逐步式频域准牛顿算法及其在自适应信道均衡方面的应用

本丈提出一种新的属于准牛顿（QN）家族的有效自适应滤波算法。在这一新算法中，通过恰当的扩展，近似得到由托普利兹矩阵几次幂组成的复杂的逆赫斯矩阵，有了此公式运算，就可以在采用快速傅里叶交换（FFT）的频域（FD）内买现这一新算法。推导出逐步更新的频域数值的有效递归关系式。此建议算法被证明尤其适合无线突发传输网络中的自适应信道均衡，根据这一方法，展开得出新的线性均衡（LE）和判决反馈（DFE）算法。与其它牛顿式算法比较，这些算法很好地利用了QN公式运算和FD实现方法等综合优点，展现了比其它随机梯度有更快的收敛性、更低的运算复杂度。

区间小波变换域的新拟牛顿LMS自适应消噪

将小波变换、自适应算法和新拟牛顿算法相结合,得出一种区间离散正交小波变换域新拟牛顿LMS消噪算法。该算法具有较好的环境适应性,有效克服了传统步长因子选取和输入信号自相关函数估计误差对算法收敛速度和稳态误差的影响。计算机仿真结果表明,在新拟牛顿条件下,该算法具有较快的收敛速度和较强的消噪能力,可以很好地应用于自适应消噪系统中。

改进Allan方差的自适应滤波在姿态解算中的应用

针对低成本的惯性导航系统精度不足从而导致姿态解算容易发散的问题,提出一种改进Allan方差的自适应卡尔曼滤波算法。在滤波之前,先用四元数改进型PID的互补滤波来融合数据,以抑制数据的波动,同时也加快了运算速率。在对噪声进行分析时,运用Allan方差的分析方法,并组合高斯牛顿优化算法,提高了姿态解算的精度,能够对姿态角实现短时间内的稳定以及精确的跟踪。实验结果表明,使用自适应Sage-Husa算法处理两种噪声时比标准卡尔曼滤波算法的精度提高了30%左右。使用改进的Allan方差自适应滤波比使用自适应Sage-Husa滤波算法精度提高了40%左右,该算法也可用于精确单点定位与伪距定位。

IP语音通话中回声消除算法的研究

文章首先介绍了IP电话系统中回声的特点以及声学回声消除的原理,并针对IP语音通信中回声的特点,介绍了用于处理这种回声的LMS牛顿算法,但其存在步长因子选择较难、收敛性能不高等缺点。该文在LMS牛顿算法的基础上,提出了一种改进的LMS牛顿算法,并对该算法的基本原理进行了分析说明。计算机仿真结果表明了该算法的可行性和优越性,经对比分析可知,新算法收敛性能良好,尤其是对大步长因子,明显优于LMS牛顿算法,克服了LMS牛顿算法存在的一些不足,具备更好的回声消除功能。

粗差拟准检定法在星载GPS低轨卫星定轨中的应用

利用自适应卡尔曼滤波进行星载GPS低轨卫星定轨时,必须解决量测方程中经常存在的粗差问题.在分析以往方法的优缺点后,用拟准检定法来探测和修正量测方程中存在的粗差.该法的优点是辨识粗差准确率高,能同时定位多个粗差.另外,为了克服星载GPS低轨卫星定轨的滤波器可能出现的数值不稳定性及发散现象,还采用了UD分解算法及Sage自适应滤波器.最后用一个CHAMP卫星的模拟算例验证本方法的可行性和有效性.

基于UniTire轮胎模型的汽车行驶速度估计

准确而实时地获取车速信息是汽车实现高精度定位与导航、高级巡航控制和编队巡航控制等功能的必要前提,文中提出一种基于UniTire轮胎模型的汽车行驶速度估计方法。首先,基于UniTire轮胎模型建立包含汽车纵向、侧向和横摆动态的车速估计名义模型,并利用自适应遗传算法的全局搜索优势和拟牛顿法的局部搜索优势辨识出UniTire轮胎模型的特征参数的全局最优解;随后,以车速估计名义模型的过程噪声和观测噪声为调度变量,利用强跟踪中心差分卡尔曼滤波器设计一簇车速估计器,并采用交互式多模型算法对基于强跟踪中心差分卡尔曼滤波器的车速估计器簇的输出结果进行平滑融合;最后,利用整车级硬件在环仿真平台对所提出的基于交互式强跟踪中心差分卡尔曼滤波器的车速估计算法的可行性和有效性进行验证。结果表明:相对于基于强跟踪中心差分卡尔曼滤波器的车速信息估计算法,本文提出的车速信息估计算法对系统噪声统计特性具有更好的自适应能力,并且具有更高的估计精度。

风力机风速测控系统的研究

针对变速变桨风力机如何在额定风速以下时追踪最大风能利用系数,对在额定风速以上时抑制输出功率的波动进行了研究。在风速测控系统中,提出了低风速时运用自适应转矩控制策略;高风速时为了稳定输出功率,根据估计的有效风速给出合适的前馈桨距角,实现动态前馈补偿与传统PID反馈结合的变桨距控制策略。基于Bladed和MATLAB软件平台,应用此方法对某2MW变速变桨风电机组进行仿真比较。结果表明:此系统在低风速时能够更好追踪最大功率点,在高风速时能有效稳定输出功率。