递推最小二乘RLS(Recursive of Least Square)算法是自适应滤波算法中的精确分析算法。它具有收敛速率快,精确度高等特点,但是发现目前RLS算法多用于对一维信号的去噪处理。使用递推最小二乘(RLS)算法对二维图像进行去噪,从处理一维信...递推最小二乘RLS(Recursive of Least Square)算法是自适应滤波算法中的精确分析算法。它具有收敛速率快,精确度高等特点,但是发现目前RLS算法多用于对一维信号的去噪处理。使用递推最小二乘(RLS)算法对二维图像进行去噪,从处理一维信号变成处理二维图像信号,需要对RLS算法进行改进。先迭代得到滤波器参数,形成3×3滤波掩模,再改进算法对图像进行滤波;同时与常数比率维纳滤波和自相关函数的维纳滤波算法的去噪效果进行对比。结论证明在对图像进行较严重的模糊和加噪处理后,其他两种算法对图像的还原能力差,而递推最小二乘自适应滤波(RLS)算法具有优良的图像去噪性能。展开更多
电池状态的准确在线估计是锂离子电池储能系统安全、可靠和高效运行的重要支撑,精确电池模型是实现上述估计的前提。然而,锂电池复杂的电化学反应过程使电池模型参数可能随荷电状态(State of Charge,SOC)、温度及运行工况改变而变化,传...电池状态的准确在线估计是锂离子电池储能系统安全、可靠和高效运行的重要支撑,精确电池模型是实现上述估计的前提。然而,锂电池复杂的电化学反应过程使电池模型参数可能随荷电状态(State of Charge,SOC)、温度及运行工况改变而变化,传统的离线识别方法难以保证模型精度和适应性。提出一种基于递推最小二乘法(Recursive Least Squares,RLS)的在线参数识别方法,该方法能够自动适应电池SOC、温度及运行条件变化,拟合计算出最佳模型参数,进而保证模型精度。研究不同电池类型下等值模型结构对建模精度的影响,并通过混合脉冲功率性能测试试验,验证了方法有效性。算例分析结果表明:基于RLS的在线参数识别方法能够实时修正电池模型参数,提高电池模型建模精度;对于磷酸铁锂电池,采用二阶RC模型可比一阶RC模型获得更高的建模精度。展开更多
文摘递推最小二乘RLS(Recursive of Least Square)算法是自适应滤波算法中的精确分析算法。它具有收敛速率快,精确度高等特点,但是发现目前RLS算法多用于对一维信号的去噪处理。使用递推最小二乘(RLS)算法对二维图像进行去噪,从处理一维信号变成处理二维图像信号,需要对RLS算法进行改进。先迭代得到滤波器参数,形成3×3滤波掩模,再改进算法对图像进行滤波;同时与常数比率维纳滤波和自相关函数的维纳滤波算法的去噪效果进行对比。结论证明在对图像进行较严重的模糊和加噪处理后,其他两种算法对图像的还原能力差,而递推最小二乘自适应滤波(RLS)算法具有优良的图像去噪性能。
文摘电池状态的准确在线估计是锂离子电池储能系统安全、可靠和高效运行的重要支撑,精确电池模型是实现上述估计的前提。然而,锂电池复杂的电化学反应过程使电池模型参数可能随荷电状态(State of Charge,SOC)、温度及运行工况改变而变化,传统的离线识别方法难以保证模型精度和适应性。提出一种基于递推最小二乘法(Recursive Least Squares,RLS)的在线参数识别方法,该方法能够自动适应电池SOC、温度及运行条件变化,拟合计算出最佳模型参数,进而保证模型精度。研究不同电池类型下等值模型结构对建模精度的影响,并通过混合脉冲功率性能测试试验,验证了方法有效性。算例分析结果表明:基于RLS的在线参数识别方法能够实时修正电池模型参数,提高电池模型建模精度;对于磷酸铁锂电池,采用二阶RC模型可比一阶RC模型获得更高的建模精度。