基于LMS自适应滤波器的PMSM谐波抑制方法

为有效抑制电流谐波,在原有的PI控制器基础上,基于最小均方自适应滤波器(LMS-ANF)改造控制器结构,使得永磁同步电机特定次电流谐波得到抑制。通过在传统d,q坐标系矢量控制算法的基础上增加自适应滤波器模块,将采样得到的实际电流作为输入,提取、放大实际电流中的特定次谐波电流,通过PI调节器对谐波误差放大后的电流进行调节,得到控制电压,取得了良好的谐波抑制效果。通过仿真以及台架实验,证明了该控制策略对于抑制电流谐波的有效性。

最小均方自适应滤波器设计及性能影响因素分析

同步相量测量单元是全局同步时钟下实现电网中电压和电流信号同步相量、频率和频率变化率测量的仪器,但信号中通常包括大量噪声,对其应用造成较大影响。本文在数字滤波器基础上提出最小均方自适应滤波器,阐述了最小均方自适应滤波器基本原理和计算方法,通过算例分析了步长参数、滤波器阶数、信噪比变化对最小均方自适应滤波器收敛速度、系统跟踪速度和稳态误差等指标的影响,揭示了其变化规律。

基于最小均方和递归最小二乘的自适应滤波器设计

本文首先研究了自适应滤波器的基本原理、系统组成结构以及实际应用,深入分析了基于最小均方误差准则的LMS算法和基于最小二乘准则的RLS算法;分析了两种算法的优点以及缺点.其次在自适应滤波算法的基础上,对于消噪算法重点分析了结构、性能以及衡量指标.对于传统的自适应噪声抵消提出了一种自动追踪最佳滤波器参数的实现方法,经过验证,经过算法后可以有效地寻找对应噪声的自适应滤波器的最佳阶数和步长.

基于LMS自适应滤波的雷达随队干扰抵消

随队干扰是雷达对抗中常用的干扰方式,通常通过遮盖目标回波信号而使雷达失去探测能力,因此需要加以抑制。随队干扰经常是非平稳的随机信号,在此情况下,文中利用最小均方(LMS)自适应滤波器得到干扰的估计并将其从雷达接收信号中消除,从而给出了一种基于LMS自适应滤波的雷达随队干扰抵消方法。首先,建立了雷达接收信号模型,包括主阵列天线接收信号和辅助阵元接收信号;然后,给出了基于LMS自适应滤波的干扰抵消原理,它实际上将辅助阵元接收信号输入自适应滤波器得到随队干扰估计,从主阵列天线接收信号中减去此干扰估计从而实现干扰抵消,通过分析抵消器的性能发现,除了辐射干扰的目标难以探测外,编队中其他目标的信干噪比都得到了提高;最后,给出了随队干扰抵消的仿真实例,验证了上述干扰抵消方法的良好效果。

基于自适应滤波器的皮带机动态称重信号处理方法

针对目前皮带机动态称重系统的称重信号存在噪声或干扰的问题,提出了一种改进自适应噪声消除(IANC)的称重信号处理方法。建立了皮带机动态称重系统动态响应过程的数学模型。设计了结合卡尔曼和最小均方的算法(KF-LMS),提升了ANC噪声消除的性能。实验阶段,通过模拟和搭建实验平台对所提方法进行测试。结果表明,与LMS,NLMS,SLMS等算法相比,所提的KF-LMS算法在皮带机动态称重信号处理中具有良好性能,具备较高的可靠性和称重精度。实验结果验证了所提方法的有效性和实用性,该模型具有广阔的应用前景。

基于最小均方自适应滤波器的热工过程建模方法

针对热工对象的时变性特点及其在运行过程中易受到不确定性干扰的影响,提出一种基于最小均方(least mean square,LMS)自适应滤波器的热工过程建模方法。LMS滤波器以未知对象的输入和输出作为激励和期望信号,通过最速下降法得到未知对象的有限脉冲响应(finity impluse response,FIR)模型,其与差分方程或传递函数是等价的。实验仿真和某电厂实际运行数据验证了该算法的有效性。这种建模方法避免了复杂的机理分析,其抽头权值的分布可以表征热工对象的动态特性,为分析热工对象提供了一种手段。

采用最小均方算法的自适应横向滤波器

文章首先简单介绍了LMS算法和采用此算法的系统结构图,随后分别给出了MATLAB和SIMULINK的具体实现及其运行结果,最后针对迭代步长对系统性能的影响情况进行简明的讨论。结果证明,采用LMS算法得出的结果与准确值的偏差在工程上完全可以接受,并且算法容易实现。

基于最小均方算法的自适应有限长滤波器设计仿真

本文主要介绍最小均方算法的性能特点。基于最小均方算法的自适应滤波器电路结构简单且实时跟踪性能好。自适应滤波器的重要特性就在于它能够在未知环境申有效工作并能够跟踪输入信号的时变特性。理论分析和仿真结果表明，在低信噪比的前提下，自适应滤波器具有良好的信号处理性能，并对系统发生的突变表现出较强的鲁棒性。

基于特殊DA方案的DLMS自适应滤波器设计

为了提高DLMS自适应滤波器的处理速度、降低其FPGA实现时所消耗的逻辑资源,提出了一种特殊DA方案。此方案基本结构主要包含I-LUT和K-LUT两个模块,前者用于存放输入采样值的所有可能组合之和,后者用于更新该滤波器的权值并且计算其输出信号。Matlab软件仿真验证了该自适应滤波器设计的可行性和正确性,Quartus II硬件仿真证明,基于此DA方案的自适应滤波器比基于通常的MAC方案的自适应滤波器具有更高的处理速度且消耗更少的逻辑资源。

Gamma自适应滤波器及其最小均方误差训练方法

本文提出一种新的自适应滤波器——Gamma 滤波器及其基于最小均方误差准则的训练方法。首先建立了最小均方误差准则下 Gamma 滤波器的 Wiener-Hopf 方程,然后分别提出3种训练算法:(1)高斯-牛顿算法;(2)确定性梯度算法;(3)LMS算法。最后给出Gamma 滤波器在随机信号预测中的应用和仿真结果。

最小均方自适应滤波器集平均理论及实验仿真

在自适应滤波器应用中的一个重要问题是确定可调节滤波器参数最优的标准,以及利用这种标准形成实际上可行的算法。最小均方算法是现今应用最为广泛的一种线性自适应滤波算法。在变步长最小均方算法中,变步长算法的选取十分关键,它对自适应滤波器的滤波效果有重大的影响。基于最小步长理论的最小均方自适应滤波器理论,简化均方误差的计算过程,设计合适的参数使实际值与理论性逼近,验证最小步长理论的实用性,仿真结果表明实验值与理论值十分吻合,具有较强的实用性。

有源电力滤波器的动态因子LMS谐波检测方法

针对自适应谐波电流检测方法收敛速度与稳态精度需折中考虑的问题,采用单相并联有源电力滤波器(APF)作为硬件平台。基于自适应噪声对消技术,提出一种用于APF谐波检测的动态因子最小均方(LMS)算法。通过引入动量项,并利用误差信号在相邻时刻的时间均值估计来控制步长更新,极大加快了算法的收敛速度。采用动态因子项对误差再次进行调解,并对该算法进行了性能分析。仿真和APF动态模拟实验分析表明,该算法不仅具有较快的动态响应速度,而且在低信噪比情况下的稳态失调大幅减小,增强了对噪声的抗干扰性。

提高谐波电流检测性能的LMS/LMF自适应滤波器

为提高基于瞬时无功功率理论的谐波电流检测法在检测精度和收敛速度方面的性能,提出了一种新颖的最小均方(LMS)与最小四阶矩(LMF)相结合的LMS/LMF自适应滤波器算法,根据误差信号自适应地调整LMS和LMF算法在权值更新中的占比,以同时发挥LMF算法收敛速度快和LMS算法稳态精度高的优点。推导了该算法的收敛条件、时间常数和失调公式,分析得出适当减小步长可以更好地兼顾收敛速度和检测精度。仿真和试验结果表明,该算法使低通滤波器动态过程收敛更快,稳态误差更小,从而提高瞬时无功功率理论谐波检测法的性能。

鲁棒总体均方最小自适应滤波:算法与分析

本文研究了在输入输出观测数据均含有噪声的情况下如何有效地进行鲁棒自适应滤波的问题 .以总体均方误差 (TMSE)最小为准则 ,基于最速下降原理 ,通过对总体均方误差梯度进行修正 ,提出了一种鲁棒的总体均方最小自适应滤波算法 .通过与已有算法的对比分析表明 ,该算法能够有效地降低权向量的每步调整量对噪声的敏感程度 .仿真实验的结果进一步表明 ,该算法的鲁棒抗噪性能和稳态收敛精度明显地高于其它同类方法 ,而且可以使用较大的学习因子 ,在高噪声环境下仍然保持良好的收敛性 .

改进的最小均方自适应滤波算法

针对传统的固定步长最小均方(LMS)算法应用于雷达杂波自适应滤波器系统存在收敛速度与收敛精确度相矛盾的问题,提出一种新的变步长LMS自适应滤波算法。在其基础步长迭代公式中,通过组合自相关误差与前一步长因子来实时更新迭代下一步长因子的方法,达到具有较快的收敛速度和较小的失调,并且不受已经存在的不相关噪声的干扰的效果。仿真结果表明,所提方法的实验效果与传统固定步长LMS算法及已有算法相比,在收敛速率、收敛精度、抑制噪声方面都有很大的改善,证明所提算法是有效、可行的,且与理论分析一致。

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。

语音去噪LMS自适应滤波器算法的改进

对LMS自适应算法进行了详细的性能分析与讨论，针对LMS算法运算较复杂、适应性较弱、稳定性差的缺点提出了一种HLMS（混合LMS）算法。建立了自适应噪声抵消系统，利用MATILAB软件对食堂、体育馆两处的录音信号进行计算机语音去噪仿真分析。实验结果表明，两种自适应方法均能有效抑制各种噪声污染，提高语音信噪比为60％～85％．而且对引入的语音信号失真也较小，二者均在10％以下。HLMS算法比LMS算法更简洁，LMS算法调节性能敏感于参考输入的方差，而HLMS算法敏感于参考输入的均方根值，因此HLMS算法的适应性比LMS算法更强．在非平稳随机输入情况下HLMS算法更能提供稳定的工作性能，更能较好的恢复原始语音信号。

基于LMS自适应滤波器信息采集系统设计

设计并实现具有硬件滤波空气清新器的信息采集系统,根据空气的复杂性以及随机性,结合自适应滤波器的原理,提出一种新的空气信息采集系统设计方法。该方法利用最小均方(LMS)自适应滤波器进行软件滤波,针对空气信息的复杂性和随机性,增加对随机复杂信息具有预测能力的LMS自适应滤波的设计,增强系统的稳定性,提高采集信息的精度,系统具有一定的预测性和智能性。

基于X滤波最小均方算法的冲击振动自适应逆控制

针对冲击振动控制的自身特点及已有算法的缺陷,提出了冲击振动的自适应逆控制方法.该方法能够根据不同的负载特性自适应地调节逆控制器参数,在时域实现了冲击振动控制,完全克服了频域方法中低频分辨率低、易产生溢出的问题.同时,针对X滤波最小均方(LMS)算法运算量大、收敛速度慢的缺点,提出了一种快速X滤波LMS算法,运用批处理技术,使码元间的平均计算量减小.试验表明,该方法使控制精度提高了约50%,明显优于已有的控制方法.

基于LMS算法的自适应滤波器在水声信号处理中的应用

针对水下环境通常是一种时变的强噪声信道,而采用传统的滤波器难以检测到有用信号的特点,利用LMS自适应谱线增强算法,构造了自适应滤波器。通过理论分析与仿真实验对该增强器进行了研究。结果表明:该谱线增强器收敛后均方误差小,提高了增强谱线和抑制非高斯噪声的能力。