Active micro-vibration control based on improved variable step size LMS algorithm

The contradiction of variable step size least mean square(LMS)algorithm between fast convergence speed and small steady-state error has always existed.So,a new algorithm based on the combination of logarithmic and symbolic function and step size factor is proposed.It establishes a new updating method of step factor that is related to step factor and error signal.This work makes an analysis from 3 aspects:theoretical analysis,theoretical verification and specific experiments.The experimental results show that the proposed algorithm is superior to other variable step size algorithms in convergence speed and steady-state error.

基于sigmoid-sinh分段函数的变步长FxLMS算法

为改善滤波-x最小均方(filtered-x least mean square,FxLMS)算法在噪声主动控制时无法兼顾收敛速度和稳态误差的问题,提出了基于sigmoid-sinh分段函数的FxLMS(SSFxLMS)算法,并引入蚁狮算法对SFxLMS(sigmoid filtered-x least mean square)、ShFxLMS(sinh filtered-x least mean square)、SSFxLMS算法的参数进行优化。分别采用高斯白噪声和实测簇绒地毯织机噪声为输入信号,采用FxLMS、SFxLMS、ShFxLMS、SSFxLMS算法进行噪声主动控制仿真,对比分析这4种算法的性能。结果表明:与其他3种算法相比,采用SSFxLMS算法对高斯白噪声和簇绒地毯织机噪声进行控制时,误差信号的平均绝对值更小,平均降噪量与收敛速度也有大幅度提升。由此可知,SSFxLMS算法有效改善了FxLMS算法无法兼顾收敛速度和稳态误差的问题,研究结果为噪声主动控制算法设计提供了一定的参考。

双曲正切函数的新型变步长LMS算法

针对自适应最小均方误差(Least Mean Square,LMS)滤波算法迭代步长在算法收敛速度、稳态误差间的折中问题,设计了一种基于双曲正切函数的新型变步长算法,算法以双曲正切函数为基础,建立步长因子μ(n)与误差信号e(n)的非线性函数关系,并引入参数α、β和m,设计了一种新的步长调整公式,使得在算法迭代初始阶段采用较大步长因子,达到更快的收敛速度,在接近收敛时采用较小的步长因子,获得更小的稳态误差。通过仿真分析了不同参数对算法性能的影响,与已有典型变步长算法相比,论文算法具有更快的收敛速度、更小的稳态误差和更优的追踪能力。

部分线性变系数模型的贝叶斯复合分位数回归

部分线性变系数模型由参数和非参数2部分组成,具有适应范围广和解释性强双重优点。针对该模型的参数估计问题,采用B样条方法逼近非参数部分的未知光滑函数,进而利用复合非对称拉普拉斯分布实现贝叶斯复合分位数回归,并基于Gibbs抽样算法推导出所有未知参数的后验分布,以获取参数的估计值。通过数值模拟对贝叶斯复合分位数回归与贝叶斯分位数回归、贝叶斯线性回归参数估计效果进行比较分析,结果显示:当误差服从非正态分布时,在均方误差准则下,贝叶斯复合分位数回归估计表现更优。基于上述3种方法对实例数据进行预测分析,结果表明:在平均绝对偏差和均方误差预测意义下,基于贝叶斯复合分位数回归的预测效果更好。

基于智能电网的频谱感知算法研究

宽带微功率(Broadband Micro-Power, BMP)无线通信系统是为满足智能配用电系统的通信需求,在非授权频谱资源上研究开发的电力无线专网系统。认知无线电(Cognitive Radio, CR)的频谱感知技术的引入,虽缓解了目前智能电网频谱资源紧张的问题,但系统在低信噪比下单用户的感知准确性仍需提高。针对上述问题,提出一种基于变步长的最小均方(Variable Step Size Least Mean Square, VSS-LMS)频谱感知算法。该算法在对原始发送信号幅度进行迭代估计时,增加两个参数作为调节器,可以灵活地调整步长,并对误差信号进行平滑处理,从而解决收敛速度与稳态误差的矛盾,实现高效的频谱感知。仿真实验表明,该算法不仅具有较好的收敛性,且在低信噪比下仍有较好的检测性能。与能量检测算法和LMS频谱感知算法相比,该算法使系统的频谱检测性能得到提升。

块处理的变步长自适应振动主动控制方法

针对振动主动控制次级通道的时变特点和在线辨识次级通道算法中各通道相互影响,导致控制效果不佳的问题,提出一种基于块处理的变步长自适应振动主动控制方法。根据参考信号和期望信号的功率变化对次级通道辨识和振动控制进行块处理的在线调整步长,排除异常信号干扰,进一步提高辨识精度与速度。仿真结果表明,与原算法比较,该算法的辨识速度和精度均能提升近10%,系统在控制环境突变下能提前近一半时间完成收敛。以单层隔振平台为控制对象对本算法进行实验研究,结果表明,该算法对单层隔振平台的振动响应有较好的控制效果,验证了该算法在实际控制中的有效性。

基于输出误差模型优化的甲板运动预报算法研究

本文提出了一种适用于多种复杂海况的大型舰船甲板运动预报方法,目的在于提高算法对不同海域复杂海况的适用性,以及对甲板运动模型的辨识精度与预报精度。该方法通过将量测数据的时间滞后处理引入输出误差模型来描述甲板运动的动力学模型,引入定阶准则确定了模型最优阶数数对。在此基础上应用了辅助模型递推最小二乘算法进行系统参数辨识并估计输出误差模型中的状态变量。实验结果表明,本文所提出的预报方法在系统参数辨识阶段可以将递推最小二乘算法的辨识精度提高5.13%,并且在预报阶段可以有效地将甲板运动的幅值与相位预测精度提高3.17%。该方法在复杂海况下具备良好的预测性能,适用于大型舰船甲板运动预报。

遗传算法用于偏最小二乘方法建模中的变量筛选

利用全局搜索方法─—遗传算法（ｇｅｎｅｔｉｃ ａｌｇｏｒｉｔｈｍｓ， ＧＡ）对近红外光谱快速分析中的波长变量进行筛选，再用偏最小二乘方法（ｐａｒｔｉａｌ ｌｅａｓｔ ｓｑｕａｒｅｓ， ＰＬＳ）建立分析校正模型。对两类样品的近红外光谱分析应用实例表明，这种选取变量进行校正的方法，不仅简化、优化了模型，而且增强了所建模型的预测能力，尤其适用于单纯ＰＬＳ较难校正关联的体系。

一种新的变步长LMS自适应滤波算法

本文通过建立步长因子μ与误差信号之间的非线性函数关系,提出了一种新的变步长LMS(LeastMean Square)算法.该算法具有初始阶段和未知系统时变阶段步长自动增大而稳态时步长很小的特点,且克服了S函数变步长LMS算法(简称SVSLMS算法)在自适应稳态阶段μ(n)取值偏大的缺陷.理论分析和计算机仿真结果表明该算法的性能优于SVSLMS算法.

基于改进的双曲正切函数变步长LMS算法

为了改进现有的变步长最小均方误差(least mean square,LMS)算法在低信噪比时性能较差的缺陷,提出了一种基于改进的双曲正切函数的变步长LMS算法,从理论分析和仿真实验两方面讨论了引入参数对算法收敛性、跟踪性、稳定性的影响及算法的抗干扰性。理论分析和仿真实验表明该算法在高低信噪比时均具有较快的收敛速度和跟踪速度以及较小的稳态误差和稳态失调,并且在低信噪比时该算法的收敛性、跟踪性、稳态性均优于其他多种变步长算法。

LMS自适应滤波算法在FOG数据处理中的应用

针对光纤陀螺(fiber optic gyroscope,FOG)输出数据的随机噪声问题,提出将变步长最小均方(leastmean square,LMS)自适应滤波算法应用于FOG数据处理中。根据FOG数据特点,构造变步长LMS自适应滤波器,对FOG输出数据进行实时预处理,自动地调节参数,达到降低FOG随机漂移及角度随机游走的目的。采用Allan方差对滤波前后的FOG数据进行分析,结果表明所提出的算法在FOG数据处理中效果明显,可以优化FOG的零偏稳定性0.019(°)/h及角度随机游走0.001 5(°)/h1/2。

APF中一种改进的变步长LMS自适应谐波检测算法

在有源电力滤波器(Active Power Filter,APF)的低信噪比(Signal Noise Ratio,SNR)环境下,为了提高变步长最小均方(Least Mean Square,LMS)自适应算法对谐波电流检测的跟踪速度及精度,提出改进的变步长LMS算法。该算法在MVSS-LMS算法的基础上,增加历史误差的遗忘加权和估计并控制步长更新,动态控制步长更新范围,采用滑动窗遗忘加权减小了计算复杂度。同时,对改进算法性能进行稳定性分析。实验结果表明,该算法不仅具有较快的动态响应速度,而且在APF的低信噪比情况下,稳态误差有所减小,具有较高的抗干扰能力,谐波电流检测效果较好。

一种新的变步长LMS自适应滤波算法

为了解决传统的固定步长的最小均方误差(LMS)算法在收敛速度和稳态误差上的矛盾,基于Sigmoid函数进行改进,提出了算法步长因子μ与误差信号e之间的一种新的非线性函数关系。首先,基于Sigmoid的偶函数特性将2个函数相乘,使得算法在稳态时能够获取更小的步长;然后,将误差信号用指数形式进行表示,进一步控制步长的变化速度;最后,通过误差e(n)和e(n-1)联合改变步长因子,提高了算法在低信噪比时的性能。理论分析和计算机仿真表明,与已有的变步长LMS算法相比,相同收敛精度时该算法的收敛速度更快,相同收敛速度时该算法的收敛精度更高,在相同条件下算法的抗噪声性能更好。

改进的变阶数LMS自适应滤波算法

为了减小分数阶数变阶数最小均方算法(FTLMS)稳态滤波器阶数误差,提出了一种变误差宽度的变阶数LMS算法,并对该算法进行稳态理论分析,给出参数选择的依据.为了验证该算法性能,设置了3种仿真环境:信噪比(SNR)为20 dB、0 dB及冲击响应权系数呈稀疏分布.仿真结果表明,与FTLMS算法相比,在SNR为20 dB及冲击响应权系数呈稀疏分布仿真条件下,当收敛速度相同时,滤波器阶数稳态误差减小为10%,在SNR为0 dB时,滤波器阶数稳态误差减小为1/3.

基于双曲正切函数的智能天线变步长LMS算法

提出一种基于双曲正切函数的智能天线变步长最小均方(LMS)算法.通过建立步长因子与误差信号的双曲正切函数关系改进LMS算法,解决了固定步长时收敛速度和稳态误差间的矛盾.仿真结果表明,所提出的变步长最小均方算法比标准的最小均方算法有更快的收敛速度和更小的稳态误差.

基于无信息变量消除法和连续投影算法的可见-近红外光谱技术白虾种分类方法研究

应用无信息变量消除法结合连续投影算法对可见-近红外光谱区进行有效波长的选择,选择后的波长作为输入变量建立最小二乘-支持向量机模型,对白虾属中三种典型种,脊尾白虾、秀丽白虾和东方白虾进行鉴别分类.实验采用Kennard-Stone算法选取150个样本作为建模集,50个样本作为预测集,通过UVE-SPA优选了数值分别为392、431、517、551、595、627、676、734、760、861、943和1018 nm的12个波长为LS-SVM的输入变量,建立了白虾种分类模型.该模型对50个预测集样本检验的准确率达到了92.00%.结果表明,采用可见-近红外光谱对白虾种进行鉴别是可行的,UVE-SPA能够有效地进行波长选择,使LS-SVM模型获得最优的分类结果.

一种可变步长LMS算法及其性能分析

提出了一种自适应可变步长最小方差算法(λNVSS),以解决基本最小方差算法LMS中收敛速度和稳态误差之间的矛盾.该算法利用当前和过去共m(滤波器阶数)个误差信息,并通过引入修正系数ρ和遗忘因子λ(i),来确定下一步的迭代步长.文中对这种算法进行了分析和仿真验算.对比一般的变步长算法,λNVSS算法对于平稳过程中的滤波器能获得更快的收敛速度和更小的稳态误差,同时还具有较好的跟踪跃变系统的能力.

近红外特征波长筛选在勾兑梨汁中原汁含量的快速检测中的应用

为实现近红外光谱进行勾兑梨汁中原汁含量的快速检测,采用相同可溶性固形物含量的新鲜梨汁和果汁粉冲剂按照原汁含量为0%~100%进行勾兑,并结合遗传算法(GA)、粒子群算法(PSO)以及萤火虫算法(GSO&FA)进行特征波长筛选,比较分析四种算法分别建立的偏最小二乘(PLS)模型。结果表明,GA-PLS,PSO-PLS,GSO-PLS,FA-PLS四种模型均能够剔除大部分波长变量,其中以FA-PLS模型效果最佳,不仅保证模型的稳健性,而且简化了模型,提高了预测的精度。为了进一步优选特征波长,利用连续投影算法(SPA)在FA基础上做进一步波长筛选,并比较全波段PLS,SPA-PLS,FA-PLS,FA-SPA-PLS模型,四种模型泛化能力为:FA-PLS>PLS>FA-SPA-PLS>SPA-PLS,其预测均方根误差分别为0.029 1,0.033 3,0.033 9和0.137 0,相应的波长变量数量依次367,765,20和18。其中SPA-PLS波长变量最少,但预测误差远远高于其他三种模型,综合考虑预测精度与波长变量数目,FA-SPA-PLS模型不仅波长变量较少而且预测精度较高,能够有效鉴别勾兑梨汁中原汁含量。研究利用近红外光谱技术为快速鉴别勾兑果汁提供一种有益思路,并通过波长变量筛选简化定量分析模型。

一种新的变步长LMS自适应滤波算法及性能分析

研究了自适应最小均方误差(least mean squares,LMS)滤波算法的步长选取问题。在详细分析现有变步长LMS算法的基础上,给出一种以双曲正切函数的改进形式为变步长的LMS算法。讨论了步长参数的选取原则及其对算法收敛性、抗干扰性和稳态误差的影响。该算法不但具有较快的收敛速度和跟踪速度,而且能获得更小的稳态失调。理论分析和仿真结果表明,该算法具有更好的稳态性能。

变步长LMS自适应极化递推估值算法

为了解决最小均方误差算法(least mean square,LMS)在干扰极化状态估值中存在的收敛速度和稳态误差之间的矛盾,应用变步长LMS算法进行干扰的极化状态递推估值。分析了传统定步长因子μ的选取和其对算法达到稳态时误差的影响;讨论了当干扰极化状态变化时算法的跟踪性能;并以雷达测角为例,进一步分析算法的实际应用可行性。最后给出了算法实现的原理方案。仿真结果和理论分析相一致,证明了该方法的有效性。