APPLICATION OF LEAST MEDIAN OF SQUARED ORTHOGONAL DISTANCE (LMD) AND LMD BASED REWEIGHTED LEAST SQUARES (RLS) METHODS ON THE STOCK RECRUITMENT RELATIONSHIP

Analysis of stock recruitment (SR) data is most often done by fitting various SR relationship curves to the data. Fish population dynamics data often have stochastic variations and measurement errors, which usually result in a biased regression analysis. This paper presents a robust regression method, least median of squared orthogonal distance (LMD), which is insensitive to abnormal values in the dependent and independent variables in a regression analysis. Outliers that have significantly different variance from the rest of the data can be identified in a residual analysis. Then, the least squares (LS) method is applied to the SR data with defined outliers being down weighted. The application of LMD and LMD based Reweighted Least Squares (RLS) method to simulated and real fisheries SR data is explored.

基于改进RLS算法的故障电流参数估计

由于故障电流中直流衰减分量的影响,快速准确地估计出故障电流参数并预测出可用的过零点成为故障电流相控开断的关键。将故障电流方程中指数项进行泰勒级数展开,保留前2项,并基于递推最小二乘法,估计电流参数。分析由泰勒级数展开引起的截断误差,提出时间常数补偿公式。利用Matlab软件对不含谐波和含有谐波两种情况下的故障进行仿真,结果表明:算法可在15 ms内得到足够精度的故障电流参数,电流过零点的预测精度在?0.2 ms以内。最后对故障录波数据的仿真结果证实了算法的效果。

基于RLS的嵌入式永磁同步电机参数辨识技术

电机参数变化影响电机控制性能,因而需要对电机参数进行在线辨识,基于嵌入式永磁同步电机在两相坐标系里的动态状态方程,通过检测电机的定子电压、电流和转子转速信号,利用递推最小二乘法算法对嵌入式永磁同步电机参数进行辨识,由于该方法所用的信号均可检测到,从而减少了其他干扰对电机参数辨识的影响,提高了参数辨识的准确性。仿真结果和实验验证了辨识方案的有效性。

一种改进RLS算法及其在SINS快速对准中的应用

在传统递推最小二乘算法(RLS)中,人为设置的递推初始值将导致状态估计的有偏性,也就丧失了最优性,当量测数据次数较小时尤为严重。摒弃了传统RLS算法"新估计值=旧估计值+修正值"的递推结构,提出了借助中间量进行递推,再由中间量直接作状态估计的改进算法。改进RLS算法状态估计结果与批处理LS算法完全一致,且无需初始状态的任何信息。将改进RLS算法应用于捷联惯导系统(SINS)初始对准。对于一定的初始对准精度要求,理论上改进RLS算法所需的初始对准时间是最短的。最后,SINS初始对准数值仿真结果验证了所提算法的正确性。

一种变遗忘因子RLS算法的分析与仿真

自适应信息处理的算法中的RLS算法在信号处理等方面已经得到了大量的应用。首先简要介绍了RLS算法,然后通过对RLS算法中的遗传因子的研究与分析,提出了一种新的变遗忘因子算法,通过修正函数对遗传因子进行修正,实现了此算法的优势,最后对该算法做了仿真试验。试验证明,此算法收敛速度和跟踪效果远好于普通RLS算法,并且系统稳定,具有较强的应用价值。

NLMS与RLS算法的仿真比较及其在FECG提取中的应用

该文通过计算机仿真对比研究了归一化最小均方误差(NLMS)和递推最小二乘(RLS)两种自适应滤波算法,并将这两种算法用于胎儿心电图仪的自适应滤波器仿真设计中。该方法通过自适应滤波拾取理想的参考信号,再与腹部混迭信号相减抵消母亲心电图(MECG),从而提取出胎儿心电(FECG)信号。计算机仿真实验结果表明,这两种算法都能通过有效抑制MECG及其它各种干扰以实现FECG的检测。相比之下,RLS算法具有良好的应用性能,除收敛速度快于NLMS以及稳定性强外,还具有更高的起始收敛速率;更小的权失调噪声,更大的抑噪能力,但其计算复杂度高于NLMS算法。

一种具有快速跟踪能力的改进RLS算法研究

为了改善固定遗忘因子递推最小二乘(RLS)算法在时变系统中的跟踪性能,提出一种改进的RLS算法。改进的可变遗忘因子RLS算法,不仅克服了固定遗忘因子RLS算法中跟踪速度和参数失调的矛盾,而且避免了当参数估值趋于参数真值时,卡尔曼增益趋于零,RLS算法失去对时变系统的跟踪能力的问题。最后,在MATLAB仿真平台下,对改进的RLS算法性能进行仿真验证。仿真结果表明,改进的算法能够获得快速的跟踪能力,也具有较快的收敛速度和较小的稳态误差。

基于距离和DF-RLS的时间序列异常检测

为能同时检测时间序列中的附加异常和革新异常,改进自回归模型,提出距离因子递推最小二乘(DF-RLS)线性预测算法。在此基础上,给出一种基于距离和DF-RLS的联合异常检测方法——DDR-OD。实验结果表明,与当前其他时间序列异常检测方法相比,DDR-OD的检测效果较优。

基于RLS与EKF算法的锂电池SOC估计

准确估计荷电状态是电池管理系统高效和安全运行的关键因素之一。以Thevenin模型为基础,运用递推最小二乘法,对模型参数进行估计并且定期更新。采用扩展卡尔曼滤波算法实现了对锂电池荷电状态的估算。仿真结果表明,该估算策略能保持很高的精度,并对观测噪声有很强的抑制作用。

基于RLS算法的并联型APF全局积分滑模变结构控制

针对并联型有源电力滤波器(active power filter,APF)谐波检测环节的延时和谐波电流跟踪环节的鲁棒性差、跟踪精度不高的问题,建立了系统解耦后的数学模型,提出了基于递归最小二乘(recursive least squares,RLS)算法的并联型APF全局积分滑模变结构控制策略。谐波检测环节采用改进的瞬时无功功率理论的id-iq法,用RLS自适应滤波器替换传统的Butterworth低通滤波器,解决了传统的Butterworth低通滤波器因延时而导致的一个基波周期(20 ms)内检测盲区问题。谐波电流跟踪环节采用全局积分滑模变结构控制方法,引入了全局积分滑模面,运用Lyapunov稳定性理论导出的控制律兼顾了全局滑模的快速性和积分滑模的准确性。在解决了谐波检测环节延时的情况下,将全局积分滑模控制策略与传统的PI控制和滞环控制对比,仿真实验结果表明:全局积分滑模控制对指令电流具有更高的跟踪精度,且具有更低的电网侧电流总谐波畸变率(total harmonic distortion,THD)。

基于RLS和WT的逐日太阳辐射度预测模型研究

提出基于递推最小二乘法和小波变换的逐日太阳辐射度预测模型,根据气象数据,对不同的气候条件按照相似的日类型进行分类;对不同的日类型,建立不同的预测模型。结果表明:在日类型基础上,建立的递推最小二乘法与小波变换模型具有较高预测精度,在日照较充足的晴天,其预测精度明显高于阴天及雨天的预测精度。

基于QR-RLS算法的预失真模型

讨论一种基于正交递归最小二乘法(QR-RLS)的功率放大器行为模型。该模型采用Gives旋转提高QR-RLS算法的运算效率,能够提升数字预失真模型的系数更新速度,更快地实现数字预失真模型的收敛。测试一个44 dBm的两载波WIMAX功率放大器,并基于测试数据建立动态数字预失真模型。分析结果表明,该模型能校正宽带功率放大器的非线性特性,并快速实时地获得模型参数。

基于RLS法的锂离子电池离线参数辨识

提出一种基于递推型最小二乘法(RLS)算法改进的离线参数识别方法,采用RLS法作为离线参数辨识的初值,以解决离线辨识初值选择的限制,并能保证辨识结果的精度。采用RLS算法辨识参数,获取模型参数,仿真电压和实验电压最大误差达100 mV,但耗时仅120 s。采用Simscape模型的离线参数辨识方法,最大误差58 mV,耗时1.8 h;利用RLS算法获取初值,用离线参数辨识方法,最大误差为31 mV,平均误差15 mV,耗时0.5 h。辨识精度与辨识速度都有明显的提升。

基于RLS的永磁同步电机离线参数辨识研究

为了获取准确的电机参数以提高电机驱动系统的控制性能,针对面贴式永磁同步电机,通过直流注入的方式,采用递推最小二乘法(RLS)对定子电阻和电感进行离线辨识。辨识方法为在α轴注入阶跃激励电压在稳态阶段辨识电阻,在阶跃过渡过程中辨识电感。辨识中通过补偿驱动器因死区时间及IGBT、续流二极管导通压降造成的电压误差来提高电阻辨识结果的准确性。并通过加入基值电压的方式消除这些因素对电感辨识的影响。最后,通过仿真和实验验证了所提方法的正确性和实用性。

可变遗忘因子RLS谐波电流检测方法研究

为提高谐波检测环节的动态响应性能和精度,提出了一种基于可变遗忘因子RLS算法的谐波电流检测方法。该方法给定一种判别条件来判断负载谐波电流动态过程是否发生,根据判别结果动态地给出遗忘因子的取值,化解了常遗忘因子RLS谐波电流检测方法中稳态与动态过程对遗忘因子不同的要求所产生的矛盾,从而提高算法收敛速度。仿真和实验结果表明所提方法比传统的递归最小二乘谐波电流检测方法具有更好的收敛速度和稳态精度。

时变信道追踪结构自适应DFE-RLS均衡器

提出了一种抽头阶数可追踪时变信道变化的自适应调整最小二乘回归-判决反馈均衡器(DFE-RLS)设计方法.这种均衡器采用分数阶权值能量估计算法对前向滤波器(FFF)、后向滤波器(FBF)的阶数和最小二乘回归(RLS)算法中的逆相关矩阵阶数进行调整,通过设置合适的参数对时变信道的最佳阶数进行有效跟踪.它不仅实现简单,并且能够在不影响输出误码率的情况下有效减小计算复杂度和功耗.由于具有时变信道环境自适应能力,因此这种结构自适应均衡器对手持式全天候软件无线电短波通信设备的研究和设计具有重要的理论价值.

RLS字典学习中遗忘因子的影响

字典学习是信号稀疏分解研究的热点问题.在稀疏分解字典学习中,初始字典的选择影响字典学习的效果.为减小初始字典对学习字典的影响,在递归最小二乘(recursive least squares,RLS)字典学习方法中引入遗忘因子的概念.比较了最优方向法、K奇异值分解方法和RLS等3种方法的字典学习效果.分析了RLS字典学习中不同的遗传因子对字典学习效果的影响,以及遗忘因子为不同函数时的字典学习效果.仿真结果表明:RLS字典学习方法减小了初始字典对学习结果的影响,故学习效果较好;而在RLS字典学习中不同遗忘因子的选择会影响字典学习效果.

检测海面小目标的RLS线性预测方法

为了提高海杂波中的小目标检测能力,提出了基于递归最小二乘线性预测的海面小目标检测方法。首先,建立线性预测模型;其次,利用递归最小二乘法动态调整模型的参数;最后,计算绝对预测误差的均值,通过阈值比较得到检测目标结果。采用加拿大IPIX雷达数据的实验结果表明,该方法的检测性能优于线性预测的检测目标方法和神经网络集成的检测目标方法的检测性能;同极化方式下,HH极性的检测效果优于VV极性的检测效果。该方法实时更新了预测模型参数,同步跟踪海杂波的变化,克服预测模型固定不变的局限,提高了目标检测的能力。

基于自适应RLS算法的鱼雷电磁引信直接耦合干扰消除

为了有效消除鱼雷电磁引信收发天线之间的直接耦合干扰,弥补传统方法的不足,提出了一种基于自适应递归最小二乘(RLS)算法的干扰消除新方法。首先分析了自适应滤波器的一般原理;其次阐述了RLS算法的滤波原理和实现流程;最后结合典型的鱼雷电磁引信过靶参数并设置不同的耦合干扰强度,在MATLAB环境中进行了算法的仿真研究。仿真结果表明,采用该方法可在直接耦合干扰的幅值是目标信号幅值的10万倍的条件下将其有效消除,是一种消除同频强背景干扰的有效方法。此外,该方法还具有自适应算法运算量小、收敛速度快和实时性数据处理等优点。

基于RLS的列控音频检测方法研究

列控系统是列车运行安全的保证,而音频信号又是列控系统的地面重要信息来源。为了对列控音频信息可靠检测,介绍铁路列控系统移频信号的特点,提出一种基于递推最小二乘(RLS)技术的列控音频检测新方法。该方法首先检测列控音频的载频信号大小,然后取列控音频的某一边频为RLS滤波器的期望参考输入。通过MATLAB软件进行验证,结果表明,该方法能有效地滤除相应边频,可以通过低通滤波求取低频包络信号。最后,利用该算法对真实的列控音频信号进行检测,测量结果与实际相符合,因此该算法是有效的,具有一定的应用价值。