基于Adam算法的LMS优化

虽然传统的LMS算法简单有效,但它的收敛速度较慢,容易受到初始权值选择和步长设置的影响。为了解决这个问题,我们引入了Adam算法的自适应学习率特性到LMS算法中。Adam算法通过一阶矩估计(mean)和二阶矩估计(variance)来估计梯度的均值和方差,并根据这些估计值来调整学习率。这样可以对梯度下降的方向和速度进行更精细地控制。通过Adam算法对LMS优化,LMS算法在更新权重时能够更加高效地利用梯度信息,从而提高训练速度和收敛性能。此外,优化后的算法还具有一些超参数,如beta1、beta2和eps等,需要根据具体的应用场景和数据特点进行调节,以获得最佳的优化效果。仿真结果表明优化方案比传统LMS算法在收敛过程中的震荡要更小。

基于改进变步长LMS算法的谐波电流检测法

针对传统基于瞬时无功功率理论谐波电流检测中的二阶低通滤波器无法同时满足检测精度和响应时间的问题,提出了基于改进的双曲正切函数变步长LMS算法(IVSSLMS)的低通滤波器提取p轴和q轴中直流分量的方法;将两个谐波电流的间隔时间通过适当的调节采样间隔次数来延长,目的是为了达到高次谐波的自相关性能迅速降为零。从理论上分析了算法性能的优越,给出了参数的取值,并在simulink中搭建了仿真模型,仿真实验结果表明,改进后的低通滤波器直流分量的跟踪速度提升了一倍,得到基波正弦波形的THD值下降了0.37%。并得出以下结论:在同样输电条件下,采用改进变步长LMS算法构成低通滤波器加快了直流量的跟踪,提取的基波分量更加接近于理想波形,提升了谐波检测的瞬时性和准确性。

基于自适应LMS算法的跨声速风洞模型系统辨识

针对风洞试验模型系统辨识不准确的问题,利用自适应LMS(least mean square)滤波器模型对跨声速风洞模型进行系统辨识。由于实测信号中存在多模态耦合,为了提高系统辨识精准度,首先对输入输出信号作了FRF(frequency response analysis)分析得到试验模型俯仰方向前两阶模态,其次利用快速Fourier变换进行模态解耦,接着利用自适应LMS滤波器模型、传递函数模型、多项式模型对俯仰方向单模态进行系统辨识,最后得到了基于自适应LMS滤波器模型的俯仰方向一阶、二阶模态滤波器系数。通过对比不同数学模型的输出与输入之间的相关系数和均方误差及辨识结果,表明自适应LMS滤波器模型具有更高的系统辨识精准度和更简洁的数学模型结构。为后续风洞试验模型振动主动控制计算法的设计提供有力支撑。

基于Filtered-X LMS自适应算法的车削颤振控制系统设计与实验研究（英文）

基于Filtered-X LMS自适应滤波算法,设计了一种压电作动器来控制刀具与工件的切削力位移,并进行了数值仿真和实际的切削实验。研究结果表明:在相同的切削条件下,基于Filtered-X LMS自适应滤波算法控制的刀具加工精度明显优于传统刀具的加工精度,能有效的减少车刀的振动量,验证了该控制系统的有效性,对于提高车床的加工精度具有重要的意义。

基于Adagrad算法的LMS步长优化

针对LMS算法收敛速度慢、滤波误差大的问题,本文采用Adagrad算法对LMS算法进行了改进。改进的算法开始是激励收敛,然后逐渐变成惩处收敛,用此方法来改进LMS算法中收敛速度和稳态误差两者之间存在的矛盾。改进的算法在迭代步骤中使用Adagrad算法中累积误差和的方式来更新步长代替LMS算法中的固定步长,最终改进的算法具有加速收敛和同时减少稳态误差的双重效果。

求解Hankel张量方程的修正自适应LM算法

结合经典的LM算法及其变形,提出了求解Hankel张量方程的修正自适应LM算法,并证明其全局收敛性和局部二次收敛性.数值实验验证了所提算法的可行性和有效性.

A novel dynamic step size LMS optimization scheme for interference reducing in FBMC-QAM

Filter bank multicarrier quadrature amplitude modulation(FBMC-QAM)will encounter inter-ference and noise during the process of channel transmission.In order to suppress the interference in the communication system,channel equalization is carried out at the receiver.Given that the con-ventional least mean square(LMS)equilibrium algorithm usually suffer from drawbacks such as the inability to converge quickly in large step sizes and poor stability in small step sizes when searching for optimal weights,in this paper,a design scheme for adaptive equalization with dynamic step size LMS optimization is proposed,which can further improve the convergence and error stability of the algorithm by calling the Sigmoid function and introducing three new parameters to control the range of step size values,adjust the steepness of step size,and reduce steady-state errors in small step sta-ges.Theoretical analysis and simulation results demonstrate that compared with the conventional LMS algorithm and the neural network-based residual deep neural network(Res-DNN)algorithm,the adopted dynamic step size LMS optimization scheme can not only obtain faster convergence speed,but also get smaller error values in the signal recovery process,thereby achieving better bit error rate(BER)performance.

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MFXLMS算法的汽车发动机振动主动控制研究

为了降低发动机工作时引起的整车振动,提出了使用多通道滤波x-LMS(MFXLMS)算法作为主动悬置系统的控制算法。以发动机转速信号作为参考信号,主动悬置安装位置下方的两路加速度信号作为误差信号。根据算法完成试验平台搭建。采用白噪声电压信号作为输入激励,通过LMS算法离线辨识得到主动悬置到加速度传感器的多路次级通道,在dSPACE上完成实车控制试验。试验结果表明,MFXLMS算法的运用显著降低了发动机不同转速工况下引起的测点加速度响应,提高了整车的乘坐舒适性。

基于改进粒子群算法的LM神经网络模型预测爆破块度

矿岩爆破块度是对爆破效果进行定量评价的重要指标,它直接影响到矿山各后续生产工序的效率和采矿生产的总成本。在解决这类动态非线性问题时,需要考虑爆破效果与影响参数之间的复杂关系。论文提出了一种改进粒子群算法的LM(Levenberg-Marquardt,莱文贝格-马夸特)神经网络模型,通过改进粒子群算法可提高LM神经网络对缺陷属性识别的计算精度,从而实现对爆破效果的预测。通过临江冷堡子硅石矿现场爆破实验实例,验证了该神经网络模型及计算方法的可行性及实用性。

一种新的变步长LMS算法及其在语音降噪中的应用

作为一种经典的自适应滤波算法,LMS算法在语音降噪领域有着广泛的应用。为解决经典的LMS算法在步长选取时收敛速度与稳态误差无法兼顾的短板,以对数函数为原型提出了一种新的变步长LMS算法,分析了该算法模型的机理并寻找了最佳参数取值。对比测试结果证明,与现有算法相比,该算法在收敛速度与稳态误差方面均有较好的表现,将该算法应用于语音降噪,也取得了良好的降噪效果。

基于遗传LM算法的分布式电网异常负荷自动识别方法

传统分布式电网异常负荷自动识别方法直接对电网负荷数据实施分类,未进行预处理,识别错误率较高。提出基于遗传LM算法的分布式电网异常负荷自动识别方法。首先,预处理采集到的分布式电网异常负荷数据;其次,通过遗传算法生成初始种群,其中,每个个体对应一个电网负载数据、异常负荷特征的参数组合;然后,利用LM算法的局部优化特性对电网数据参数组合进行局部优化,对遗传算法进行改进,计算其适应度,得到准确的电网负荷数据异常分类结果;最后,进行电力负荷异常值的识别。结果表明,该研究方法识别错误率更低,具有实用性。

基于LM算法的继电保护装置稳定性自动化检测方法

为增强继电保护装置稳定性检测的效果,提出基于LM算法的继电保护装置稳定性自动化检测方法。该方法首先对数据进行采集,并采用局部异常因子对数据进行预处理,以提高数据质量;然后,选取Weibull分布函数作为老化失效模型的基本函数,并对其进行求导,得到相应的失效密度函数,构建继电保护装置老化失效模型;最后,利用LM算法估计该模型的关键参数,以提高检测的准确性,并将更新后的参数输入老化失效模型中,实现继电保护装置稳定性自动化检测。结果表明,所提方法检测准确性较高,且具有较高的检测效率,可有效实现对继电保护装置的稳定性检测。

联合LMS滤波和对数MMSE的语音增强改进算法

由于固定步长的存在,传统LMS算法的收敛速度与稳态误差始终处于矛盾的状态,增强后的语音存在信噪比低和失真的问题。针对上述情况,提出一种联合LMS滤波和对数MMSE的语音增强改进算法。将LMS算法分为两个迭代周期,第一个周期使用变步长的LMS算法,第二个周期使用蝙蝠算法改进的LMS算法;使用改进后的LMS算法对带噪语音做初步的增强;使用对数MMSE对语音做进一步增强,去除改进的LMS算法增强后残留的噪声并还原出纯净的语音。实验结果表明,三种不同类型噪声下,该算法在SNR和PESQ指标上相比于传统的LMS和其他算法有更好的增强效果,具有更小的稳态误差和更好的噪声抑制效果,增强后的语音质量和听感得到提升。

基于 LMS 算法的短波通信数据干扰控制技术

传统短波通信数据干扰控制技术直接对短波通信干扰数据进行识别,未进行短波通信信号特征提取,导致传统方法在抗干扰性方面表现较差。针对这一现状,提出基于LMS算法的短波通信数据干扰控制技术。在构建信道模型的基础上,对短波通信信号特征进行提取,在短波通信数据识别流程中对其进行干扰数据识别,并在LMS算法的基础上,对短波数据干扰过程中的非协调制因子进行了标准化处理,从而实现短波通信数据干扰控制。对比实验表明,该设计方法具有较强的控制干扰能力。

基于变步长凸组合LMS自适应滤波高原动态血氧检测系统设计

针对基于光电检测方法的血氧仪只能在静止状态下测试血氧饱和度(血氧)的问题,提出一种基于变步长凸组合LMS自适应滤波动态血氧检测方法。方法对原始光电描记脉搏波信号经预处理后,通过固步长与变步长LMS自适应算法组合,以三轴加速度计采集信号作为运动噪声参考信号,获得理想脉搏波信号再准确计算血氧值。在此基础上,开发了一套基于物联网的穿戴式高原血氧检测系统,经过模拟正常行走及在不同海拔条件下测试,最大误差不超过4%,验证了算法的有效性和准确性。结果显示,基于物联网的血氧监测系统对于高原旅游中高原反应的实时监测与提醒具有实际意义。

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。

一种改进的LMS自适应滤波算法

在信号采集处理中,为了更有效地将信号中的噪声剔除,对原始信号的还原程度更高。针对现如今已经存在的LMS变步长算法提出了一种改进方案,既在基于tanh函数的LMS算法的基础上,通过建模推导并引入了一个调节因子。若系统处于大误差情况下,算法能够保持较快的收敛速度,同时又保证了系统误差较小时的收敛精度,不易发生过滤波。设计完成后通过Matlab进行了多次仿真验证,结果表明,在均值为0的高斯白噪声条件下,相比于原有LMS算法,收敛速度提高了10%,滤波精度提升了5%,MES有了0.2dB的提升,所以改进后的算法也有着良好的应用前景。

Adaptive inverse control of random vibration based on the filtered-X LMS algorithm

Random vibration control is aimed at reproducing the power spectral density （PSD） at specified control points. The classical frequency-spectrum equalization algorithm needs to compute the average of the multiple frequency response functions （FRFs）, which lengthens the control loop time in the equalization process. Likewise, the feedback control algorithm has a very slow convergence rate due to the small value of the feedback gain parameter to ensure stability of the system. To overcome these limitations, an adaptive inverse control of random vibrations based on the filtered-X least mean-square （LMS） algorithm is proposed. Furthermore, according to the description and iteration characteristics of random vibration tests in the frequency domain, the frequency domain LMS algorithm is adopted to refine the inverse characteristics of the FRF instead of the traditional time domain LMS algorithm. This inverse characteristic, which is called the impedance function of the system under control, is used to update the drive PSD directly. The test results indicated that in addition to successfully avoiding the instability problem that occurs during the iteration process, the adaptive control strategy minimizes the amount of time needed to obtain a short control loop and achieve equalization.

一种变步长凸组合LMS自适应滤波算法改进及分析

为了避免单个滤波器在收敛速度与稳态误差上相互制约,从而导致系统性能降低的问题,本文采用凸组合最小均方算法(Combined Least Mean Square,CLMS),将快速滤波器和慢速滤波器并联使用,同时为进一步改善CLMS算法的性能,对已有的变步长凸组合最小均方算法(Variable Step-size Convex Combination of LMS,VSCLMS)做出改进,提出了一种新的VSCLMS算法.在该算法中,对快速滤波器选用以最小均方权值偏差(Minimization of Mean Square Weight Error,MMSWE)为准则的按步分析的变步长滤波器;对慢速滤波器采用以稳态最小均方误差(Least Mean Square,LMS)为准则的固定步长滤波器.通过理论分析与仿真实验表明,该算法能够在噪声、时变以及非平稳的环境下保持较好的随动性能,且在各个阶段均保持良好的收敛性,与传统的CLMS、VSCLMS算法相比,不仅具有更快的收敛速度,而且拥有稳定的均方性能和较优的跟踪性能,为自适应滤波算法的研究提供了一条可行途径.