滤波器去噪原理和基本方法范文

时间:2023-11-09 17:48:06

导语:如何才能写好一篇滤波器去噪原理和基本方法,这就需要搜集整理更多的资料和文献,欢迎阅读由公务员之家整理的十篇范文,供你借鉴。

滤波器去噪原理和基本方法

篇1

【关键词】LMS自适应;Allan方差;随机噪声;Matlab

Abstract:Adaptive LMS algorithm and Allan-Variance were analyzed.A filter system was constructed based on Matlab,and simulations aimed at some fiber-optic gyroscope raw data were designed,from which the available range 0.2-0.9 of the fixed step scale factor was got.The LMS algorithm was compared with that of Wavelet and Mean-value,and the source of errors was analyzed using Allan-Variance.It is shown by the result that the LMS will control the random errors such as Angle Random Walking,etc.

Keywords:Adaptive LMS;Allan-Variance;random noise;Matlab

1.引言

受热漂移等随机噪声影响,很多传感器输出的信号通常是非线性、非平稳的随机信号,典型例子是光纤陀螺的随机漂移[1-2]。由于混叠在信号中的热噪声不具有典型的频域分布,而经典的滤波器设计是基于信号与噪声谱不重叠的前提,因而不适于受热噪声影响较大的应用场合。现代滤波理论中的维纳滤波和卡尔曼滤波充分利用了信号和噪声的先验统计知识,由给定的某种最优准则,以时域的递推算法对数据进行滤波,克服了经典滤波器的缺点[3]。然而它们需要知道信噪的先验统计知识,这在实际应用中往往很难或者无法得到。随着数字处理技术的发展,自适应滤波得到了越来越多的应用,因为它带有一定的学习过程,不需要先验知识,这对实际中的传感器及其检测系统而言更为实用[4-5]。

本文针对随机信号提升信噪比的需求,以某光纤陀螺输出信号为原始数据,基于Matlab编程与仿真建模,研究LMS自适应滤波法的去噪效果,并与小波分析、均值滤波进行比较,采用Allan方差函数评价几种数字滤波的效果。

2.理论研究与算法设计

2.1 LMS自适应滤波算法

LMS滤波是一种线性自适应滤波算法,它以最小均方误差为准则,使用随机梯度进行迭代收敛,得到最优的滤波器参数[6-7]。

经典的LMS固定步长自适应滤波器包含两部分:横向滤波器和自适应控制器,如图1(a)所示。

图1 LMS自适应滤波器基本结构

横向滤波器本质上是一个M阶FIR数字滤波器,它将输入的离散信号u(n)及其M-1阶过去值组成输入向量,对其进行加权滤波,得到输出信号y(n);同时比较实际输出y(n)和期望响应d(n),得到估计误差e(n)。自适应控制器根据估计误差e(n)自动调整横向滤波器的参数,即加权值的调整。这两个过程组成一个闭环反馈,不断调整滤波器的效果,达到最优滤波。横向滤波器和自适应控制器的结构如图1(b)和图1(c)所示。整个迭代算法如下式表示:

由图1(c)和上式可以看出,算法中的标度因子(即步长)对于算法的收敛快速性和稳定性起着决定作用。文献表明,固定步长需满足小于输入信号最大相关值,方能保证算法的收敛[8]。本实验中首先通过仿真得到较优的步长值,再将该固定步长LMS滤波与其他滤波方法进行比较。

2.2 Allan方差分析法

Allan方差法是20世纪60年代由美国国家标准局的David Allan提出的,它是一种基于时域的分析方法。其主要特点是能非常容易地对各种误差源及其对整个噪声统计特性的贡献进行细致的表征和辨识,而且具有便于计算、易于分离等优点[9]。

设以为采样时间间隔,对角度输出值采样N个点,即采样时刻为,得到,其中,则基于该角度测得值的Allan方差定义如下:

其中,是相关时间,的取值将影响评估的分辨率。习惯上将上式的标准差称为Allan方差。Allan方差与传统意义的方差区别为,Allan方差的求解是以相邻采样点的差值计算的,而非采样点与均值之差计算的,因而能反映出信号的趋势特性,它是描述随即误差的有力工具。

3.实验过程与结果分析

3.1 固定步长LMS自适应滤波仿真

固定步长LMS自适应滤波仿真主要为选出优化的步长因子,为此做了一系列实验,这里只将最终效果较好的实验对比结果给出。程序读取光纤陀螺输出的理论值和原始输出采样值,并打印波形。设定步长因子的标度参数为scale,有。固定横向滤波器阶数为50阶,输入采样点数N=32768,考虑嵌入式实时应用需求,设置迭代次数上限为1024。实验表明,当scale小于0.1时,在限定迭代次数内没有完成收敛,当scale大于0.9时,迭代不具有收敛性,如图2所示。

由图2可以看出,当标度因子过小时,迭代缓慢,在允许的迭代次数内不能穿越收敛区进入稳定区,由于LMS滤波器加权系数的初始迭代值为0,故迭代缓慢的结果是加权系数整体过小,就出现了图2(c)的情况,输出值远小于输入值;当标度因子过大时,迭代不收敛,随着迭代次数的增加,在加权值超过1后,仍然继续发散,就出现了图2(f)中输出幅值过大的情况。对于0.2

图2 不同步长标因数的LMS自适应滤波结果

3.2 利用Allan方差法对LMS滤波法与其他方法比较

为比较LMS自适应滤波法与其他主流的数字去噪方法如小波分析法、滑动均值滤波法的效果,编写函数计算、绘制Allan方差图像,并进行拟合,得到各噪声源系数。其中小波分析借助Matlab小波工具箱实现。几种滤波器对于静态模型输出的滤波实验结果如图3所示,其中图3(c)-(e)分别为经过小波分析、LMS自适应、均值滤波后的信号,Allan方差图像在图3(f)中给出。

图3 LMS自适应滤波与小波分析法、均值滤波法的去噪效果比较

在图3中,可以看到三种滤波器都能给出较好的滤波效果,由图3(f)的Allan分析可以看出,该陀螺随机误差主要来源是量化误差、角度随机游走和零漂,而角速度随机游走和速率斜坡并不明显。

表1中给出Allan方差拟合后的各分量误差系数。根据表1的结果分析,小波重构法能够最有效的降低量化误差,固定步长LMS自适应滤波能够有效降低角度随机游走和零漂,滑动均值滤波的各方面指标比较均衡。

表1 Allan方差拟合后的各随机误差源分量误差系数

4.结论

理论分析和实验表明,对于本实验给出的某光纤陀螺原始信号,LMS自适应滤波的优化参数是0.2到0.9倍步长标度因子。对于几种现代数字滤波方法的比较,Allan方差分析给出,小波重构法能够有效的降低量化误差,固定步长LMS自适应滤波能够有效降低角度随机游走和零漂。

参考文献:

[1]高伟,刘晓庆,李蓓.小波分析法在光纤陀螺随机误差补偿中的应用[J].传感器与微系统,2007,26(5).

[2]莫文琴,柴伟,姜德生.小波理论应用于光纤陀螺信号处理的实验研究[J].计量技术,2005(2).

[3]Fang Jing,Shang Jie,Gu Qi-tai.Experimental Study on Random Error Modeling for Fiber Optic Gyros[J].Chinese Journal of Sensor and Actuator,2008,21(9).

[4]Zhu Yun-zhao,Wang Shun-ting,Miao Ling-juan.Open-Loop Fog Signal Testing and Wavelet Eliminating Noise.Transactions of Nanjing University of Aeronautics &Astronautics,2005,22(2).

[5]祝燕华,刘建业,赖际舟.FOG信号的变步长符号LMS自适应消噪方法[J].光电工程,2008,35(11).

[6]王立辉,孙枫,季强.LMS自适应滤波算法在FOG数据处理中的应用[J].系统工程与电子技术,2010,32(5).

[7]张晞,王夏霄,邬战军.光纤陀螺输出信号的自适应滤波[J].航天控制,2006,24(3).

[8]陈世同,孙枫,高伟.基于归一化LMS算法的光纤陀螺降噪技术研究[J].仪器仪表学报,2009,30(3).

篇2

Abstract: Image enhancement is a fundamental and important technology in image processing field. So fundamental theory and some newapproaches aboutimage enhancement have been introducedin this paper.

关键词:图像增强;空间域图像增强技术;频域图像增强技术

Key words: image enhancement;image enhancement technology in spatial domain;image enhancement technology in frequency domain

中图分类号:TP391.41文献标识码:A文章编号:1006-4311(2010)19-0124-01

1图像增强的研究意义

图像增强是数字图像处理的最基本的方法之一,它是为了改善视觉效果或便于人或机器对图像的分析理解,根据图像的特点或存在的问题,以及应用目的所采取的改善图像质量的方法或加强图像的某些特征的措施。

2图像增强的研究现状

由于图像增强技术现在还没有通用的算法,因此图像增强技术根据各种不同目的而产生了多种算法,最常用的即 “空间域”方法和“频率域”方法[1]。随着数学各分支在理论和应用上的逐步深入,使得数学形态学、模糊数学、遗传算法、小波理论等在图像增强技术中的应用取得了很大进展,产生了不少新的算法。如数学形态滤波器,基于模糊数学的滤波方法,基于遗传算法的滤波方法,小波滤波器等。

3图像增强的基本理论

图像增强技术主要包括:灰度变换,直方图修正,图像平滑,图像锐化及彩色增强等。从图像增强的作用域出发可分为两类:①空域处理法;②频域处理法。

3.1 空间域图像增强技术空间域指的是平面本身,空间域图像增强方法是对图像的像素进行处理。可以定义为:

g(x,y)=T[f(x,y)](1)

其中,f(x,y)是输入图像,g(x,y)是处理后的图像,T是对f的一种操作。 空间域图像增强技术又可分为点处理和邻域处理。

3.1.1 点处理技术

3.1.1.1 灰度变换灰度变换可使图像动态范围增大,图像对比度扩展,图像变清晰,特征明显,是图像增强的重要手段之一。①线性变换。如果原图像f(x,y)的灰度范围是[m,M],我们希望变换后的图像g(x,y)灰度范围是[n,N],那么可以用式(2)来完成这一变换:g(x,y)=(N-n)[f(x,y)-m]/(M-m)+n(2)

②分段线性变换。为了突出感兴趣的目标或灰度区间,相对抑制那些不感兴趣的灰度区间,可采用分段线性变换。其数学表达式如下:

g(x,y)=kf(x,y)+b;0f(x,y)f1;k1=kf(x,y)+b;f

③非线性灰度变换。当使用某些非线性转换函数(例如对数函数、幂指数函数等)作为式(1)的变换函数时,可以实现图像灰度的非线性变换。

3.1.1.2 直方图修整法①直方图均衡化。②直方图规定化。

3.1.2 邻域处理技术空域滤波是在图像空间借助模板进行邻域操作完成的,它根据功能分成平滑和锐化两类。

3.1.2.1 图像平滑一幅原始图像在其获取和传输等过程中,会受到各种噪声的干扰,使图像质量下降。为了抑制噪声改善图像质量所进行的处理称图像平滑或去噪。常用的有局部平滑法和中值滤波法。

3.1.2.2 图像锐化在图像的识别中常需要突出边缘和轮廓信息。图像锐化就是增强图像的边缘或轮廓。①梯度锐化法。图像锐化法最常用的是梯度法。 对于图像f(x,y),在(x,y)处的梯度定义为:grad(x,y)ff= (4)

对于离散图像处理而言,常用到梯度的大小,因此把梯度的大小习惯称为“梯度”。并且一阶偏导数采用一阶差分近似表示,即:

f=f(x+1,y)-f(x,y)f=f(x,y+1)-f(x,y)(5)

为简化梯度的计算,经常使用:

grad(x,y)=Max(│f│,│f│)

或grad(x,y)=Max(│f│+│f│)(6)

除梯度算子以外,还可采用Roberts、Prewitt和Sobel 算子计算梯度,来增强边缘。

②高通滤波法。高通滤波法就是用高通滤波算子和图像卷积来增强边缘。常用的算子有:H1= 0-10-15-1 0-10H2=-1-1-1-1 9-1-1-1-1

3.2 频域图像增强技术频域(变换域)图像增强操作的基本原理都是让图像在变换域某个范围内的分量受到抑制而让其他分量不受影响,从而改变输出图像的频率分布,达到增强的目的。在频率域中进行增强的主要步骤有[2]:①计算需增强图像的傅里叶变换;②将其与一个(根据需要设计的)传递函数进行卷积;③将结果进行傅立叶反变换以得到增强的图像。

3.2.1 低通滤波器对图像作傅氏变换得到它的频谱,零频率分量等于图像的平均灰度,平滑的图像信号在频域中贡献低频分量,图像中的细节和边界贡献较高频域的分量,噪声的频谱具有丰富的高频分量。

3.2.2 高通滤波器图像的区域边界和细节提供较高频率的能量,因此在频域中让图像信号经过一高通滤波器可以实现图像的锐化,增强图像的边缘细节。

4结束语

随着图像增强技术在各个不同领域的应用,出现了多种图像增强的算法。这些算法各有其优缺点,目前涉及到的大部分非线性滤波算法都是针对特定图像或特定噪声提出的,也就是说,是基于它们的统计特性提出的滤波方案。但是,在实际处理中,自然图像的多样性和噪声本身的复杂性决定了这些滤波算法不可能对所有图像滤波效果均为最佳,所以,那些事先不需要知道图像和噪声统计特性的非线性滤波机制将会得到很广泛的应用:比如自适应滤波器和各种基于神经网络和模糊理论具有自组织、自学习等能力的滤波器的应用和研究将会得到更大的发展。这些滤波图像增强技术也是目前研究的重点。

参考文献:

[1]孙即祥.图像处理.北京:科学出版社,2004.

篇3

关键词:车牌识别系统;图像预处理;去噪;二值化

中图分类号:TN911文献标识码:A文章编号:1009-3044(2010)08-1961-02

The Research of License Plate Recognition based on Image Processing

LIU Juan-mei, LIU Ze-ping

(Computer Department, Hunan Institute of Humanities, Science and Technology, Loudi 417000, China)

Abstract: This paper researches on the image pre-processing algorithm of Vehicle License Plate Recognition (VLPR), introduces the significance of the license plate recognition technology, the methods of image noise reduction,binary image and the realization of image pre-processing algorithms in experimental system. Through the test process of image processing, simulation proves that the paper in the image processing on the validity of license plate recognition.

Key words: license plate recognition; image pre-processing; noise reduction; binary image

20世纪80年代以来,随着我国国民经济的迅速增长,机动车的规模与流量大幅增加,随之而来的管理问题也日益严重。因此迫切需要采用高科技手段,对这些违法违章车辆牌照进行登记,车牌识别系统的出现成为了交通管制必不可少的有力武器[1]。它是一个基于数字图像处理和字符识别的智能化交通管理系统,该系统先通过图像采集,再对图像进行处理以 克服图像干扰,改善识别效果,而后进行二值化,归一化等处理,最后进行识别。车牌识别系统使得车辆管理更趋于数字化,网络化,大大提高了交通管理的有效性与方便性。车牌识别系统作为整个智能交通系统的一部分,其重要性不言而喻。

1 车牌识别系统的目标

利用计算机等辅助设备进行的自动汽车牌照自动识别就是在装备了数字摄像设备和计算机信息管理系统等软硬件平台的基础之上,通过对车辆图像的采集,采用先进的图像处理、模式识别和人工智能技术,在图像中找到车牌的位置,提取出组成车牌号码的全部字符图像,再识别出车牌中的文字、字母和数字,最后给出车牌的真实号码。

近年来,智能交通系统(Intelligent Transport Systems)已成为当前交通管理发展的主要方向。作为智能交通系统的重要组成部分,机动车牌自动识别系统可以大大提高车辆管理的工作效率,加快交通管理自动化和智能化的步伐。车牌自动识别系统在停车场收费管理,封闭式居民小区保安管理,高速公路超速自动化监管系统,以及城市交通路口的“电子警察”等方面有着广泛的应用前景[2]。

随着智能交通系统的全面实施,汽车牌照的自动识别技术越来越受到人们的重视。汽车牌照作为汽车的标识具有唯一性,知道了车牌号,车辆的所有信息便一目了然。因此,汽车牌照的自动识别技术在公共安全及交通管理中具有特别重要的实际应用意义。

2 车牌识别系统的工作原理

现在普遍通用的车牌识别系统通常包括两大部分,软件与硬件。其中软件是整个系统的核心部分,车牌识别的核心技术就在于软件。系统一般由车体感应器,彩色摄像机,辅助光源,图像采集与处理器,主控电脑和识别系统软件构成。

系统软件一般先对牌照图像进行滤波、二值化、校正、分割等处理,再进行识别。软件部分由六个主要处理子模块组成,各模块功能为:

① 实时采集模块实现对汽车牌照图像的实时采集,并将采集的图像转换为数字图像存储;

② 车牌搜索及定位模块对数字化后的车牌进行区域目标搜索,并将图像进行灰度翻转统一为“白底黑字”;

③ 车牌分割对定位的车牌区域进行字符分割,将车牌分为7个单一的字符图片(针对普通民用车);

④ 特征提取模块对分割后的图片进行相应的特征描述;

⑤ 分类识别模块根据图片的特征描述将其识别为相应的结果字符串;

⑥ 数据传送输出识别结果字符串到指定的设备上。

本文所做的工作在于前期的图像预处理工作。本次设计着重在于图像识别方面,中心工作都为此而展开,文中没有进行车牌的定位处理,而是采用数码相机直接对牌照进行正面拍照,获取原始车牌图像。之后利用编程对图片进行了大小的调整、彩色图片转化成灰度图片、图片去噪、以及图片二值化等工作。其中,去噪与二值化是关系图像识别率的关键。

3 图像的去噪-中值滤波以及二值化

中值滤波的基本思想是用像素点邻域灰度值的中值来代替该像素点的灰度值,该方法在去除脉冲噪声、椒盐噪声的同时又能保留图像边缘细节,这是因为它不依赖于邻域内那些与典型值差别很大的值.中值滤波器在处理连续图像窗函数时与线性滤波器的工作方式类似,但滤波过程却不再是加权运算[3]。取3*3函数窗,计算以点 [i,j]为中心的函数窗像素中值步骤如下:1) 按强度值大小排列像素点。2) 选择排序像素集的中间值作为点[i,j]的新值.

这一过程如图1所示.一般采用奇数点的邻域来计算中值,但如果像素点数为偶数时,中值就取排序像素中间两点的平均值。

中值滤波在一定条件下,可以克服线性滤波器(如均值滤波等)所带来的图像细节模糊,而且对滤除脉冲干扰即图像扫描噪声最为有效。在实际运算过程中并不需要图像的统计特性,也给计算带来不少方便。但是对一些细节多,特别是线、尖顶等细节多的图像不宜采用中值滤波[4]。

图像的二值化处理就是将图像上的点的灰度置为两个数值,通常为0或255,使整个图像呈现出明显的黑白效果。也就是将256个亮度等级的灰度图像通过适当的门限值选取而获得仍然可以反映图像整体和局部特征的二值化图像[5]。

基于像素数目的直方图阈值分割是本文采用的二值化算法,它的好处在于可以减少直方图的不同形状对二值化效果的影响,其步骤如下:计算直方图,在直方图中由0至255进行累加计算,当像素数目大于某个值时,将当前像素值作为二值化门限[6]。当大于当前像素值的像素点在图像中所占的数量,也就是车牌中背景像素所占的比例称为该副图像的阈值。经过对一些图片的计算,确定该阈值在图像像素数目的60%-80%之间。阈值的取值不同,对二值化的结果影响很大。越小包含越多背景的高光部分,越大损失越多字符像素。

使用这种算法,对于各种条件下拍摄的图片均能较好的进行处理,过亮过暗的照片也能比较清楚地区分背景与字符。经过均值去噪能够消除大部分因为曝光问题而产生的不平滑边缘和噪点,达到了一个较为理想的效果。

4 车牌系统的图像处理及仿真

图片采集作为车牌识别系统设计的第一步,往往十分关键,采集图片的好坏也直接影响到系统的识别率。如同现行通用的电子抄牌系统,也对图片采集有一定的要求,譬如车牌在图片中出现的大概位置以及光照程度等等,都是必须考虑的因素。正基于此,本文实验仿真采集了40多张各不相同的车牌图片,由于光照条件比较好,所摄图像车牌位置比较固定,且图像比较清晰,因此所拍图片全部被接纳作为实验图片,从而也能够更真实地反应车牌识别系统的车牌识别率高低。

图2 车牌原始照片 图3 图片灰度显示 图4 图片处理后二值化显示

5 结束语

本文对车牌识别系统中的图像处理过程进行了研究,通过对图像依次进行灰度转换,去噪,以及二值化的处理,在处理过程中同时均衡采取不同原理,按照从简从优的思想,以获得清晰的车牌号码。仿真实验表明,本文的图像处理过程能满足车牌识别的要求,具有一定的实用性。

参考文献:

[1] 林蔚天.图像处理与汽车牌照识别[J].山东理工大学学报,2007,11(6):46-48.

[2] 孔宏琦.利用中值滤波进行图像处理[J].长安大学学报,2006,3(7):67-68.

[3] 田捷,沙飞,张新生.实用图像分析与处理技术[M].北京:电子工业出版社,1995.

[4] 孙即祥.现代模式识别[M].长沙:国防科技大学出版社,2006.

篇4

教学中要注重教学方法和手段的推陈出新,充分调动学生的积极性和创造性,强调基本概念和原理的正确理解,教学中应特别注意以下几个方面。

(一)优化教学方法上好“绪论”课,以知识的应用提升学生学习兴趣。目前,有相当一部分学生“信号与系统”学得不好,主要原因是学习积极性不高,看到满篇的公式就害怕,由此对课程学习失去信心。针对这种情况,教师要在提高学生学习兴趣和主动性方面下功夫。教师需用启发式教学取代以教师、课堂、课本为中心的灌输式教学。可利用“绪论”课激发学生学习热情:利用多媒体着重介绍数字信号处理在通信、语音和图像处理等领域的应用实例,如,手机的DSP芯片、门禁系统、心电信号滤波、数字图像处理、视频监控、微信等,让学生明白该课程的重要性及其应用领域,提升学生对数字信号处理的兴趣与学习积极性。在教学过程中灵活设置教学情境,增加互动环节,多做一些设计性实验,拓展思维、增强信心。淡化公式推导,着重强调概念的物理意义和联系。由于教材中大部分定理和结论是通过推导得出的,一些学生过于注重公式推导或证明。其实,授课时只需详细推导典型公式,把一些重要的公式讲清楚,类似的内容可让学生课后自学。课堂上教师要尽可能淡化推导和解题技巧,强调所得出结论的物理意义和工程应用,将抽样、频谱分析、滤波等工程应用案例穿插于理论教学中,让工程应用成为“数字信号处理”教学中的主线,做到数学概念、物理意义、工程应用三者并重,[4]提高学生学习这门课程的兴趣,增强学习的目的性和主动性。突出重难点,灵活采用多种教学方法。教学过程中分清主次,重难点内容重点讲、详细讲,较简单的或应用不多的内容则少讲或让学生自学。教师根据教学内容灵活选取不同的教学方法,如案例法、比喻法、对比法等,[5]通过分析和归纳总结的方式优化教学方法,分解复杂问题。如,讲授线性卷积时,将待卷积的两个序列看作站成两排等待领导接见的群众,而卷积运算过程相当于领导和所接见群众依次握手的过程。教师要善于运用幽默形象的语言和高超的艺术,把抽象而枯燥无味的知识变得生动有趣。巧用对比法。对比法能潜移默化地引导学生将相近或相似的概念和方法进行小结、比较和分析,不仅能更好地理解不同内容之间的共性和个性,而且能够培养发散思维能力,提高学习效率,如图2,将ZT、DFS、DTFT、DFT几种变换通过图表来比较,清晰地展现常见变量间的关系,避免混淆。为了让学生对所学知识之间的联系、用途有清晰的认识,可利用“知识树”的形式把每个章节的重点层层分解,将所学知识点和应用联系起来,便于归纳和总结(如图2)。讲解IIR和FIR滤波器设计时,先向学生讲清为什么要设计数字滤波器、有哪些应用、设计数字滤波器需要用到哪些知识。这样,学生会自然而然地把所学知识点联系起来。关注师生交流和信息反馈,重视因材施教。教师要根据不同专业和学生基础等方面的差异,在讲课方式和侧重点上有所区别。教师要及时掌握学生的学习动态,调整教学内容和方法,帮扶“学困生”,提升“优等生”。

(二)改革课堂教学模式传统与现代教学手段并用。运用多媒体教学能使抽象难懂的教学内容形象化、直观化,提高教学效率。[6]但在实际的“数字信号处理”课程教学中,过多地采用多媒体教学,教学效果并不理想。课堂中灵活运用黑板板书、多媒体课件、Matlab或LabView软件演示,可增强师生互动。[7]难一点的公式推导和证明,仍然采用传统板书方式教学,尽量放慢讲课节奏,留给学生充裕的思考时间,达到深刻理解的目的。对于比较抽象的概念、原理或结论,如信号采样及恢复、频谱分析、循环卷积等,可借助多媒体技术将教学内容生动、形象、高效地展示在学生面前,让学生更清晰地理解其物理意义。建设网络或视频资源共享平台也可避免多媒体教学课堂容量大、教学内容难消化的问题。课后,让学生登陆网络课程,弥补大班教学人数过多造成的师生沟通不便、信息反馈通道不畅的问题;通过网络答疑、讨论和激励制度激发学生学习兴趣和主动参与性。建立“学习共同体”教学模式。“学习共同体”是指由学习者及助学者(包括教师、专家、辅导员等)共同构成的团体。[8]共同体成员在学习过程中经常沟通、交流,分享学习资源,共同完成特定学习任务,形成相互影响、相互促进的学习组织。在大班教学中建立学习共同体,在课堂教学中形成师生互教、互学的互动关系,教师在教学过程中给学生自主学习的空间,学生根据所接受的任务去发现、思考和解决问题,增进协作和互动,激发学习主动性,从而改善课堂教学效果,提高学习效率。

(三)强化实践教学,高度重视学生实践能力的培养应用型人才培养应始终坚持理论与实践并重的原则。理论教学只是学习该门课程的一部分,将所学理论知识应用于实践,才能达到学以致用的目的。为此,必须加强实践教学环节。运用仿真软件教学。仿真软件Matlab和Labview以其编程和调试简单、代码短、效率高等特点深受广大教学和科研人员的欢迎,[9]广泛应用于控制系统、系统仿真等领域。结合几年来“数字信号处理”课程的授课经验,在课程中引入Matlab和Labview软件,让学生动手完成系统设计和仿真,拓展实验教学的深度和广度,有助于增强学生学习成就感,培养学生的创新能力和设计能力。CCS是TI公司推出的DSP软件集成开发环境,它运用图形接口界面,提供工程管理和编辑工具。教师可以用2学时介绍DSP结构、开发环境、DSP系列及其应用实例。通过了解DSP仿真软件CCS,为后续的DSP课程设计教学奠定基础。优化实验教学内容和改革实验教学手段,加强教学内容和工程应用的融合。“数字信号处理”教学应坚持以实践性和应用性为教学目的,分层设计实验,优化实验内容,尽量减少验证性实验,增加综合性、设计性、创新性、开放性实验教学内容。革除填鸭式教学,开展“项目导向、任务驱动、案例教学”的教学模式,结合学生情况,创设情境,教师提出任务,学生边学边练,完成自主学习任务,充分培养学生的再学习和主动学习的能力。[10]针对每一章的具体内容,在讲授理论知识之前先给学生一个具体的工程应用例子,提出问题,引导学生积极开动脑筋,督促学生课后以小组为单位主动查找相关资料,提出解决问题的方法和思路。如,在讲授数字滤波器之前,教师可设计数字滤波器对心电信号进行去噪处理。同时,教师可以电子设计大赛等学科竞赛为契机,以毕业设计为导向,有意识地引导学生进行创新性课题的研究,深入掌握信号处理理论,增强工程应用能力和团队合作精神,做到学以致用。

二、考核方式的改革

篇5

关键词:电能质量分析方法FACTS技术 控制

引言:改革开放以来,我国国民经济的迅猛发展,科学技术的进步和生产过程的高度自动化,电网中各种非线性负荷及用户不断增长;各种复杂的、精密的,对电能质量敏感的用电设备越来越多。上述两方面的矛盾越来越突出,用户对电能质量的要求也更高,在这样的环境下,探讨电能质量领域的相关理论及其控制技术,分析我国电能质量管理和控制的发展趋势,具有很强的观实意义。

一 衡量指标

由于所处立场不同,关注或表征电能质量的角度不同,人们对电能质量的定义还未能达成完全的共识,但是对其主要技术指标都有较为一致的认识。

1.谐波和间谐波:含有基波整数倍频率的正弦电压或电流称为谐波。含有基波非整数倍频率的正弦电压或电流称为间谐波,小于基波频率的分数次谐波也属于间谐波。

2.电压波动和闪变(fluctuation&flicker):电压波动是指在包络线内的电压的有规则变动,或是幅值通常不超出0.9~1.1倍电压范围的一系列电压随机变化。闪变则是指电压波动对照明灯的视觉影响。

3.压偏差:是电压下跌(电压跌落)和电压上升(电压隆起)的总称。

4.频率偏差:对频率质量的要求全网相同,不因用户而异,各国对于该项偏差标准都有相关规定。电压三相不平衡:表现为电压的最大偏移与三相电压的平均值超过规定的标准。

二 分析方法

1频域分析法

频域分析方法主要包括频率扫描、谐波潮流计算和混合谐波潮流计算等,该方法多用于电能质量中谐波问题的分析。

频率扫描和谐波潮流计算在反映非线性负载动态特性方面有一定局限性,因此混合谐波潮流计算法在近些年中发展起来。其优点是可详细考虑非线性负载控制系统的作用,因此可精确描

述其动态特性。缺点是计算量大,求解过程复杂。

2时域仿真法

时域仿真方法在电能质量分析中的应用最为广泛,其最主要的用途是利用各种时域仿真程序对电能质量问题中的各种暂态现象进行研究。目前较通用的时域仿真程序有EMTP、EMTDC、NETOMAC等系统暂态仿真程序和SPICE、PSPICE、SABER等电力电子仿真程序。

采用时域仿真计算的缺点是仿真步长的选取决定了可模仿的最大频率范围,因此必须事先知道暂态过程的频率覆盖范围。此外,在模仿开关的开合过程时,还会引起数值振荡。

3基于变换的方法

在电能质量分析领域中广泛应用的基于变换的方法主要有Fourier变换、神经网络、二次变换、小波变换和Prony分析等5种方法。

3.1小波分析法

小波变换是新的多尺度分析数字技术,它通过对时间序列过程从低分辨率到高分辨率的分析,显示过程变化的整体特征和局部变化行为。常用的小波基函数有:Daubechies小波、B小波、Morlet小波Meyer小波等。

小波变换的优点是:具有时-频局部化的特点,特别适合突变信号和不平稳信号分析。可以对信号进行去噪、识别和数据压缩、还原等。缺点是:在实时系统中运算量较大,需要如DSP等高价格的高速芯片;小波分析有“边缘效应”,边界数据处理会占用较多时间,并带来一定误差。

3.2神经网络法

神经网络理论是巨量信息并行处理和大规模平行计算的基础,它既是高度非线性动力学系统,又是自适应组织系统,可用来描述认知、决策及控制的智能行为。

神经网络法的优点是:可处理多输入-多输出系统,具有自学习、自适应等特点。不必建立精确数学模型,只考虑输入输出关系即可。缺点是:存在局部极小问题,会出现局部收

敛,影响系统的控制精度;理想的训练样本提取困难,影响网络的训练速度和训练质量;网络结构不易优化。

3.3二次变换法

二次变换是一种基于能量角度来考虑的新的时域变换方法。该方法的基本原理是用时间和频率的双线性函数来表示信号的能量函数。

二次变换的优点是:可以准确地检测到信号发生尖锐变化的时刻;精确测量基波和谐波分量的幅值。缺点是:无法准确地估计原始信号的谐波分量幅值;不具有时域分析功能。

三 控制策略

PID控制:这是应用最为广泛的调节器控制规律,其结构简单、稳定性好、工作可靠、调整方便,易于在工程中实现。当被控对象的结构和参数不能完全掌握,或得不到精确的数学模型时,应用PID控制技术最为方便。其缺点是:响应有超调,对系统参数摄动和抗负载扰动能力较差。

空间矢量控制:空间矢量控制也是一种较为常规的控制方法。其原理是:将基于三相静止坐标系(abc)的交流量经过派克变换得到基于旋转坐标系(dq)的直流量从而实现解耦控制。常规的矢量控制方法一般采用DSP进行处理,具有良好的稳态性能与暂态性能。也可采用简化算法以缩短实时运算时间。

模糊逻辑控制:知道被控对象精确的数学模型是使用经典控制理论的"频域法"和现代控制理论的“时域法”设计控制器的前提条件。模糊控制作为一种新的智能控制方法,无需对系统建立精确的数学模型。它通过模拟人的思维和语言中对模糊信息的表达和处理方式,对系统特征进行模糊描述,来降低获取系统动态和静态特征量付出的代价。

非线性鲁棒控制:超导储能装置(SMES)实际运行时会受到各种不确定性的影响,因此可通过对SMES的确定性模型引入干扰,得到非线性二阶鲁棒模型。对此非线性模型,既可应用反馈线性化方法使之全局线性化,再利用所有线性系统的控制规律进行控制,也可直接采用鲁棒控制理论设计控制器。

四 技术

1.FACTS技术

FACTS,即基于电力电子控制技术的灵活交流输电,是上世纪80年代末期由美国电力研究院(EPRI)提出的。它通过控制电力系统的基本参数来灵活控制系统潮流,使输送容量更接近线路的热稳极限。采用FACTS技术的核心目的是加强交流输电系统的可控性和增大其电力传输能力。

目前有代表性的FACTS装置主要有:可控串联补偿电容器、静止无功补偿器、晶闸管控制的串联投切电容器、统一潮流控制器等。

2.用户电力技术