递归最小二乘格型滤波联合估计过程性能分析

联合估计过程有2种模式,分为总体误差更新及阶误差递归更新方式。经过格型结构滤波后,提取其中产生的后向预测误差序列作为联合估计的输入信号。通过对系统辨识问题的仿真分析,得出以下结论:如果不需要严格关注滤波模型本身噪声所带来的测量误差,从实用性的角度考虑,在总体误差更新模型中采用递归最小二乘格型联合估计处理方式(RLSLJE)性能较好,其收敛效果较为理想。

一般联合均值与方差模型的T型估计与最小一、二乘估计

假定一、二阶矩存在的条件下,文章研究了一般联合均值与方差模型的T型估计与最小一、二乘估计,通过模拟比较了T型估计与最小二乘估计两种估计方法,模拟和实例研究结果表明对该模型参数的两种估计方法是有用和有效的,尤其是T型估计更能表现出在参数估计中的优越性。

基于格型递归最小二乘算法的船舶运动极短期预报

在最小二乘方法(RLS,recursive least square)的基础上,提出利用格型递归最小二乘(LRLS,lattice recursiveleast square)算法对AR模型参数进行自适应估计。该算法为模块式的多极格型结构,降低了一般RLS算法的计算复杂度。利用实测的动态数据结合AIC准则建立自适应AR预报模型,并将该模型应用于船舶运动预报中,仿真结果表明,相对于最小二乘算法,基于LRLS算法的AR预报模型可有效提高船舶运动预报精度。

利用格型递归最小二乘滤波器组的高光谱图像压缩

自适应递归最小二乘滤波器具有预测准确、收敛速度快的特点,该滤波器被多种高光谱图像无损压缩方案作为重要组成部分。然而传统递归最小二乘滤波器无法快速找到每个谱带的最优预测长度,其压缩方案的性能有待提升。针对该问题,本文提出基于格型递归最小二乘滤波器组的高光谱图像压缩方案。首先,该方案使用单边高斯预测器对待测像素点做谱带内预测,去除图像的空间相关性。其次,采用格型滤波器组筛选出每个谱带的最优滤波器,获得预测误差。并根据格型滤波器组链式序列更新的特点,简化最优滤波器的筛选过程,大幅度降低计算复杂度。最后对预测误差做算术编码。以AVIRIS 2006高光谱图像为测试数据集,本文算法对16位校准图像、16位未校准图像的平均压缩结果分别为3.34 bits/pixel和5.61 bits/pixel。该算法在获得良好压缩结果的情况下,计算时间低于同类别的其余算法。

QR分解的最小二乘格型自适应滤波算法在噪声主动控制中的应用

在噪声主动控制系统中,滤波-x递归最小二乘(FxRLS)算法收敛速度快但计算量大。基于此,提出了格型联合估计滤波器结构与基于QR分解的最小二乘格型(QRD-LSL)自适应滤波算法相结合的噪声控制方法,该方法对联合估计过程进行了改进并得到了基于各阶估计误差的联合过程估计权系数更新关系,格型联合估计器结构简单,QRD-LSL自适应滤波算法数值稳定性好。仿真结果表明提出的噪声控制方法有良好的噪声控制效果,收敛速度快,计算量小,稳态误差小,跟踪性能好。

应用于自适应格型RLS滤波器的变阶数算法

提出了一种新的变阶数(或抽头长度)算法,并将之应用于变阶数自适应格型递归最小二乘(RLS)滤波器的阶数更新中,讨论了格型滤波器阶数更新时相关参数的调整方法。新算法以分贝的形式比较短滤波器与长滤波器的时平均平方误差,采用自适应的抽头长度步长,能够在滤波器权值未收敛时同时快速更新滤波器长度与权值,且在不同大小噪声条件下都能收敛到最优阶数。理论分析与不同大小噪声条件下的自适应系统辨识仿真结果验证了新算法的有效性。

多信道自适应格型算法及在信道均衡中的应用

讨论了基于最小均方准则提出的多信道自适应格型算法,这种递归算法应用在广义多信道上,被优化成一种运算复杂度为 O(pm^2)的算法。在单个参考信道(m=1)的情况下,这种算法被简化成运算复杂度为 O(p)的最小二乘格型算法(LSL)。在只有一个滤波器抽头的情况下(p=1),这种算法被简化为运算复杂度为O(m^2)卡尔曼最小二乘算法(RLS)。文中提出的广义多信道最小二乘格型算法总结了 LSL 和 RLS 算法之间明确的区别及联系,并且给出了它们在自适应均衡中应用情况的仿真。

基于QR分解的最小二乘格型自适应滤波算法的噪声主动控制方法研究

本文提出了格型联合估计滤波器结构与基于QR分解的最小二乘格型(QRD-LSL)自适应滤波算法相结合的噪声控制方法,该方法对联合估计过程进行了改进并得到了基于各阶估计误差的联合过程估计权系数更新关系,格型联合估计器结构简单,QRD-LSL自适应滤波算法数值稳定性好.采用实测信号进行仿真,仿真结果表明本文提出的噪声控制方法有良好的噪声控制效果,收敛速度快,计算量小,稳态误差小,跟踪性能好.

自适应滤波算法在板结构振动控制中的应用

以简支板为模型,运用模态分析方法推导并分析讨论结构振动主动控制的基本原理和方法。在此基础上,以时域振速为控制目标,对板进行振动控制建模,分别采用滤波-X最小均方算法(FxLMS)和格型联合估计滤波器与基于QR分解的最小二乘格型(QRD-LSL)自适应滤波算法相结合的振动控制方法来进行实时的振动主动控制。研究算法中相关参数和控制力位置对控制效果的影响,对两种自适应滤波算法的控制效果进行对比。仿真结果表明,两种算法都能有效控制板结构的振动,QRD-LSL自适应滤波算法的控制效果更优,其相对于FxLMS算法虽计算量有所增加,但收敛速度快,稳态误差小,跟踪性能好。