馬亞男,，戴爾晗,，陳誠

　　（南京郵電大學(xué)自動化學(xué)院,，江蘇 南京 210023）

　　摘要：電力系統(tǒng)的頻率測量在工業(yè)和生活中有很重要的作用,，提高頻率的測量精度至關(guān)重要。生活中常見的信號都帶有很多噪聲,，測量時因為噪聲影響結(jié)果往往存在很大的誤差,，所以測量頻率的關(guān)鍵就是減少噪聲帶來的誤差影響,。采用自相關(guān)法可以有效地去噪聲，再通過改進的三點法進一步測量信號頻率,，可大大提高信號測量的精度,。

　　關(guān)鍵詞：頻率測量；去噪聲,；自相關(guān)法,；三點法

0引言

　　電力系統(tǒng)信號頻率的檢測,，從噪聲角度看,，有兩種：添加噪聲和濾除噪聲。添加噪聲的具體方法是采用非線性系統(tǒng)的隨機共振理論,，它的優(yōu)點是計算量小,，檢測信號頻率的速度快，但是僅限于對信號進行定性分析,。而濾除噪聲的方法有很多種,，其中非常有效的就是采用自相關(guān)法濾除噪聲，該方法可在信號頻率未知的情況下濾除高次諧波噪聲,，突出基波頻率成分,，能夠有效提高測量精度，減少噪聲帶來的影響,。

　　近年來,，三點法在頻率檢測中得到廣泛應(yīng)用，它的主要優(yōu)勢是原理簡單,，計算量小,，頻率跟蹤性強且不受采樣頻率的影響，在同步采樣和非同步采樣中都可以運用三點法來檢測信號頻率,。將三點法與自相關(guān)法結(jié)合來檢測信號頻率是本文所述主要算法,，本文通過MATLAB仿真證明了該算法的可行性。

1自相關(guān)法理論

　　自相關(guān)函數(shù)對于檢測周期信號有很好的適用性,，日常運用中可以用自相關(guān)函數(shù)來檢測含有噪聲的信號基波頻率,。利用自相關(guān)函數(shù)可以突出基波頻率成分，濾除高諧波噪聲,。下面說明自相關(guān)理論在頻率檢測中的應(yīng)用原理,。

　　設(shè)信號序列s(n)為周期信號，周期為N,，則其自相關(guān)函數(shù)［1］定義為：

　　若s(n)=sin(ωn),，周期為N，ω=2π/n,，則s(n)的自相關(guān)函數(shù)為：

　　由式(2)可以看出Rs（m）也是周期信號,，且與s(n)的周期一致,，故Rs（m）的周期也為N。而Rs（m）與s(n)的初相位無關(guān),，故自相關(guān)函數(shù)與采樣時刻無關(guān),。

　　上述為自相關(guān)理論原理，以下將其具體應(yīng)用到待測的信號中,。

　　設(shè)周期信號S(t)為交流正弦信號［2］且沒有直流分量,，則信號只由基波和高次諧波兩部分組成，假設(shè)最高次諧波為L次,，根據(jù)采樣定理對S(t)進行采樣,，s(n)為采樣信號，公式如下：

　　式中Φl是信號的初相位,。

　　設(shè)s(n)一個基本周期內(nèi)的采樣點數(shù)為N,，則s(n)的自相關(guān)函數(shù)為：

　　從式(3)可以看出Rx(m)的諧波分量與s(n)的諧波分量相同，但振幅會發(fā)生變化,，除去1/2系數(shù)的影響,，Al=1時，Al2=1,，故振幅不變,；當(dāng)Al>1時，幅度指數(shù)成指數(shù)增長,；Al<1時,，幅度指數(shù)呈指數(shù)減少。所以,，信號自相關(guān)后,，幅度最大的頻率成分會突顯出來，衰減了幅度較小的頻率成分,。而在電力信號中,，基波［3］的成分最大，所以信號自相關(guān)后更加突出了信號的基波成分,，可大大提高測量的精度,。

　　下面介紹下含有噪聲的信號的自相關(guān)函數(shù)：

　　假設(shè)S(n)=s(n)+f(n)，其中S(n)表示實際的周期信號,，s(n)表示理想的周期信號,，f(n)表示隨機的噪聲。設(shè)理想周期信號s(n)的周期等于N,，長度是M,，且M>>N,則S(n)的自相關(guān)函數(shù)由下式所示：

　　實際情況下在信號中檢測到的噪聲都是隨機［4］的。從理論上說式（5）兩項的值都應(yīng)該是零,，而在實際上這兩項的值也是很小的值,，式（5）中的Rf(m)是隨機噪聲的自相關(guān)函數(shù),，它主要集中在m=0的位置，故自相關(guān)函數(shù)除了m=0點外其他成分主要是Rs(m),。以上說明了夾雜噪聲的信號通過自相關(guān)后,，只有在m=0的時候才會有噪聲的頻率成分，其他情況下信號自相關(guān)函數(shù)就是理想信號的自相關(guān)函數(shù),，故信號自相關(guān)函數(shù)的基波頻率就是理想信號的自相關(guān)函數(shù)的基波頻率,。由式（1）可得，信號自相關(guān)函數(shù)的基波頻率就是s(n)的基波頻率,。由此可以看出信號自相關(guān)后,，有效濾除了基波頻率夾雜的噪聲給測量帶來的影響，提高了測量精度,。

2三點法檢測頻率

　　三點法檢測頻率［5］的推導(dǎo)過程如下,。

　　若待測電壓信號為：

　　s（t）=Usin(ωt-φ)

　　其中ω=2πf,，f為信號的待測頻率,。采樣頻率為fs，從而對s(t)進行采樣并將s(t)改寫為s(t)=Usinα,，那么,，α=ωt-φ。

　　在由采樣頻率fs采樣得到的采樣序列中,，等時間間隔地選取了3個采樣點ui,、ui-m、ui-2m,。為了區(qū)分這3個采樣點和其他采樣點,，把ui、ui-m,、ui-2m稱之為檢測點,。由此可得m/fs即為檢測點之間的時間間隔［6］。若η=ωm/f=2πmf/fs,，則有f=ηfs/(2πm),。

　　ui、ui-m,、ui-2m可轉(zhuǎn)換為ui=Usinα,，ui-m=Usin(α-η)，ui-2m=Usin(α-2η),。根據(jù)三角變換：

　　ui+ui-2m=U［sinα+sin（α-2η）］=2Usin(α-η)cosη=2ui-mcosη

　　所以有：

　　η=arccos((ui+ui-2m)/2ui-m)fs(2πm)(6)

　　由式(6)可知其中ui-m不可以是0,，否則式(6)沒有意義。

　　對于檢測正弦信號基波［7］頻率來說,，三點法具有較高的快速性和精確度,，但是信號中的諧波分量會使算法大大降低精確度［8］,。因此，在測量信號的頻率之前,，應(yīng)當(dāng)利用自相關(guān)法過零掉諧波分量,，提取出信號的基波頻率成分。圖1算法程序框圖

3算法程序及仿真

　　程序框圖如圖1所示,。

　　設(shè)待測信號為：

　　其中ω=2πf,，N（t）為信號中夾雜的隨機白噪聲。下面以80 Hz的頻率為例,，設(shè)采樣頻率為3 200 Hz,，進行仿真,結(jié)果如圖2、圖3所示,?！?/p>

　　由圖2和圖3的對比可以看出，信號自相關(guān)后除了0點處含有高次諧波外,，其他都過濾掉了高次諧波,，提取出了基波分量。且已知自相關(guān)函數(shù)的周期［9］與待測信號的基波周期一致,，故可以用三點法直接運用到自相關(guān)函數(shù)中,，有效測量信號的基波頻率。設(shè)m=5,10,15,30,，分別計算信號頻率,。以m=10為例，設(shè)t=20,，計算頻率如下：

　　ui=40sin(wt-π4),，ui-10=40sin(wt-π4-η),ui-20=40sin(wt-π4-2ri),其中ui、ui-m,、ui-2m點的值都是已知的,，由η=arccos((ui+ui-2m)/2ui-m)fs/(2πm)可得η。由η與信號基波頻率f的關(guān)系式f=ηfs/(2πm),可求出f,。

4結(jié)論

　　通常情況下,，自相關(guān)法可用于測量信號的基波頻率。由于信號自相關(guān)后的函數(shù)與信號基波頻率一致,，且自相關(guān)后的波形更加突出了基波成分,，濾除了高次諧波和噪聲的影響，使得曲線更加光滑,，然后再用三點法求出基波頻率,。比起直接三點法測量頻率，先自相關(guān)然后再用三點法測量頻率可以提高基波頻率的精確度［10］ ,，減小誤差,。這種方法需要較少的硬件電路,，信號自相關(guān)后減少了測量的計算次數(shù)，減少了計算時間,，提高了測量速度,，有利于實時檢測。但是自相關(guān)后的信號在0點仍然會夾雜著高次諧波,，故采用三點法測量頻率時一定要注意0點處的特殊性,。

參考文獻

　　［1］ HERLEY C,， VETTERLI M. Waveless and recursive filter banks［J］.IEEE Transactions on Signal Processing, 1993,41(8):25362556.

　?。?］ 李芬華，潘立冬,，常鐵原,，等.精密頻譜分析系統(tǒng)的設(shè)計與實現(xiàn)［J］. 電力自動化設(shè)備，2002,，22（12）：4043.

　?。?］ 金華烽，何奔.電力系統(tǒng)頻率的實時估算［J］.微型機與應(yīng)用,，2008,，27(3) :1720.

　?。?］ 張瑛,，牟龍華，劉軍.電力系統(tǒng)頻率測量及跟蹤［J］. 微型機與應(yīng)用,，2003,22(3) :3536.

　?。?］ AGHAZADEH R,LESANI H,SANAYEPASAND M, et al. New technique for Frequency and amplitude estimation of power system signals［J］. IEE Proceedings Generation, Transmission and Distribution,2005,152(3):435440.

　　［6］ NEWLAND D E. Ridge and phase identification in the frequency analysis of transient signals by harmonic wavelets［J］.Journal of Vibration and Acoustics, 1999, 121(2):149155.

　?。?］ SHERLOCK B G,KAKAD Y P . Windowed discrete cosine and sine transforms for shifting data［J］.Signal Processing ,2001,81(7):14651478.

　?。?］ 胡蔦慶.隨機共振原理在強噪聲背景信號檢測中的應(yīng)用［J］.國防科技大學(xué)學(xué)報, 2001, 23(4): 4044.

　　［9］ Wang Guanyu. The application of chaoticoscill ator stoweak signal detection［J］. IEEE Transactions on Industrial Electronics, 2001, 46(2): 440444.

　?。?0］ 李一兵,，岳欣，楊莘元．自相關(guān)函數(shù)在正弦信號檢測中的應(yīng)用［J］.哈爾濱工程大學(xué)學(xué)報,，2004,，25(4):525528.