一种变步长因子及变动量因子的自适应算法

作为对动量ＬＭＳ算法的补充和改进，提出了一种带有变步长和变动量因子的自适应算法。该算法将传统的动量ＬＭＳ算法中的常量步长调节因子与常系数的动量调节因子均改变成随机变量，从而为自适应滤波器提供了更好的收敛特性。计算机模拟的结果表明，给出的算法在平滑随机扰动和加快收敛速度方面起到了一定的作用。

一种自适应滤波中步长因子调节的算法

本文在研究时变信道的自适应匹配中,采用了多途信道的横向滤波器模型(MA模型),为求滤波器权系数应用的是最小均方误差滤波方法。在最小均方误差滤波中无论是采用最徒下降法(Steepst Descent Method),还是最小均方算法(LMS Algorithm),在叠代方程中都要引入步长因子μ.以往对μ的取值只推导出一个范围0<μ<1/λ_(max),λ_(max)为采集信号自相关矩阵的最大本征值,且在叠代过程中是一个常数。但究竞取多大值?取小了自适应叠代方程收敛慢,取大了误差能量函数产生振荡,甚至发散。为寻找一种快速收敛的自适应滤波方法,以适应信道的时变特性时发现,对叠代步长因子μ作自适应调节,会使收敛速度有明显提高。

最优步长因子法在电力系统状态估计算法中的应用

本文提出了使用最优步长因子法解决电力系统状态估计算法的收敛性及收敛速度问题。

最优步长因子法在桁架结构尺寸优化方面的应用

针对桁架结构尺寸优化的特性,依据原约束优化问题的对偶函数关于KKT乘子的一阶偏导数确定乘子的寻优方向;依据对偶函数的极值必要条件和约束优化问题的KKT条件,推导乘子迭代的最优步长因子;依据广义Lagrange函数关于各杆横截面积一阶偏导数应为零的极值必要条件,推导出求解该非线性方程组的优化迭代求解式及其步长因子;通过2种不同约束条件的10杆桁架结构尺寸优化算例验证了本文方法可自动确定各迭代求解式中的步长因子;与已有文献采用序列二次规划法的算例相比,本文方法无需采用一维搜索法寻找步长因子,可大幅度减少计算时间。

BP网络的自适应步长因子算法

利用灰色理论的关联度方法，提出了ＢＰ网络的自适应步长因子算法，加快了ＢＰ网络的学习速度。最后以异或问题为例说明了该算法的正确性和可靠性。

基于步长因子改进的导重法求解拓扑优化问题

结合固体各向同性惩罚微结构模型SIMP(Solid Isotropic Microstructures with Penalization),将导重法用于求解拓扑优化问题。针对导重法迭代公式中步长因子的取值问题,提出两种变步长因子的控制策略,以结构最优性指标为参考,自动确定每步迭代的步长因子。同时引入密度补偿方法,以结构最优性指标为依据自动判断加入密度补偿的时机。利用经典拓扑优化算例,验证两种步长因子控制策略的优越性;通过细长梁算例,比较优化准则法OC(Optimality Criteria)和导重法的差异,分析对比两种步长因子控制策略施加密度补偿方法前后的计算结果。研究结果表明,两种步长因子控制策略能够取得更优解,有效提升求解效率;对于细长梁的拓扑优化问题,导重法求得的解较OC算法更具有全局性,优化效果更佳;密度补偿方法可进一步提升导重法的求解效率。

步长因子对最小均方误差自适应滤波效果影响的研究

自适应滤波器凭借其优越的性能,在微电子、自控、信号处理等诸多领域逐渐得到广泛应用。介绍了自适应滤波原理、自适应滤波算法,论述了步长因子对最小均方误差(LMS)自适应滤波效果的影响,借助MATLAB Simulink对被随机干扰的周期信号进行仿真研究,分析了步长因子对LMS算法收敛速度、滤波过程及输出信号稳态失调的影响。

基于变步长因子的改进LMS算法

自适应滤波在生活中有非常广泛的应用,对于未知信号的滤波效果非常显著,本文主要对常规的LMS自适应滤波算法进行改进。常规的LMS算法由于步长因子是固定的,不能同时满足滤波的收敛速度、稳态误差和初始噪声的有效滤除等性能要求。针对上述问题,本文提出了一种改进型LMS算法,改进型LMS算法是通过提出误差因子这一概念,利用误差因子与误差函数的非线性关系构建相关修正函数,将误差因子规范在一个较小的范围内,通过误差因子的变化去对步长因子进行进一步的修正,从而实现更快的收敛速度、更小的稳态误差与更强的抗干扰能力。

基于对称非线性函数的变步长LMS自适应滤波算法

为解决自适应最小均方误差(least mean squares,LMS)滤波算法难以平衡稳态误差和收敛速度的问题,提出了基于对称非线性函数的变步长LMS自适应滤波算法。通过自变量取绝对值、叠加非线性拉伸量改进Sig-moid函数,构造一个对称非线性函数用于刻画步长因子与稳态误差的非线性关系。该对称非线性函数具有能够根据误差动态调整步长、更快达到收敛状态的特点。根据构造的对称非线性函数和输入信号功率生成归一化变步长因子,解决噪声逐级放大的问题,进一步提高算法的滤波效果同时,加速收敛。实验表明:该算法在低信噪比、信噪比变化、信号频率变化、滤波器阶数变化、延迟采样点数变化条件下均具有更好的滤波效果、更优的稳定性和更快的收敛速度。

一种新型变步长LMS自适应滤波算法及性能分析

针对现有LMS算法不能同时提高收敛速度及降低稳态误差的矛盾。提出一种在步长参数u(n)与误差e(n)之间建立了一种分段线性函数关系。该关系具有在误差e(n)接近零处缓慢变化的优点,克服了一些变步长LMS算法在自适应稳态阶段u(n)取值偏大的缺陷。实验证明,本算法具有计算量小,抗干扰能力强,性能可以明显改善等优点。

基于箕舌线的变步长LMS自适应算法

通过建立步长因子μ与误差信号 e之间的非线性关系 ,提出一种新的基于箕舌线的变步长 LMS算法 ,并将其应用于通信降噪。该算法除了具有传统固定步长 LMS算法计算量小、稳定性较好、简单、易于实时处理等优点外 ,计算机仿真结果表明 ,其收敛速度、稳定性以及跟踪速度优于 SVSLMS算法和 NLMS算法 ,且不需进行指数运算 ,计算复杂度低于 SVSLMS算法 ,用于通信降噪取得了较好的效果。

一种基于Lorentzian函数的变步长LMS自适应滤波算法

为了改善传统的LMS类算法存在的缺点,提高算法的收敛速度和跟踪性能,提出了一种基于Lorentzian函数的变步长LMS自适应滤波算法。该算法采用Lorentzian函数来建立估计误差e(n)和步长因子μ(n)之间的非线性关系,以达到提高收敛速度和改善跟踪性能的目的。计算机仿真表明,该算法与其他LMS类自适应滤波算法相比,在收敛速度和跟踪性能上都有较大的提升。

改进萤火虫算法的武器目标分配问题研究

武器目标分配(WTA)是指挥控制和任务规划领域的关键问题之一,萤火虫算法求解武器目标分配问题具有参数设置简单、执行效率高等优点。针对传统萤火虫算法易陷入局部极值,收敛速度和精度不高的弊端,从以下三个方面进行改进:初始化萤火虫序列编码时融入PWLCM混沌优化以提高全局搜索能力;设置受迭代次数控制的服从半高斯分布的非均匀步长因子以兼顾算法的搜索能力和收敛性;设计基于排序的萤火虫更新策略同时融入交叉变异操作以提高算法的效率和准确性。为验证改进算法的先进性,先利用其求解4种典型测试函数的最优解,再求解WTA问题,并与传统萤火虫算法进行对比,仿真实验结果表明,改进后算法的评价函数值提高了2.1%,迭代次数减少了52.9%,改善了传统算法易陷入局部极值的缺点,提高了收敛速度和精度,提升了武器目标分配的效果。

具有动态步长和发现概率的布谷鸟搜索算法

为了进一步改善算法搜索过程中存在的求解精度偏低、收敛速度缓慢等现象,提出具有动态步长和发现概率的布谷鸟搜索算法。该算法通过引入步长调整因子动态约束每一代种群的莱维移动步长,使算法的莱维飞行机制具有自适应性。在发现概率上,使用具有均匀分布和F分布特性的随机惯性权重,改变发现概率的固定取值,加强种群的多样性,保持算法全局搜索、局部探索之间的平衡状态。通过实验证明,所提算法具有良好的可行性,其寻优结果、收敛速度均有提高。

多维优化问题的一个自适应两点步长算法

给出了克服牛顿算法缺陷的自适应两点步长的算法.利用拟牛顿性质得到包含前两个迭代点有关信息的迭代步长因子解析表达式,无论初始迭代点与最优解之间是否存在Hesse矩阵不正定点、鞍点和广义拐点,迭代点列自动快速逼近最优解,该算法具有自适应性且仍具有二阶收敛速度;证明了算法的收敛性,并给出了算例,利用Mathematics数学软件验证了算法的有效性.

变步长约束总体最小二乘空间配准算法

为了解决雷达组网中误差配准异常导致定位结果不准确这一问题,提出了一种变步长约束总体最小二乘法算法。该算法通过建立步长因子与步数之间的非线性函数关系,使得算法在初始阶段具有步长较大而稳态时步长较小的特点,因此能同时获得较快的收敛速度和较小的稳态误差,减少了收敛步数,提高了收敛后的稳定性,从而降低了异常误差配准对定位精度的影响,使定位结果更加准确。理论推导与仿真结果表明,变步长约束总体最小二乘算法优于约束总体最小二乘算法,进一步验证了该算法的有效性。

时变步长自适应均衡算法的设计与仿真

研究了自适应均衡算法中步长因子对算法性能的影响。步长因子大,算法收敛速度和跟踪速度快,但收敛后稳态剩余误差大;步长小,算法收敛速度和跟踪速度慢,收敛后稳态剩余误差小。因此,采用固定步长时,算法在收敛速度和收敛精度方面对步长的要求是相互矛盾的。因此本文采用均方误差的Sigmoid函数和误差信号的非线性函数作为步长控制因子,得到了几种改进算法,经计算机仿真表明,改进算法收敛速度加快,稳态剩余误差减小。

一种新型的迭代变步长LMS算法及性能分析

为解决现有固定步长和变步长类最小均方(Least Mean Square,LMS)算法在跟踪时变系统中存在的收敛速度慢、稳态失调误差较大的缺陷,提出了一种基于S-L(Sigmoid-Logistic)函数的迭代变步长LMS算法.首先,采用Sigmoid二次型函数构建步长因子的动态调整规则,实现不同误差情况下的自适应稳态调谐;然后通过Logistic函数建立误差信号与迭代时间的联合非线性函数,作为步长因子的控制前端输入信号,从而能够兼顾稳态误差与迭代时间对步长因子的修正作用.仿真结果表明,该方法能够在快速收敛情况下获得较小的稳态失调误差,对未知、时变系统表现出了较快的收敛速度和跟踪精度.

变压器噪声控制研究

针对变压器噪声控制问题,提出一种改进有源噪声控制算法。该算法在步长因子中同时引入输入信号的平方欧式范数和双曲正切函数特性的误差信号两个因素,进行步长因子调控,该方法能很好地应对输入噪声能量变化较大的情况,使算法在变压器噪声控制中既能获得较快的降噪速度又能获得较高的降噪量。通过与不同算法进行比较仿真,由分析可知,改进算法对变压器噪声的降噪效果要优于其他算法。

基于双曲正弦函数的新变步长LMS算法

对自适应最小均方误差(LMS)滤波算法的步长选取问题进行了研究.在分析现有变步长LMS算法的基础上,通过对双曲正弦函数进行数学变化,构造步长因子u(n)与误差信号e(n)的函数,提出了一种基于双曲正弦函数的新变步长LMS算法,分析了参数a、b、c的选取对该算法性能的影响.仿真结果表明:该算法在收敛速度和稳态误差方面明显优于固定步长LMS算法及SVS-LMS算法.