基于MCC的自适应混沌序列预测算法仿真

针对基于LMS的自适应预测算法对具有时变特性的时间序列预测在鲁棒性等方面存在缺陷,而使用最大广义相关熵准则以衡量输入输出的相似度,它含有误差分布的高阶统计量,对数据处理具有一定的鲁棒性,提出了一种基于MCC的混沌时间序列自适应预测算法,考虑到LMS算法和MCC准则的优势,将输入序列和权值向量分成两组,分别用LMS和MCC进行迭代训练,得到组合的新自适应预测算法。仿真结果表明,组合自适应预测算法在预测精度和鲁棒性方面都要优于基于LMS或基于MCC的预测算法。

基于终端移动状态的LGD触发算法

针对垂直切换中LMS预测LGD触发机制没有考虑终端移动状态的问题,提出基于终端移动状态的LGD触发算法,由终端移动模型推导出移动状态(速度和方向)与信号强度的关系,并将信号强度推导值与抽样值加权求和后采用LMS算法预测信号强度的变化趋势。仿真表明,改进后的LMS算法预测误差小,可以降低丢包率和空闲时间。

频率规整线性预测系数的实时提取算法研究

在语音识别特征提取过程中,为克服传统自相关法在计算特征参数时实时性较差的缺点,提出一种用于提取频率规整线性预测系数(WLPC)的自适应最小均方误差(LMS)算法。该方法通过自适应LMS技术,不仅能提取出符合人耳的听觉特性的特征参数,而且实现了对WLPC系数的实时提取。实验采用DTW(动态时间规整)算法,对比了自相关法WLPC预测误差和自适应法WLPC两种特征参数对孤立词识别率的影响结果和预测误差,结果证明了采用该算法具有较高的分类准确率和良好的时间性能。

基于LMS的网络化控制系统时延补偿控制

为了解决不确定性变化的互联网传输时延影响网络控制系统的动态性能,利用自适应最小均方(LMS)滤波算法对网络时延进行在线预估,基于优化网络控制系统结构设计了一种自适应时延补偿器。实验结果表明基于LMS算法时延预估方法对网络控制系统时变时延有较高的预测精度,根据预测的时延设计的时延补偿器很好的改善了远程控制系统的动态性能。

一种基于最小均方差的3D自适应预测视频编码

研究了一种基于最小均方差(LMS)的自适应预测视频编码方法。这种视频编码方法灵活可调,相比传统的混合编码方法,由于减小了方块效应和平滑作用,因而可以改善视频编码的整体质量。实验结果证明,这种视频编码的方法可以显著改善视频质量,提高功率信噪比(PSNR),对于运动物体和背景之间的对比度较大以及照度变化较大的视频序列,改善的效果尤为明显。

非二进制SAR ADC的电容失配校正方法

研究13比特逐次逼近型模数转换器的电容失配问题,提出结合DEM技术的基于LMS算法的校正方法。分析电容失配对权重的影响,为减小高精度ADC的面积开销,采用冗余结构的分段电容阵列,降低对电容失配的要求,为校正提供条件,设计基于LMS算法的结合DEM技术的校正方法。在MATLAB中搭建模型进行仿真,仿真结果表明,采用校正方法后INL可以达到-1.36/1.26LSB。