CN107425826B - 自适应滤波方法、自适应滤波器及存储介质 - Google Patents

自适应滤波方法、自适应滤波器及存储介质 Download PDF

Info

Publication number
CN107425826B
CN107425826B CN201710590420.3A CN201710590420A CN107425826B CN 107425826 B CN107425826 B CN 107425826B CN 201710590420 A CN201710590420 A CN 201710590420A CN 107425826 B CN107425826 B CN 107425826B
Authority
CN
China
Prior art keywords
band
learning rate
output signal
filter
signal
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710590420.3A
Other languages
English (en)
Other versions
CN107425826A (zh
Inventor
叶斌英
宋万杰
任新杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Meizhi Compressor Co Ltd
Original Assignee
Guangdong Meizhi Compressor Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangdong Meizhi Compressor Co Ltd filed Critical Guangdong Meizhi Compressor Co Ltd
Priority to CN201710590420.3A priority Critical patent/CN107425826B/zh
Publication of CN107425826A publication Critical patent/CN107425826A/zh
Application granted granted Critical
Publication of CN107425826B publication Critical patent/CN107425826B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
    • H03H21/00—Adaptive networks
    • H03H21/0012—Digital adaptive filters
    • H03H21/0043—Adaptive algorithms
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
    • H03H21/00—Adaptive networks
    • H03H21/0012—Digital adaptive filters
    • H03H21/0043—Adaptive algorithms
    • H03H2021/0049—Recursive least squares algorithm
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
    • H03H21/00—Adaptive networks
    • H03H21/0012—Digital adaptive filters
    • H03H2021/0085—Applications
    • H03H2021/0094—Interference Cancelling

Abstract

本发明实施例提供一种自适应滤波方法、自适应滤波器及存储介质，属于信号处理领域。所述方法包括：根据接收的参考频率生成参考信号；根据所述参考信号和所述滤波器权值计算带通输出信号；根据接收的待滤波信号、所述带通输出信号计算带阻输出信号；根据所述带阻输出信号调整学习速率；以及根据所述学习速率更新所述滤波器权值以用于下一周期中带通输出信号的计算。在滤波过程中，根据带阻输出信号可以判断带通输出信号是否及时有效跟随到输入信号，据此动态调整学习速率可以实输出信号的现更快速跟随。

Description

自适应滤波方法、自适应滤波器及存储介质
技术领域
本发明涉及信号处理领域，具体地，涉及一种自适应滤波方法、自适应滤波器及存储介质。
背景技术
现有技术中的滤波器通常具有固定的参数以及固定的带宽，这样的滤波器很难同时兼顾稳态精度及动态跟随性能，这使得滤波器并不能很好的应用到实际控制系统中。
例如，在实际的电机控制系统中，由于噪声的存在，不可避免地需合理设置一些滤波器，以滤除影响系统正常运行的噪声。而对于电机控制系统，不仅运行频带范围宽，而且实时性要求高。常规的固定参数、固定带宽滤波器很难同时顾及稳态精度和动态跟随性能，并且固定的参数也很难适应整个速度范围。
此外，如果在控制系统中采用常规的自适应滤波器，虽然能够解决频带适应问题，但是并不能兼顾稳态精度和动态跟随性能。
发明内容
本发明实施例的目的是提供一种自适应滤波方法、自适应滤波器及存储介质，用于解决或至少部分解决上述技术问题。
为了实现上述目的，本发明实施例提供一种自适应滤波方法，该方法包括：根据接收的参考频率生成参考信号；根据所述参考信号和所述滤波器权值计算带通输出信号；根据接收的待滤波信号、所述带通输出信号计算带阻输出信号；根据所述带阻输出信号调整学习速率；以及根据所述学习速率更新所述滤波器权值以用于下一周期中带通输出信号的计算。
可选地，所述根据所述带阻输出信号调整学习速率包括：对所述带阻输出信号执行均值滤波以得到滤波后的值；在所述滤波后的值小于或等于预设阈值的情况下，将所述学习速率调整为第一学习速率；以及在所述滤波后的值大于所述预设阈值的情况下，将所述学习速率调整为第二学习速率，其中所述第二学习速率大于所述第一学习速率。
可选地，所述根据接收的参考频率生成参考信号包括根据以下公式生成第一参考信号和第二参考信号：
Figure BDA0001354590000000021
其中，k为整数，表示第k个周期，ωc为所述参考频率，x1(k)表示所述第一参考信号，x2(k)表示所述第二参考信号。
可选地，所述滤波器权值包括第一滤波器权值和第二滤波器权值，
所述根据所述参考信号和所述滤波器权值计算带通输出信号包括根据以下公式计算所述带通输出信号：
y(k)＝w1(k)x1(k)+w2(k)x2(k)
其中，y(k)表示所述带通输出信号，w1(k)表示所述第一滤波器权值，w2(k)表示所述第二滤波器权值。
可选地，所述根据所述学习速率更新所述滤波器权值包括根据以下公式计算更新后的滤波器权值：
Figure BDA0001354590000000022
其中，w1(k+1)表示更新后的第一滤波器权重，w2(k+1)表示更新后的第二滤波器权重，μ表示学习速率，ε(k)表示所述带阻输出信号。
相应地，本发明实施例还提供一种自适应滤波器，该自适应滤波器包括：参考信号生成模块，用于根据接收的参考频率生成参考信号；带通输出信号计算模块，用于根据所述参考信号和所述滤波器权值计算带通输出信号；带阻输出信号计算模块，用于根据接收的待滤波信号、所述带通输出信号计算带阻输出信号；学习速率调整模块，用于根据所述带阻输出信号调整学习速率；以及权值更新模块，用于根据所述学习速率更新所述滤波器权值以用于下一周期中带通输出信号的计算。
可选地，所述学习速率调整模块包括：均值滤波单元，用于对所述带阻输出信号执行均值滤波以得到滤波后的值；以及学习速率调整单元，用于：在所述滤波后的值小于或等于预设阈值的情况下，将所述学习速率调整为第一学习速率；以及在所述滤波后的值大于所述预设阈值的情况下，将所述学习速率调整为第二学习速率，其中所述第二学习速率大于所述第一学习速率。
可选地，所述参考信号生成模块用于根据以下公式生成第一参考信号和第二参考信号：
Figure BDA0001354590000000031
其中，k为整数，表示第k个周期，ω1为所述参考频率，x1(k)表示所述第一参考信号，x2(k)表示所述第二参考信号。
可选地，所述滤波器权值包括第一滤波器权值和第二滤波器权值，
所述带通输出信号计算模块根据以下公式计算所述带通输出信号：
y(k)＝w1(k)x1(k)+w2(k)x2(k)
其中，y(k)表示所述带通输出信号，w1(k)表示所述第一滤波器权值，w2(k)表示所述第二滤波器权值。
可选地，所述权值更新模块用于根据以下公式计算更新后的滤波器权值：
Figure BDA0001354590000000041
其中，w1(k+1)表示更新后的第一滤波器权重，w2(k+1)表示更新后的第二滤波器权重，μ表示学习速率，ε(k)表示所述带阻输出信号。
相应地，本发明实施例还提供一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令用于使得机器执行根据本申请所述的自适应滤波方法。
通过上述技术方案，在滤波过程中，根据带阻输出信号可以判断带通输出信号是否及时有效跟随到输入信号，据此动态调整学习速率可以实输出信号的现更快速跟随，以适合对动态跟随性能要求高的场合，例如，更适合电机控制中动态变化快的场合。
本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明实施例，但并不构成对本发明实施例的限制。在附图中：
图1示出了本发明一实施例提供的自适应滤波方法的流程示意图；
图2示出了本发明一实施例提供的自适应滤波器的结构框图；
图3示出了本发明另一实施例提供的自适应滤波器的结构框图；
图4示出了本发明实施例在电机控制领域的具体应用；
图5示出了本发明实施例在电机控制领域的另一具体应用；
图6示出了采用本发明实施例提供的自适应滤波器和常规自适应滤波器分别对同一信号进行带通滤波的对比结果；以及
图7示出了本发明实施例提供的自适应滤波器的滤波结果示意图。
具体实施方式
以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明实施例，并不用于限制本发明实施例。
图1示出了本发明一实施例提供的自适应滤波方法的流程示意图。如图1所示，本发明实施例提供一种自适应滤波方法，该方法可以包括以下步骤：
步骤S11，根据接收的参考频率生成参考信号。
本发明实施例中使用ωc来表示参考频率。接收的参考频率ωc可以是期望的参考频率。可选地，在应用于电机控制系统时，参考频率ωc的值可以设置为电机运行的同步频率ω1以获得同步频率处的有效信号。或者可选地，参考频率ωc的值可以设置为零以实现低通滤波。
步骤S12，根据所述参考信号和所述滤波器权值计算带通输出信号。
步骤S13，根据所述输入的待滤波信号、所述带通输出信号计算带阻输出信号。
可选地，带阻输出信号可以与带通输出信号互补，例如，带阻输出信号可以是带滤波信号与带通输出信号之间的差值。
具体地，可以使用以下公式来计算带阻输出信号ε(k)：
ε(k)＝d(k)-y(k) (1)
本发明实施例中使用ε(k)表示所述带阻输出信号，使用d(k)表示接收的待滤波信号，使用y(k)表示带通输出信号，其中k为整数且k≥0，表示当前为第k个周期。
步骤S14，根据所述带阻输出信号调整学习速率。
步骤S15，根据所述学习速率更新所述滤波器权值以用于下一周期中带通输出信号的计算。
根据带阻输出信号可以判断带通输出信号是否及时有效跟随到输入的待滤波信号。根据带阻输出信号动态调整学习速率可以使得滤波输出更快速跟随输入，更适合电机控制中动态变化快的场合。
在一可选实施例中，根据接收的参考频率生成参考信号包括根据以下公式生成第一参考信号和第二参考信号：
Figure BDA0001354590000000061
其中，k为整数，表示第k个周期，ωc为参考频率，x1(k)表示所述第一参考信号，x2(k)表示所述第二参考信号。参考频率ωc可以是期望的参考频率。可选地，在应用于电机控制系统时，参考频率ωc的值可以设置为电机运行的同步频率ω1以获得同步频率处的有效信号。或者可选地，参考频率ωc的值可以设置为零以实现低通滤波。
对应的，滤波器权值可以包括两个滤波器权值，本发明实施例中分别将两个滤波器权值分别称为第一滤波器权值和第二滤波器权值。第一滤波器权值和第二滤波器权值的初始值可以是滤波器中设置初始参数，在确保计算结果不溢出的情况下，第一滤波器权值和第二滤波器权值的初始值可以设置为任意值。
根据参考信号和滤波器权值计算带通输出信号可以包括根据以下公式计算所述带通输出信号：
y(k)＝w1(k)x1(k)+w2(k)x2(k) (3)
其中，y(k)表示所述带通输出信号，w1(k)表示所述第一滤波器权值，w2(k)表示所述第二滤波器权值。
带通输出信号即为滤波器对待滤波信号进行滤波后的输出。在计算出带通输出信号后，可以根据公式(1)计算带阻输出信号，根据该带阻输出信号跳帧学习速率。
具体地，下面将描述如何根据所述带阻输出信号ε(k)调整学习速率μ。
首先对所述带阻输出信号ε(k)执行均值滤波以得到滤波后的值m(k)，滤波后的值m(k)可以看作是带阻输出信号的直流输出。然后将所述滤波后的值m(k)与预设阈值Mref进行比较。
在滤波后的值m(k)小于或等于预设阈值Mref的情况下，说明滤波器的输出能够及时有效跟随输入，此时，可以将学习速率μ调整为第一学习速率，该第一学习速率可以是设置的学习速率的初始值μini。
在滤波后的值m(k)小于或等于预设阈值Mref的情况下，说明滤波器的输出不能及时有效跟随输入，此时，需要增大学习速率以增加滤波器带宽，从而使得滤波器的输出能够及时有效跟随输入，例如，可以将学习速率μ调整为第二学习速率，该第二学习速率可以是学习速率的初始值μini与学习速率增量Δμ之间的和。
可以根据系统的实际需求来设置预设阈值Mref、学习速率的初始值μini、学习速率增量Δμ。具体地，可以首先考察实际系统特点和要求，然后根据系统对带宽和动态跟随能力的要求确定滤波器的学习速率区间，从而确定学习速率量μini和学习速率增量Δμ，然后可以根据系统噪声水平确定预设阈值Mref。
进一步地，可以根据学习速率来对滤波器权值进行更新，具体地，可以使用总体最小二乘算法根据以下公式计算更新后的滤波器权值：
Figure BDA0001354590000000081
其中，w1(k+1)表示更新后的第一滤波器权重，也就是第k+1周期使用的第一滤波器权重。w2(k+1)表示更新后的第二滤波器权重，也就是第k+1周期使用的第二滤波器权重。μ表示学习速率，其为根据带阻输出信号调整后的学习速率。ε(k)表示所述带阻输出信号。
可选地，也可以使用最小均方算法来计算更新后的滤波器权值，具体地，可以根据以下公式来计算更新后的滤波器权值：
Figure BDA0001354590000000082
在实际计算时，可以优选使用总体最小二乘算法来计算滤波器权重，因为相比于最小均方算法，最小二乘算法收敛性更好，并且具有改善的稳态精度。更新后的滤波器权值可以在下一周期中用于带通输出信号的计算。
根据调整的学习速率实时更新滤波器权值，相当于根据工况实时调整滤波器输出信号的中心频率，使得滤波器具有更好的性能。在确定出带通输出信号不能及时有效跟随输入信号的情况下，实时增加学习速率，增大滤波器带宽，可以使得带通输出信号能够有效跟随输入信号。在确定出带通输出信号能够有效跟随输入信号的情况下，将学习速率调整为初始设置的学习速率，相当于在稳态恢复较小的学习速率从而维持稳态精度。
图2示出了本发明一实施例提供的自适应滤波器的结构框图。如图2所示，本发明实施例还提供一种自适应滤波器，该自适应滤波器可以包括：参考信号生成模块21，用于根据接收的参考频率生成参考信号；带通输出信号计算模块22，用于根据所述参考信号和所述滤波器权值计算带通输出信号；带阻输出信号计算模块23，用于根据接收的待滤波信号、所述带通输出信号计算带阻输出信号；学习速率调整模块24，用于根据所述带阻输出信号调整学习速率；以及权值更新模块25，用于根据所述学习速率更新所述滤波器权值以用于下一周期中带通输出信号的计算。在滤波过程中，根据带阻输出信号可以判断带通输出信号是否及时有效跟随到输入信号，据此动态调整学习速率以实现更快速跟随，更适合电机控制中动态变化快的场合。
图3示出了本发明另一实施例提供的自适应滤波器的结构框图。如图3所示，滤波器可以具有两个输入和两个输出，第一输入是待滤波信号d(k)，第二输入是参考频率ωc，第一输出可以是带阻输出信号ε(k)，第二输出可以是带通输出信号y(k)。参考信号生成模块21根据参考频率ωc生成第一参考信号x1(k)＝cos(kω1)和第二参考信号x2(k)＝sin(kω1)。带通输出计算模块22根据第一参考信号x1(k)、第二参考信号x2(k)、第一滤波器权值w1(k)和第二滤波器权值w2(k)来计算带通输出信号y(k)＝w1(k)x1(k)+w2(k)x2(k)，该带通输出信号y(k)即为经过滤波器滤波后的信号。带阻输出计算模块23根据带通输出信号y(k)和待滤波信号d(k)计算带阻输出信号ε(k)，具体地，带阻输出信号ε(k)＝d(k)-y(k)。带阻输出信号ε(k)的大小可以反映带通输出信号的跟随性能，带阻输出信号ε(k)越大，说明带通输出信号的跟随性能越差，带阻输出信号ε(k)越小，说明带通输出信号的跟随性能越好。
学习速率调整模块24可以对学习速率进行调整以改善带通输出信号的跟随性能。具体地，学习速率调整模块24可以包括均值滤波单元31和学习速率调整单元32。均值滤波单元31可以用于带阻输出信号ε(k)执行均值滤波以得到滤波后的值m(k)，滤波后的值m(k)可以看作是带阻输出信号的直流输出。学习速率调整单元32，用于：在所述滤波后的值m(k)小于或等于预设阈值Mref的情况下，说明滤波器的输出能够及时有效跟随输入，此时，可以将学习速率μ调整为第一学习速率，该第一学习速率可以是设置的学习速率的初始值μini；以及在所述滤波后的值m(k)大于所述预设阈值Mref的情况下，说明滤波器的输出不能及时有效跟随输入，此时，需要增大学习速率以增加滤波器带宽，从而使得滤波器的输出能够及时有效跟随输入，可以将学习速率μ调整为第二学习速率，第二学习速率大于第一学习速率，例如，该第二学习速率可以是学习速率的初始值μini与学习速率增量Δμ之间的和。在确定出带通输出信号不能及时有效跟随输入信号的情况下，实时增加学习速率，增大滤波器带宽，可以使得带通输出信号能够有效跟随输入信号。在确定出带通输出信号能够有效跟随输入信号的情况下，将学习速率调整为初始设置的学习速率，相当于在稳态恢复较小的学习速率从而维持稳态精度。
进一步地，可以根据学习速率来对滤波器权值进行更新，例如，可以使用总体最小二乘算法或者使用最小均方算法来计算更新后的滤波器权值。总体最小二乘算法或者使用最小均方算法的具体计算公式已由上文公式(4)和公式(5)描述，这里将不再赘述。
在实际计算时，可以优选使用总体最小二乘算法来计算滤波器权重，因为相比于最小均方算法，最小二乘算法收敛性更好，并且具有改善的稳态精度。更新后的滤波器权值可以在下一周期中用于带通输出信号的计算。如此，在每一周期中，自适应滤波器的各个模块重复执行上述过程，根据调整的学习速率实时更新滤波器权值，相当于根据工况实时调整滤波器输出信号的中心频率，使得滤波器的输出具有更好的跟随性能。
本发明实施例提供的自适应滤波器的具体工作原理及益处与上述本发明实施例提供的自适应滤波方法的具体工作原理及益处相似，这里将不再赘述。
以下通过介绍本发明实施例在电机控制领域的具体应用来进一步说明本发明实施例提供的自适应滤波器。
图4示出了本发明实施例在电机控制领域的具体应用。图4具体示出了采用本发明实施例提供的自适应滤波器对采样的交流电流ix(k)进行滤波。如图4所示，自适应滤波器输入的待滤波信号可以是任意一相电流ix(k)，x＝a,b,c。输入的参考频率ωc可以是电机控制器的同步输出频率ω1，即ωc＝ω1。自适应滤波器的第一输出信号可以是噪声，第二输出信号可以是滤波后的交流采样信号ixflt(k)，x＝a,b,c。
图5示出了本发明实施例在电机控制领域的另一具体应用。图5具体示出了为采用本发明实施例提供的自适应滤波器对估计转速或者码盘测速进行滤波。实际通过估计的电机转速常常包含动态误差和高频噪音，为了避免滤波环节对系统带宽的影响，不仅要求滤波器收敛快速也要求其稳态精度高。采用本发明实施例提供的自适应滤波器进行滤波，自适应滤波器输入的待滤波信号可以是待滤波转速ωr(k)，参考频率可以是零。自适应滤波器的第一输出信号可以是噪声，第二输出信号为滤波后的速度信号ωrflt(k)。ωrflt(k)即为最终的估计速度，其作为矢量控制的速度反馈值。
图6示出了采用本发明实施例提供的自适应滤波器和常规自适应滤波器分别对同一信号进行带通滤波的对比结果。进行滤波的信号的频率阶跃变化并添加了白噪声，其频率值从500Hz阶跃至250Hz再阶跃至50Hz。为了对比滤波结果，实时求取两个滤波器的带通通道输出信号频率，图6中纵坐标表示频率，单位为Hz，横坐标表示时间，单位为S，图中实线为本发明自适应滤波器的滤波结果，虚线为常规自适应滤波器的滤波结果。图6说明采用本发明自适应滤波器的滤波结果的波动远远小于相同配置的常规自适应滤波器，这说明本发明实施例的自适应滤波器的稳态精度远远超过常规自适应滤波器。
图7示出了本发明实施例提供的自适应滤波器的滤波结果示意图。图中实线和虚线分别为自适应滤波器的学习速率调整模块工作和不工作时滤波结果的比较。示例中输入信号频率斜坡递增以反映动态跟随结果。图7纵坐标为噪声平均值，横坐标表示时间，单位为S。其中噪声平均值为带阻输出信号经过均值滤波后的值m(k)，从图7中可以看出学习速率调整模块工作之后动态收敛更为快速，这也证明了本发明实施例的自适应滤波器的学习速率调整单元的有效性。
相应地，本发明实施例还提供一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令用于使得机器执行根据本申请所述的自适应滤波方法。
本发明实施例提供的自适应滤波方法、自适应滤波器是针对常规的带通滤波器进行改进而实现的，可以理解，类似的改进方式也可以适用于低通滤波器或者高通滤波器。此外，本发明实施例提供的自适应滤波方法、自适应滤波器的滤波过程可以是基于自适应线性神经元的。
以上结合附图详细描述了本发明例的可选实施方式，但是，本发明实施例并不限于上述实施方式中的具体细节，在本发明实施例的技术构思范围内，可以对本发明实施例的技术方案进行多种简单变型，这些简单变型均属于本发明实施例的保护范围。
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本发明实施例对各种可能的组合方式不再另行说明。
本领域技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得一个(可以是单片机，芯片等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
此外，本发明实施例的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明实施例的思想，其同样应当视为本发明实施例所公开的内容。

Claims (9)

1.一种自适应滤波方法，其特征在于，该方法包括：
根据接收的参考频率生成参考信号；
根据所述参考信号和滤波器权值计算带通输出信号；
根据接收的待滤波信号、所述带通输出信号计算带阻输出信号；
根据所述带阻输出信号调整学习速率；以及
根据所述学习速率使用总体最小二乘算法来更新所述滤波器权值以用于下一周期中带通输出信号的计算，
其中，所述参考信号包括第一参考信号和第二参考信号，所述滤波器权值包括第一滤波器权值和第二滤波器权值，所述根据所述学习速率使用总体最小二乘算法来更新所述滤波器权值包括根据以下公式计算更新后的滤波器权值：
Figure FDA0002751640870000011
其中，w1(k+1)表示更新后的第一滤波器权重，w2(k+1)表示更新后的第二滤波器权重，μ表示学习速率，ε(k)表示所述带阻输出信号，k为整数，表示第k个周期，x1(k)表示所述第一参考信号，x2(k)表示所述第二参考信号，w1(k)表示所述第一滤波器权值，w2(k)表示所述第二滤波器权值。
2.根据权利要求1所述的方法，其特征在于，所述根据所述带阻输出信号调整学习速率包括：
对所述带阻输出信号执行均值滤波以得到滤波后的值；
在所述滤波后的值小于或等于预设阈值的情况下，将所述学习速率调整为第一学习速率；以及
在所述滤波后的值大于所述预设阈值的情况下，将所述学习速率调整为第二学习速率，其中所述第二学习速率大于所述第一学习速率。
3.根据权利要求1所述的方法，其特征在于，所述根据接收的参考频率生成参考信号包括根据以下公式生成所述第一参考信号和所述第二参考信号：
Figure FDA0002751640870000021
其中，ωc为所述参考频率。
4.根据权利要求3所述的方法，其特征在于，所述根据所述参考信号和所述滤波器权值计算带通输出信号包括根据以下公式计算所述带通输出信号：
y(k)＝w1(k)x1(k)+w2(k)x2(k)
其中，y(k)表示所述带通输出信号。
5.一种自适应滤波器，其特征在于，该自适应滤波器包括：
参考信号生成模块，用于根据接收的参考频率生成参考信号；
带通输出信号计算模块，用于根据所述参考信号和滤波器权值计算带通输出信号；
带阻输出信号计算模块，用于根据接收的待滤波信号、所述带通输出信号计算带阻输出信号；
学习速率调整模块，用于根据所述带阻输出信号调整学习速率；以及
权值更新模块，用于根据所述学习速率使用总体最小二乘算法来更新所述滤波器权值以用于下一周期中带通输出信号的计算，
其中，所述参考信号包括第一参考信号和第二参考信号，所述滤波器权值包括第一滤波器权值和第二滤波器权值，所述根据所述学习速率使用总体最小二乘算法来更新所述滤波器权值包括根据以下公式计算更新后的滤波器权值：
Figure FDA0002751640870000031
其中，w1(k+1)表示更新后的第一滤波器权重，w2(k+1)表示更新后的第二滤波器权重，μ表示学习速率，ε(k)表示所述带阻输出信号，k为整数，表示第k个周期，x1(k)表示所述第一参考信号，x2(k)表示所述第二参考信号，w1(k)表示所述第一滤波器权值，w2(k)表示所述第二滤波器权值。
6.根据权利要求5所述的自适应滤波器，其特征在于，所述学习速率调整模块包括：
均值滤波单元，用于对所述带阻输出信号执行均值滤波以得到滤波后的值；以及
学习速率调整单元，用于：
在所述滤波后的值小于或等于预设阈值的情况下，将所述学习速率调整为第一学习速率；以及
在所述滤波后的值大于所述预设阈值的情况下，将所述学习速率调整为第二学习速率，其中所述第二学习速率大于所述第一学习速率。
7.根据权利要求5所述的自适应滤波器，其特征在于，所述参考信号生成模块用于根据以下公式生成所述第一参考信号和所述第二参考信号：
Figure FDA0002751640870000041
其中，ωc为所述参考频率。
8.根据权利要求7所述的自适应滤波器，其特征在于，所述带通输出信号计算模块根据以下公式计算所述带通输出信号：
y(k)＝w1(k)x1(k)+w2(k)x2(k)
其中，y(k)表示所述带通输出信号。
9.一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令用于使得机器执行根据权利要求1至4中任意一项权利要求所述的自适应滤波方法。
CN201710590420.3A 2017-07-19 2017-07-19 自适应滤波方法、自适应滤波器及存储介质 Active CN107425826B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710590420.3A CN107425826B (zh) 2017-07-19 2017-07-19 自适应滤波方法、自适应滤波器及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710590420.3A CN107425826B (zh) 2017-07-19 2017-07-19 自适应滤波方法、自适应滤波器及存储介质

Publications (2)

Publication Number Publication Date
CN107425826A CN107425826A (zh) 2017-12-01
CN107425826B true CN107425826B (zh) 2020-12-15

Family

ID=60429817

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710590420.3A Active CN107425826B (zh) 2017-07-19 2017-07-19 自适应滤波方法、自适应滤波器及存储介质

Country Status (1)

Country Link
CN (1) CN107425826B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113565704A (zh) * 2021-09-03 2021-10-29 中国船舶重工集团海装风电股份有限公司 风力发电机组的转速自适应滤波方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5341811A (en) * 1991-03-26 1994-08-30 Allegheny-Singer Research Institute Method and apparatus for observation of ventricular late potentials
CN1558495A (zh) * 2004-02-13 2004-12-29 浙江大学 防止多分支变压器差动保护误动的分相综合制动装置
CN102832908A (zh) * 2012-09-20 2012-12-19 西安科技大学 基于小波变换与变步长lms自适应滤波的信号降噪方法
CN104467845A (zh) * 2014-12-29 2015-03-25 中国科学院半导体研究所 一种自适应电荷再分布模数转换器、转换方法及校准方法
CN106059532A (zh) * 2016-06-02 2016-10-26 国网山东省电力公司济宁供电公司 一种基于小波神经网络的多功能自适应滤波器及滤波方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8577945B2 (en) * 2010-07-12 2013-11-05 Eaton Corporation Method and apparatus of adaptively canceling a fundamental frequency of an analog signal
CN104007390B (zh) * 2013-02-24 2018-03-20 快捷半导体(苏州)有限公司 电池电荷状态跟踪、等效电路选择及基准测试方法及系统
CN103986482B (zh) * 2014-05-27 2016-02-03 北京理工大学 一种基于自适应滤波的无源互调干扰抑制方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5341811A (en) * 1991-03-26 1994-08-30 Allegheny-Singer Research Institute Method and apparatus for observation of ventricular late potentials
CN1558495A (zh) * 2004-02-13 2004-12-29 浙江大学 防止多分支变压器差动保护误动的分相综合制动装置
CN102832908A (zh) * 2012-09-20 2012-12-19 西安科技大学 基于小波变换与变步长lms自适应滤波的信号降噪方法
CN104467845A (zh) * 2014-12-29 2015-03-25 中国科学院半导体研究所 一种自适应电荷再分布模数转换器、转换方法及校准方法
CN106059532A (zh) * 2016-06-02 2016-10-26 国网山东省电力公司济宁供电公司 一种基于小波神经网络的多功能自适应滤波器及滤波方法

Also Published As

Publication number Publication date
CN107425826A (zh) 2017-12-01

Similar Documents

Publication Publication Date Title
CN110210087B (zh) 一种基于粒子群算法的光束抖动模型参数实时辨识方法
JP5914777B2 (ja) 圧縮機のトルクの自動補正方法、その装置及び圧縮機並びにその制御方法
JP2013055751A (ja) 電動機制御装置
CN103296940B (zh) 一种自适应pi控制方法与系统
JP6671500B2 (ja) 電気モーターを制御する方法及びシステム
JP5652678B2 (ja) 電動機制御装置
Lu et al. Observer-based command filtered adaptive neural network tracking control for fractional-order chaotic PMSM
CN110581677A (zh) 一种滑模和等价输入干扰方法的永磁同步电机抑制方法
CN107425826B (zh) 自适应滤波方法、自适应滤波器及存储介质
CN109245167A (zh) 提高弱电网下lcl型并网逆变器并网电流质量的控制方法
CN109724297B (zh) 压缩机转速波动控制方法
JP4524123B2 (ja) モータ制御装置の制御パラメータ算出方法
JP5071500B2 (ja) 原動機出力の制御装置
US11777427B2 (en) Motor control device and automatic adjustment method for same
CN108646568B (zh) 一种基于改进的扰动观测器的倾斜镜振动抑制方法
CN109586643B (zh) 用于单转子压缩机转速波动控制的方法
JP5780058B2 (ja) 周期外乱抑制装置
CN109896385B (zh) 一种针对一段运行过程中存在振动的电梯的速度离线处理方法
JP2010142117A (ja) モータ制御装置の制御パラメータ算出方法
CN110224415B (zh) 一种微网虚拟同步机自适应无差调频控制方法
CN109458336B (zh) 用于控制单转子压缩机转速的方法
JP2005223960A (ja) 電動機の制御装置
CN109458339B (zh) 用于单转子压缩机转速控制的方法
JP7466816B1 (ja) モータ制御装置
JP5467874B2 (ja) 共振抑制装置及び共振抑制方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant