀疏信道估计算法对水声通信具有重要意义。基于自适应滤波算法的信道估计问题本质上是线性回归模型参数的求解问题,传统的最小二乘(Least Square,LS)、最小均方(Least Mean Square,LMS)及递归最小二乘(Recursive Least Squares,RLS)算法在估计稀疏信道时不仅复杂度较高,而且在求解线性回归模型时,因忽略自变量的多重共线性而使稀疏信道估计精度降低。针对上述问题,首先,在经典RLS算法的代价函数中加入信道系数的范数对其进行约束,从而提高了稀疏信道估计的精度,然后,采用滑动窗的方式对其代价函数进行处理以减少算法的计算量。在此基础上又引入二分坐标下降(Dichotomous Coordinate Descent,DCD)算法搜索单次迭代中使代价函数最小的解,进一步降低了算法的复杂度。仿真结果表明,文中所提的算法相较于经典算法在估计精度和复杂度方面具有一定的优越性。展开更多
永磁同步电机(permanent magnet synchronous motor,PMSM)的磁链准确辨识是实现高性能电机控制的基础。针对传统递推最小二乘(recursive least squares,RLS)法受噪声影响小但存在数据饱和,影响辨识精度和动态性问题,以及遗忘最小二乘(re...永磁同步电机(permanent magnet synchronous motor,PMSM)的磁链准确辨识是实现高性能电机控制的基础。针对传统递推最小二乘(recursive least squares,RLS)法受噪声影响小但存在数据饱和,影响辨识精度和动态性问题,以及遗忘最小二乘(recursive least squares with forgetting factor,FRLS)法避免数据饱和但存在参数估计误差与动态跟踪性能矛盾的问题,文章提出一种基于折息最小二乘(recursive least squares with discount factor,DRLS)法的磁链辨识方法。该算法在FRLS法中引入加权因子构成折息因子,采用递推方法进行磁链辨识,减小参数估计误差,提高磁链辨识精度及动态跟踪能力。通过MATLAB仿真及半实物仿真试验,验证所提磁链识别方法的有效性。展开更多
针对国内外金融领域可疑交易的低检测率问题,通过对RBF(Radial Basis Function)神经网络技术的分析与研究,提出了一种基于APC-III聚类算法和RLS(Recursive Least Square)算法的面向反洗钱的RBF神经网络模型并加以实现。APC-III聚类算法...针对国内外金融领域可疑交易的低检测率问题,通过对RBF(Radial Basis Function)神经网络技术的分析与研究,提出了一种基于APC-III聚类算法和RLS(Recursive Least Square)算法的面向反洗钱的RBF神经网络模型并加以实现。APC-III聚类算法用于确定RBF神经网络隐含层的中心向量,RLS算法用来调整隐含层与输出层之间的连接权值。RBF神经网络与支持向量机(SVM)和孤立点检测相比,有更高的检测率和较低的误检率,因此,提出的模型具有重要的理论和实用价值。展开更多
递推最小二乘RLS(Recursive of Least Square)算法是自适应滤波算法中的精确分析算法。它具有收敛速率快,精确度高等特点,但是发现目前RLS算法多用于对一维信号的去噪处理。使用递推最小二乘(RLS)算法对二维图像进行去噪,从处理一维信...递推最小二乘RLS(Recursive of Least Square)算法是自适应滤波算法中的精确分析算法。它具有收敛速率快,精确度高等特点,但是发现目前RLS算法多用于对一维信号的去噪处理。使用递推最小二乘(RLS)算法对二维图像进行去噪,从处理一维信号变成处理二维图像信号,需要对RLS算法进行改进。先迭代得到滤波器参数,形成3×3滤波掩模,再改进算法对图像进行滤波;同时与常数比率维纳滤波和自相关函数的维纳滤波算法的去噪效果进行对比。结论证明在对图像进行较严重的模糊和加噪处理后,其他两种算法对图像的还原能力差,而递推最小二乘自适应滤波(RLS)算法具有优良的图像去噪性能。展开更多
文摘针对并联型有源电力滤波器(active power filter,APF)谐波检测环节的延时和谐波电流跟踪环节的鲁棒性差、跟踪精度不高的问题,建立了系统解耦后的数学模型,提出了基于递归最小二乘(recursive least squares,RLS)算法的并联型APF全局积分滑模变结构控制策略。谐波检测环节采用改进的瞬时无功功率理论的id-iq法,用RLS自适应滤波器替换传统的Butterworth低通滤波器,解决了传统的Butterworth低通滤波器因延时而导致的一个基波周期(20 ms)内检测盲区问题。谐波电流跟踪环节采用全局积分滑模变结构控制方法,引入了全局积分滑模面,运用Lyapunov稳定性理论导出的控制律兼顾了全局滑模的快速性和积分滑模的准确性。在解决了谐波检测环节延时的情况下,将全局积分滑模控制策略与传统的PI控制和滞环控制对比,仿真实验结果表明:全局积分滑模控制对指令电流具有更高的跟踪精度,且具有更低的电网侧电流总谐波畸变率(total harmonic distortion,THD)。
文摘水声信道具有稀疏性的特点,因此高精度低复杂度的稀疏信道估计算法对水声通信具有重要意义。基于自适应滤波算法的信道估计问题本质上是线性回归模型参数的求解问题,传统的最小二乘(Least Square,LS)、最小均方(Least Mean Square,LMS)及递归最小二乘(Recursive Least Squares,RLS)算法在估计稀疏信道时不仅复杂度较高,而且在求解线性回归模型时,因忽略自变量的多重共线性而使稀疏信道估计精度降低。针对上述问题,首先,在经典RLS算法的代价函数中加入信道系数的范数对其进行约束,从而提高了稀疏信道估计的精度,然后,采用滑动窗的方式对其代价函数进行处理以减少算法的计算量。在此基础上又引入二分坐标下降(Dichotomous Coordinate Descent,DCD)算法搜索单次迭代中使代价函数最小的解,进一步降低了算法的复杂度。仿真结果表明,文中所提的算法相较于经典算法在估计精度和复杂度方面具有一定的优越性。
文摘永磁同步电机(permanent magnet synchronous motor,PMSM)的磁链准确辨识是实现高性能电机控制的基础。针对传统递推最小二乘(recursive least squares,RLS)法受噪声影响小但存在数据饱和,影响辨识精度和动态性问题,以及遗忘最小二乘(recursive least squares with forgetting factor,FRLS)法避免数据饱和但存在参数估计误差与动态跟踪性能矛盾的问题,文章提出一种基于折息最小二乘(recursive least squares with discount factor,DRLS)法的磁链辨识方法。该算法在FRLS法中引入加权因子构成折息因子,采用递推方法进行磁链辨识,减小参数估计误差,提高磁链辨识精度及动态跟踪能力。通过MATLAB仿真及半实物仿真试验,验证所提磁链识别方法的有效性。
文摘针对国内外金融领域可疑交易的低检测率问题,通过对RBF(Radial Basis Function)神经网络技术的分析与研究,提出了一种基于APC-III聚类算法和RLS(Recursive Least Square)算法的面向反洗钱的RBF神经网络模型并加以实现。APC-III聚类算法用于确定RBF神经网络隐含层的中心向量,RLS算法用来调整隐含层与输出层之间的连接权值。RBF神经网络与支持向量机(SVM)和孤立点检测相比,有更高的检测率和较低的误检率,因此,提出的模型具有重要的理论和实用价值。
文摘递推最小二乘RLS(Recursive of Least Square)算法是自适应滤波算法中的精确分析算法。它具有收敛速率快,精确度高等特点,但是发现目前RLS算法多用于对一维信号的去噪处理。使用递推最小二乘(RLS)算法对二维图像进行去噪,从处理一维信号变成处理二维图像信号,需要对RLS算法进行改进。先迭代得到滤波器参数,形成3×3滤波掩模,再改进算法对图像进行滤波;同时与常数比率维纳滤波和自相关函数的维纳滤波算法的去噪效果进行对比。结论证明在对图像进行较严重的模糊和加噪处理后,其他两种算法对图像的还原能力差,而递推最小二乘自适应滤波(RLS)算法具有优良的图像去噪性能。
