归一化子带自适应滤波器步长控制

定步长子带自适应滤波器必须在快的收敛速度和低的稳态失调之间进行折中。根据自适应滤波器系数向量均方偏差与步长之间的函数关系,该文采用使自适应滤波器系数向量均方偏差在每次迭代更新时最速下降的方法,提出一种步长控制算法来解决上述问题。该算法可以兼得快的收敛速度和低的稳态失调。实验结果验证了该方法的有效性。

基于均方差权值法对不同培育措施高寒草甸的现状评价

在天然草地健康评价中各项指标的权重大小对评价结果有着直接而重要的影响。为探讨青藏高原东缘高寒草地健康状况的合理评价模型,通过均方差权值法对甘南桑科草原不同培育措施高寒草地的植物群落盖度、优势层高度、干草产量和植物根层土壤有机质进行客观赋值综合评价。结果表明:1.各种培育措施对高寒草地植物群落结构和特征均有不同程度的影响;2.施肥处理草地健康状况最好,而放牧干扰草地的最差;3.均方差权值法对草地植物盖度和植物群落优势层高度、干草产量及植物根层土壤有机质含量客观赋值可以用于甘南桑科草原草地健康评价。

均方偏差分析的多态可变步长LMS算法

最小均方(least mean square,LMS)算法在时变信道的最小稳态均方偏差(mean square deviation,MSD)由输入功率、噪声功率、随机扰动信号功率以及滤波器长度共同决定。为达到系统中最小的MSD值,传统的LMS算法存在有迭代次数较多和收敛速度慢等问题,提出了一种多态可变步长最小均方(multi-state variable step size least mean square,MVSS-LMS)算法。该算法通过添加暂态递减步长作为过渡,实现以更快的收敛速度达到系统中最小的MSD值。理论分析与仿真结果表明,与目前最新的Prob-LMS算法相比,所提算法在时变信道以及突变信道都具有更快的收敛速度和更低的MSD值,且算法的复杂度更低。

基于稀疏数据的电动汽车动力电池热故障预警

针对稀疏数据难以准确预警电动汽车动力电池系统热故障和热失控的问题,提出了一种基于长短时记忆网络和迁移学习方法的锂电池热故障预警模型。利用源域密集数据训练该模型,并通过稀疏数据将模型迁移到目标域。在源域训练阶段,利用移动标准差预提取输入数据中的温度相关特征。在目标域训练阶段,提出了放缩指数误差损失函数迁移模型,使故障预警模型自动趋向提取粗糙特征信息,提高温度预测的准确性。试验结果表明,经过迁移学习的神经网络模型能够准确预测电池温度及其变化趋势,对动力电池热故障预警和热失控防控具有重要意义。