基于自适应变步长最小均方差算法的磁悬浮电动机自动平衡方法

针对磁悬浮高速电动机拖动系统中会存在较大的外部不平衡量问题,提出了一种基于最小均方差(Least mean square,LMS)的变步长算法实现工作转速范围内实时自动平衡方法。在自适应LMS算法抑制电流同频量的基础上,提出切换步长因子符号的控制策略实现工作转速范围内自动平衡,同时分析步长因子的选择在不同转速下实现同频电流抑制的效果。在此基础上,改进一种随转子位移信号频率变化而变化的变步长因子实现自动平衡。那么在开环系统截止频率前以及截止频率后能够实时性地让转子绕其惯性轴旋转,保证升降速过程中转子运行状况良好。试验结果表明所提出的方法能够实时并稳定实现转子工作转速范围内的自动平衡。

一种基于分布式最小均方差序贯估计的气体泄漏源定位算法

基于无线传感网络的气体泄漏源定位在环境监测、安全防护和污染控制等多个领域具有重要意义。提出一种基于分布式最小均方差(D-MMSE)序贯估计的气体泄漏源定位算法。其通过构建一个包含节点之间信息增益与网络能量消耗两方面参数的信息融合目标函数,并对目标函数寻优实现路由节点的调度与选择。所选节点在其测量值和前节点估计值并通过与邻居节点信息交互的基础上完成气体泄漏源位置参数估计量及其方差的更新与传递。为了降低网络能耗,邻居节点集的选择半径随估计量方差做动态调整。仿真分析表明所提算法对比单节点序贯估计定位算法在一定的能耗条件下可获得较高的定位精度和速度。

基于最小均方差控制律的开关磁阻电机控制系统

在建立开关磁阻电机小信号线性化模型基础之上 ,设计了基于最小均方差控制律的SRM转速、电流双闭环调速控制系统 ,与原来的SRM调速控制系统相比较 ,经过优化设计的SRM控制系统的动、静态性能有明显提高 ;实验结果验证了理论分析的正确性。

次级通道模型误差下滤波X型最小均方差算法性能的分析

分别从时域和频域对滤波X型LMS算法(即FXLMS算法)的性能进行分析,分析表明次级通道模型误差对FXLMS算法影响的大小取决于其相对误差随频率的分布,当相对误差不随频率而变化时,次级通道模型误差将不再对FXLMS算法的性能产生影响。其次证明了FXLMS算法的一个极限性质,该性质表明当滤波器的长度足够大时,次级通道模型误差对FXLMS算法没有影响,故通过提高滤波器的长度可以补偿模型误差对性能带来的负面影响。最后,给出了FXLMS算法“溢振”现象的机理。

次级通道模型误差下滤波X型最小均方差算法收敛性分析

给出了滤波Ｘ型ＬＭＳ（ＦＸＬＭＳ）算法收敛的一个充分条件，指出如果次级通道传递函数与其估计值在所有频带上满足正实条件，则ＦＸＬＭＳ算法对任意参考信号收敛。若上述正实条件仅在某些频带上满足，则ＦＸＬＭＳ算法的收敛将依赖于参考信号功率谱密度的分布。收敛步长取决于某特定相关矩阵特征值的分布。将上述结论应用于时延型ＬＭＳ（ＤＬＭＳ）算法，得出在时延估计存在误差时，ＤＬＭＳ算法收敛于若干离散的频带，而频带宽度完全取决于“对延估计误差频率”（时延估计误差倒数的１／４）。

基于线性最小均方差估计的星敏感器故障诊断

针对使用两个星敏感器进行姿态测量的三轴稳定控制系统,利用星敏感器输出值与陀螺输出值的解析冗余关系,通过设计两个滤波器实现对不同星敏感器的故障隔离.考虑到陀螺测量噪声以乘性噪声的形式出现在姿态运动学方程中,利用陀螺输出测量值和目标星敏感器的测量值,采用线性最小均方差估计器得到包含目标星敏感器故障信息的残差;以无故障情况下残差的统计方差为基础得到阈值,通过检验残差评价值是否超过相应的阈值,实现对目标星敏感器故障的检测;分别将两个星敏感器作为目标星敏感器,综合两个故障检测结果隔离故障.对星敏感器出现测量偏差和精度逐渐下降两种故障的仿真验证了该方法的有效性.

磁异常的最小均方差滤波化极

本方法是波数域磁异常化极的正则化方法，能增强化极算子的稳定性，同时压制高波数干扰。对低纬度地区及干扰严重的中低纬度地区航磁异常化极，能压制磁南北方向的条带状干扰，获得稳定结果。对含有较高噪声水平的高精度地面磁测△Ｔ异常化极，不论纬度高低，都能较大程度地压低噪声水平，得到高质量的化极结果。

基于最小均方差估计的非线性IEM模型

本文根据统计学中的最小均方差估计理论推导出非线性的ＩＥＭ（ＮＬＩＥＭ）模型公式，并综合实验数据确定了模型系数．这个模型考虑了标量场大尺度运动非均匀性，Ｒｅ数以及Ｓｃ数对混合速率的影响．最后分别利用ＮＬＩＥＭ和ＩＥＭ模型对Ｈ２／空气湍流射流扩散火焰进行了计算，与实验结果的比较表明新模型有较大的优越性．

结合最小均方差滤波和目标灰度的边缘检测

针对图像处理中对噪声去除和边界保持两方面的需要,对灰度值差异不大的目标之边缘检测算法进行了研究。首先,对最小均方差滤波器模板进行改进,并将方差最小模板对应的灰度中值作为被处理像素的新灰度值以实现图像去噪;然后,选取部分目标区域并以其灰度中值为基础设置上、下阈值实现图像分割,对分割后的图像运用Canny算子检测目标边缘;最后,运用MATLAB软件进行算法仿真。仿真结果表明:该算法不仅能在去除噪声的同时实现对目标与非目标的有效分割,还能保证目标轮廓的完整性。该算法能够对目标灰度值差异不大的图像进行去噪、分割,并获取完整的目标轮廓。

一种基于最小均方差的散斑图像配准算法的研究

一种基于最小均方差理论的散斑图像亚像素配准算法,是按线性估计理论推导目标函数的解析解,利用刚体位移模型和散斑图像仿真模型生成5组40帧长斑图像序列,分别在无噪声干扰和加性高斯噪声干扰下对算法进行实验验证。实验结果表明,在无噪声干扰下,图像序列的位移轨迹具有较好的线性度,且系统误差和随机误差较小。在不同噪声水平干扰下,当信噪比为10dB时,该算法失效;而当信噪比不低于20dB时,噪声对配准结果的影响随着信噪比的增加将逐渐减弱。

最小均方差条件和非线性IEM模型的分析

对最小均方差估计条件在构造混合模型中的应用作了进一步的讨论,证明了最小均方差条件可以代替统计矩方程作为推导混合模型的约束条件;同时得到了混合项的一个严格的展开式.作为一般情况的一个特例,重新得到了NLIEM模型.最后利用NLIEM模型计算了两个基本流场,并和IEM模型的计算结果作了比较,进一步表明了NLIEM模型的优越性.

光纤法布里-珀罗传感器幅值归一化-最小均方差联合解调算法

面向光纤法布里-珀罗传感器的腔长解调,提出一种结合幅值归一化与最小均方差的联合解调算法.采用幅值归一化实现返回光谱信号与模拟光谱信号的等幅,提高解调精度.仿真结果表明,相较于传统最小方差法,该算法的解调精度显著提升.实验结果表明,采用该算法可实现优于0.72nm的高分辨率.

最小均方差算法在智能天线非盲波束形成中的应用

智能天线是当前通信领域的研究热点之一,智能天线研究的核心内容是自适应波束形成算法。本文阐述了智能天线的基本原理,详细介绍了最小均方差算法以及它在智能天线非盲波束形成中的应用。文章以四元均匀线阵为例,利用计算机模拟仿真给出了最小均方差算法的性能分析,并讨论了实验参数对算法性能的影响。实验结果表明,天线方向图的主瓣能准确地指向目标用户的来波方向和主动抑制干扰信号;迭代步长的增大对算法的收敛速度有明显提高;而信干比的提高对于算法收敛速度的影响很小。

基于贝叶斯最小均方差的OCT图像散斑处理

对于光学相干层析图像中的散斑噪声,提出了一种基于贝叶斯的降噪算法.通过将带有噪声的成像数据放在对数空间中,从噪声的高斯分布中抽取样本,根据图像相邻像素之间的相关性,对样本内的像素赋予相应的权值,用加权直方图估计后验分布,并运用一般贝叶斯最小均方差得出图像的无噪声数据.该算法与传统的小波变换降噪和中值滤波去噪相比,在信噪比(SNR)和等效视数(ENL)方面都有明显的改善,在一定程度上提升了图像质量.

基于最小均方差预测的多队列调度EPON DBA

针对以太网无源光网络(EPON)系统中上行链路的时分复用机制,提出了一种基于最小均方差预测的多队列调度动态带宽分配(DBA)算法。仿真结果表明,该算法可以准确地预测高优先级业务的流量,根据预测结果再合理分配带宽,从根本上避免了轻载惩罚,减小了高优先级业务的延迟。

一种基于最小均方差的3D自适应预测视频编码

研究了一种基于最小均方差(LMS)的自适应预测视频编码方法。这种视频编码方法灵活可调,相比传统的混合编码方法,由于减小了方块效应和平滑作用,因而可以改善视频编码的整体质量。实验结果证明,这种视频编码的方法可以显著改善视频质量,提高功率信噪比(PSNR),对于运动物体和背景之间的对比度较大以及照度变化较大的视频序列,改善的效果尤为明显。

线性多网络融合——基于最小均方差的遗传算法方法

为了提高神经网络求解问题的性能,有必要将多个网络融合。该文提出一种多网络线性融合的方法———基于最小均方差的遗传算法方法。使用此方法能显著提高网络的性能。仿真结果证明了该方法的有效性,具有实际应用价值。

基于最小均方差拟合的QAM调制识别器

针对QAM(Quadrature Amplitude Modulation)识别中存在着识别率受信道参数和噪声影响大、低信噪比条件下识别率不高等问题,提出一种基于最小均方差拟合的识别方法。根据不同QAM调制的信号特征,找到了其对应的特征序列,推导了该特征序列的概率密度函数(pdf)和经验累积分布函数(cdf),并对其进行折叠处理,构造了基于最小均方差拟合的折叠cdf识别方法。仿真结果表明,该方法能够在瑞利信道和高斯白噪声下应用,且该方法在低信噪比下识别概率较高,能够应用于电子战,电子干扰和频谱检测等工程领域中。

约束最小二乘法

为了准确、实时地估计出有突变时载体的状态,设计一种新的方法-约束最小二乘法,并且给出了递推形式。实验仿真表明:有状态突变时该方法优于卡尔曼滤波,无状态突变时估计结果与卡尔曼滤波估计结果相当。

基于最小均方误差的认知雷达估计波形设计方法

针对认知雷达在感知目标时,目标的散射特性可能是随机分布的,且雷达刚开机往往并不具备目标的相关信息,提出了一种基于最小均方误差(MMSE)准则的认知雷达估计波形设计方法。该方法首先构造观测数据和估计子的联合矩阵,接着通过最小后验期望损失估计公式求取估计子的估计值,然后计算估计值的均方误差(MSE),最后根据最小均方误差(MMSE)准则优化波形。仿真结果表明,通过该方法优化的波形,在估计性能上相对于传统的LFM信号具有明显的优势。