柔性机械爪力控的变步长自适应滤波算法

机械爪工作中,由于电源和机械震动会导致电流有波动,将测得的电流数据通过滤波,减少电流的波动,从而让力控的准确度更高。传统的自适应算法无法满足在快速收敛的同时,实现较高鲁棒性和较小稳态误差的要求。针对上述问题,文中提出一种新的自适应滤波算法。首先,建立基于双曲正切函数的变步长模型,实现更新步长因子的动态变值,其次,将滤波器权向量差及可变因子引入更新权值迭代算法中,以达到快速收敛和减少稳态误差的目的。通过实验证明,文中算法实现了快速收敛,并具有较小的稳态误差,提高了系统的鲁棒性。

一种新的可变步长LMS自适应滤波算法

在简单讨论基本LMS,变步长NLMS和LMS/F组合自适应滤波算法的基础上提出一种新的可变步长LMS自适应滤波算法,新算法引入修正系数ρ和遗忘因子λi=exp(-i),并利用ρ和λi来产生新的步长参与迭代。计算机仿真结果表明,与基本LMS算法或变步长NLMS、LMS/F组合算法相比,新算法在保持算法简单这一特点的同时进一步加快了收敛速度,并能够收敛到更小且稳定的均方误差(MSE)。

一种新的可变步长LMS自适应滤波算法

本文在讨论基本L,MS,变步长NLMs【",改进的SVSI。MS[2]和LMS／Fp]组合自适应滤波算法的上基础上提出一种新的可变步长L.MS自适应滤波算法,新算法引入修正系数p和遗忘因子／lf=exl^(-i)(i=l,2,...,M-1),并利用p和^i来产生新的步长参与迭代。计算机仿真结果表明,与基本LMS算法或变步长NL,MS算法、改进的SVSLMS算法、LMS／F组合算法相比,新算法在保持算法简单这一特点的同时进一步加快了收敛速度,并能够收敛到更小且稳定的均方误差(MSE)。

一种新的可变步长LMS自适应滤波算法

针对LMS算法收敛性能差的缺点,提出一种改进LMS算法即NLMSISA。首先从理论上分析并介绍了LMS算法及其改进算法,并将改进算法—变符号函数法(ISA)和归一化变步长(NLMS)算法有机结合,提出了该NLMSISA算法,理论上该改进算法具有物理实现难度低、收敛速度快、且能收敛到更小且稳定的均方误差(MSE)的特点。在MATLAB下,通过采用LMS、LMSISA和NLMSISA三种算法对FIR和IIR两种结构的系统分别进行了辨识仿真研究,结合三种算法的均方误差收敛曲线分析,验证了提出的改进LMS算法在敛速度、稳态误差上都明显优于现有几种算法。该算法对于实际工程应用的自适应滤波问题提供了一个较好的算法。

一种新的可变步长LMS自适应滤波算法及其算法分析

在讨论基本LMS,变步长NLMS和LMS/F组合自适应滤波算法的基础上提出一种新的可变步长LMS自适应滤波算法,新算法引入修正系数和遗忘因子,并利用和来产生新的步长参与迭代。计算机仿真结果表明,与基本LMS算法或变步长NLMS、LMS/F组合算法相比,新算法在保持算法简单这一特点的同时进一步加快了收敛速度,并能够收敛到更小且稳定的均方误差(MSE)。

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.

变步长自适应滤波算法的研究

本文提出一种采用参考输入信号与误差信号互相关系数估值的变步长自适应滤波算法(VS-NLMS)。与常规的固定步长自适应滤波算法(NLMS)相比,VS-NLMS算法在同样的收敛速度及跟踪速度下能获得更小的稳态误调噪声。理论分析与计算机模拟证实了该算法的优越性。

一种变步长LMS自适应滤波算法及分析

本文对变步长自适应滤波算法进行了讨论 ,建立了步长因子 μ与误差信号e(n)之间另一种新的非线性函数关系 .该函数比已有的Sigmoid函数简单 ,且在误差e(n)接近零处具有缓慢变化的特性 ,克服了Sigmoid函数在自适应稳态阶段步长调整过程中的不足 .由此函数本文得出了另一种新的变步长自适应滤波算法 ,并且分析了参数α ,β的取值原则及对算法收敛性能的影响 .该算法有较好的收敛性能且计算量少 .计算机仿真结果与理论分析相一致 。

一种改进的变步长自适应滤波器LMS算法

本文提出一种改进的LMS算法(即MS-LMS),并建立了步长因子与误差信号)(ne之间另一种新的非线性函数关系。该关系不仅具有原有算法在误差)(ne接近零处缓慢变化的优点,而且低信噪比环境下比原有算法具有更好的收敛性能。理论分析和计算机仿真结果表明,在低信噪比的环境下,改进算法的收敛速度和稳态误差的性能指标都有较大的提高,并对系统发生的突变表现出较强的鲁棒性。

一种新的变步长LMS自适应滤波算法

通过建立步长因子μ与误差信号e之间的非线性关系,提出一种新的基于抽样函数的变步长LMS算法,并进行了计算机仿真.结果表明,该算法除了具有传统LMS算法计算量小、稳定性较好、简单易于实时处理等优点外,其收敛速度、稳定性以及跟踪速度均优于传统固定步长LMS算法抽样函数、SVSLMS算法.

基于正交小波变换的瞬变步长LMS自适应滤波算法

本文在滑动准最小均方误差瞬变步长LMS(SPLMS)算法基础上提出了一种基于正交小波变换的瞬变步长LMS(WTSPLMS)的改进自适应滤波算法。该算法较好地利用了正交小波具有良好时频局部化的特性 ,使之除具有SPLMS算法的优点外 ,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。计算机仿真效果较好 。

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。

一种改进的变步长LMS自适应滤波算法及性能分析

针对现有LMS(leastmean square)算法不能同时提高收敛速度及降低稳态误差的矛盾,提出一种改进的变步长LMS算法,建立了步长参数μ(n)与误差信号e(n)之间的一种新的非线性函数关系:与现有的算法相比,同时引入记忆因子λ和控制函数取值的参数β(n),使当前步长与上一次迭代所得步长及前M个误差的平方相关。理论分析和计算机仿真结果表明,与现有几种常见的LMS算法相比,改进的算法收敛速度和稳态误差的性能指标得到了提高。

一种新型变步长自适应滤波算法

为改进目前谐波电流检测方法,针对有源滤波器谐波检测,提出了一种新型变步长自适应算法,取得了比较好的效果。由于谐波检测属于适应噪声抵消技术低信噪比条件下的一种应用,因而在该算法中,没有以误差信号e(n)作为改变步长的自适应回馈量,而是将误差信号和上个工频周期的误差信号的差值△e(n)作为自适应回馈量,从而避免了误差信号e(n)一直较大,导致的自适应算法的稳态误差比较大的缺点;同时通过相干平均估计来避免测试计算过程中随机噪声的影响,调节算法的步长,其优越性在于:谐波检测过程能保证既具有较快的动态响应速度,又保证稳定后步长稳定很小,有较高的检测精度。理论分析和仿真试验证明了该算法的正确性和有效性。

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。

变步长自适应滤波算法的统一框架及其矢量扩展

针对大量的变步长自适应滤波算法,提出了一种采用约束最优化方法描述变步长自适应滤波算法的统一框架。在该框架下,不同算法的目标函数或决策变量不同。利用该框架,将非参数变步长归一化最小均方误差(NPVSS-NLMS)算法扩展到矢量空间,导出一种新的变步长仿射投影算法。理论分析与计算机仿真表明,该算法不仅能根据输出误差自适应调整步长,而且对强相关输入信号能够保持良好的收敛速度、很小的稳态误差和很快的跟踪速度。将该算法应用于回波抵消,其稳态误差比NPVSS-NLMS算法低近5dB。

改进的变步长LMS自适应滤波算法分析

通过建立步长因子μ与误差信号e(n)之间的非线性函数关系,提出了一种改进的自适应变步长最小均方(LM S)算法。该算法克服了LM S算法在自适应稳态阶段μ取值偏大的缺陷,具有在误差e(n)接近零处缓慢变化的特点。该算法还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,解决了收敛时间和稳态误差的矛盾。将该算法对比一般的变步长算法,该改进算法在平稳过程中具有更小的稳态误差,同时还具有更好的跟踪时变系统的能力。

一种改进的变步长LMS自适应滤波算法

提出一种改进的变步长LMS(Least Mean Square)算法,该算法在步长参数μ与误差信号e(n)之间建立了一种非线性函数关系,并且分析了参数α,β的取值原则及对算法收敛性能的影响。该关系具有在误差e(n)接近零处缓慢变化的优点,克服了s函数变步长LMS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,改进算法的收敛速度和稳态误差的性能指标都有较大的提高。

基于模糊推理的变步长LMS自适应滤波算法

LMS算法是一种基于最速下降法的最小均方误差自适应滤波算法。为了提高LMS 算法的收敛速度,依据模糊控制原理,推导出一种结构简单的步长与误差的非线性函数关系, 进而得出一种新的变步长LMS自适应滤波算法(FVSLMS),该算法结构简单,易于实现。在理论上,根据万能逼近定理,用FVSLMS算法可以以任意精度逼近步长与误差的非线性函数关系,因此它可以作为以误差调节步长的变步长LMS算法的一类统一形式。最后,通过计算机仿真说明了FVSLMS算法具有较好的收敛性能。

改进的变步长LMS自适应滤波算法及仿真

通过分析变步长自适应滤波算法,建立步长和误差信号之间的非线性关系,提出一种新的变步长LMS自适应滤波算法,并用计算机进行仿真,结果表明该算法在误差接近于零时步长具有缓慢变化的特性,滤波效果更好。