傅立叶变换的方法，用于检测基波和整数次谐波。但由于采集的数据量的有限性和采集时间选择不当，会产生频谱混叠、频谱泄漏和栅栏效应。为减小这些影响，在傅立叶变换之前，加入适当的窗函数，选择适当的采样频率，或进行插值。其中加窗插值算法已发展出知形窗、海宁窗、布莱克曼窗等十几种窗供不同场合选择使用[ ]。

(1)延长周期法。是在补零法的基础上，把在一个采样周期内采到的N个点扩展任何整数倍。与传统的补零法相比，既简化了步骤，又可以获得同样准确或更准确的频谱图。

(2)基于Hanning窗的插值FFT算法。应用此方法，电网谐波幅度、频率和相位的估计达到了预期的分析精度。其中，频率分析精度可控制在0．01％以内，幅值分析精度可在0．5％以内，相位估计精度可达5％。而且随着采样长度的增加，估计精度还可进一步提高。但是本算法的不足之处是分析窗的宽度一般要达十几个信号周期．参数估计的实时性不够理想。另外，当信号中包含噪声时，还需要提高参数估计的准确度和精度[5]。目前，在电力系统稳态谐波检测中大多数采用快速傅立叶变换及其改进算法，而对于波动谐波或快速变化的谐波，则需另寻他法。

1.2.4 自适应谐波电流检测法

W Idrow，等人在信号处理中曾提出一种信号检测技术一自适应噪声抵消技术(adaptive noise canceling technology—ANCT)，能把一个信号从加性噪声的干扰中分离出来。把这种技术应用于APF谐波电流检测，将电压作为参考输入，负载电流作为原始输入从负载电流中消去与电压波形相同的有功分量，而得到所有谐波和无功电流之和，按此原理构成的检测系统是一个闭环连续调节系统，故其运行特性与元件参数几乎无关，对器件的依赖性也不大。当电网电压发生波形畸变以及频率波动时，检测系统仍能正常运作，具有良好的自适应能力但动态响应较慢。

1.2.5 基于神经网络的谐波检测论文网

基于神经网络的谐波检测神经网络在提高计算能力、对任意连续函数的逼近能力、学习理论及动态网络的稳定性分析等方面都取得了丰硕的理论成果，在许多领域还得到实际应用，如模式识别与图像处理、控制与优化、预测与管理、通信等田。神经网络作为当前的一种新理论和新方法、研究和应用的时间还很短，在具体实际方面还有许多要完善的地方，因此目前在谐波检测中还处于初步探讨阶段。

1.2.6 基于小波变换的谐波检测

小波变换进行谐波检测与滤波的方法克服了传统的FFT法只有频域局部性，而无时域局部性的缺点。用频域插值小波变换法来检测谐波，这种算法可以克服波形混淆交接的情况，仿真的结果表明，对于有源谐波分析系统是个有效的方法。综上所述，带通滤波是早期模拟式谐波检测装置的基本原理；瞬时无功功率理论可用于谐波的瞬时检测和无功补偿等谐波治理领域；傅立叶变换是目前谐波检测中应用最多、应用最广泛的基本理论依据；神经网络理论和小波分析方法应用于谐波测量是目前正在致力研究的新方法和新理论，它可以提高谐波测量的实时性和精度。根据不同情况合理选择谐波检测方法，为谐波分析提供详细、准确、实时的数据和信号，是提高检测效果、改善电能质量的重要一步。国内外对这方面的研究都比较重视，在线谐波检测的理论和应用正在不断发展。随着各种先进技术和理论的应用，特别是计算机在谐波检测中的具体使用，谐波检测的实时性和精度要求一旦解决，相信电网谐波检测技术将逐渐得到发展和完善。