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。

An Improved Proportionate Normalized Least Mean Square Algorithm for Sparse Impulse Response Identification

In this paper after analyzing the adaptation process of the proportionate normalized least mean square(PNLMS) algorithm, a statistical model is obtained to describe the convergence process of each adaptive filter coefcient. Inspired by this result, a modified PNLMS algorithm based on precise magnitude estimate is proposed. The simulation results indicate that in contrast to the traditional PNLMS algorithm, the proposed algorithm achieves faster convergence speed in the initial convergence state and lower misalignment in the stead stage with much less computational complexity.

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。

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。

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.

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。

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.

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。

一种LMS/LMF自适应谐波电流检测方法

在分析了现有谐波电流检测方法不足的基础上,提出了一种改进的最小均方(Least mean square,LMS)与最小四阶矩(Least mean fourth,LMF)相结合的自适应谐波电流检测算法,利用一种变步长LMS/LMF算法来进行权值更新,用归一化的当前误差信号和上一次误差信号的自相关估计来进行步长迭代。该方法能够获得较快的动态响应速度和较小的稳态误差,而无需像一般自适应算法去折中考虑两者。仿真和实验结果验证了该方法的可行性。

基于指数函数的归一化变步长LMS算法

在研究归一化最小均方误差(NLMS)算法的基础上,提出一种基于指数函数的变步长LMS算法。通过建立误差和步长的函数关系,实时调整步长,并对输入信号完成时域信号解相关,解决稳态失调系数与收敛速度的矛盾。仿真实验结果证明,该算法与传统LMS算法、SVS_LMS算法、NLMS算法以及双曲正切变步长LMS算法相比,具有更高的收敛速度和较小的稳态失调系数。

引用范数的双曲正切函数变步长LMS算法

传统LMS算法的特点是计算简单,易于实现,但是性能方面存在收敛速度和稳态均方误差的矛盾。为了解决这个矛盾,提出一种引用范数的双曲正切函数变步长最小均方误差(HT-VSS)LMS算法,通过理论分析和实验仿真,从收敛速度、跟踪性能、稳态均方误差以及抗干扰性能等四个方面展开,其他变步长LMS算法进行比较。实验表明,不管在高信噪比还是低信噪比的情况下,本文算法性能优于其他变步长算法,即能同时获得较快的收敛速度、跟踪性能以及较小稳态均方误差。

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。

一种新的变步长LMS自适应滤波算法及其仿真

针对变步长自适应滤波算法收敛速度和稳态误差相矛盾的不足,建立了步长μ(n)与误差信号e(n)之间的一种新的非线性函数关系。该函数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,且能克服输入端不相关噪声对步长μ(n)的影响。由此函数,得出了一种新的变步长自适应算法,理论分析和计算机仿真结果表明该算法的性能优于文中所述其他算法。

少模光纤通信系统中的自适应频域均衡算法

少模光纤模式复用存在模式耦合和差分模式时延,必须通过自适应均衡算法补偿。为了降低长距离少模光纤通信系统中自适应均衡算法的复杂度,采用基于变步长-频域块最小均方算法的多输入多输出均衡器对2×2模分复用系统解复用。利用频域块最小均方自适应算法修正均衡器权系数,并通过变步长函数调整步长因子,兼顾算法收敛速度和收敛性能。算法可通过快速傅里叶变换降低计算复杂度。在112Gbit/s的1000km少模光纤高速通信仿真系统中,保证相同收敛速度情况下,提高信号Q2因子3.7d B,并在可编程现场门阵列上验证了100km少模光纤通信系统时的算法性能。结果表明,该算法能够实现模分复用系统的信号解复用,达到快速收敛、低稳态失调的目的。

改进的变步长频域批处理LMS算法

现有的单载波频域均衡技术中的定步长频域批处理LMS(Frequency-DomainBlockLeastMeanSquare,FBLMS)算法,在收敛速度和稳态误差之间存在矛盾。针对这个问题,基于对变步长LMS算法的研究分析,提出了一种新的改进的变步长频域批处理LMS自适应滤波算法,通过变步长因子以及频域权系数抽头泄漏能很好地协调收敛速度和稳态误差之间的矛盾,并且还具有较低的算法复杂度的特点。通过Matlab对提出的新算法进行计算机仿真验证,结果表明该算法有较好的收敛速度和较小的稳态误差。