روش تشخیص سیگنال هارمونیک ضعیف در تداخل آشوب بر اساس فیلتر کالمن توسعه یافته

عنوان فارسی مقاله:روش تشخیص سیگنال هارمونیک ضعیف در تداخل آشوب بر اساس فیلتر کالمن توسعه یافته

چکیده

روش های سنتی تشخیص سیگنال هارمونیک ضعیف تحت تداخل آشوبناک قوی اغلب از پیچیدگی محاسباتی بالا و عملکرد ضعیف رنج می برند. در این مقاله، یک روش تشخیص مبتنی بر فیلتر کالمن (EKF) برای تشخیص سیگنال هارمونیک ضعیف پیشنهاد شده است. روش EKF از وارونگی ماتریکس با تکرار معادله اندازه گیری و معادله حالت جلوگیری می کند، که به طور همزمان استحکام را بهبود می بخشد و پیچیدگی را کاهش می دهد. در مقایسه با روش های تشخیص موجود، روش پیشنهادی دارای مزایای زیر است: ۱) عملکرد بهتری نسبت به روش شبکه عصبی دارد. ۲) عملکرد مشابهی با روش فیلتر بهینه دارد، اما با پیچیدگی محاسباتی کمتر. ۳) در مقایسه با روش بهینه فیلتر قوی تر است(سیگنال هارمونیک ضعیف در تداخل آشوب).

ادامه مطلب

راهنمای خرید:

لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.

Title: Weak harmonic signal detection method in chaotic interference based on extended Kalman filter

Abstract

The traditional methods of weak harmonic signal detection under strong chaotic interference often suffer from high computational complexity and poor performance. In this paper, an Extended Kalman Filter (EKF) based detection method is proposed for the detection of weak harmonic signal. The EKF method avoids matrix inversion by iterating measurement equation and state equation, which simultaneously improves the robustness and reduces the complexity. Compared with the existing detection methods, the proposed method has the following advantages: 1) it has better performance than the neural network method; 2) it has similar performance with the optimal filtering method, but with lower computational complexity; 3) it is more robust compared with the optimal filtering method.