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)...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。展开更多
短波通信原理简单,已广泛应用于大型无线通信系统。但在实际应用中,很多因素会影响短波通信,造成数据干扰,因此应采取有效的控制措施。基于此,分析短波通信的基本内容与主要特点,并在剖析短波通信干扰的基础上,分别从短波通信信号特征...短波通信原理简单,已广泛应用于大型无线通信系统。但在实际应用中,很多因素会影响短波通信,造成数据干扰,因此应采取有效的控制措施。基于此,分析短波通信的基本内容与主要特点,并在剖析短波通信干扰的基础上,分别从短波通信信号特征提取、干扰数据识别、数据干扰控制及实验测试4个方面,探讨基于最小均方(Least Mean Square,LMS)的短波通信数据干扰控制技术。展开更多
A Matrix Inversion Normalized Least Mean Square (MI-NLMS) adaptive beamforming algorithm was developed for smart antenna application. The MI-NLMS which combined the individual good aspects of Sample Matrix Inversion (...A Matrix Inversion Normalized Least Mean Square (MI-NLMS) adaptive beamforming algorithm was developed for smart antenna application. The MI-NLMS which combined the individual good aspects of Sample Matrix Inversion (SMI) and the Normalized Least Mean Square (NLMS) algorithms is described. Simulation results showed that the less complexity MI-NLMS yields 15 dB improvements in interference suppression and 5 dB gain enhancement over LMS algorithm, converges from the initial iteration and achieves 24% BER improvements at cochannel interference equal to 5. For the case of 4-element uniform linear array antenna, MI-NLMS achieved 76% BER reduction over LMS algorithm.展开更多
文摘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。
文摘短波通信原理简单,已广泛应用于大型无线通信系统。但在实际应用中,很多因素会影响短波通信,造成数据干扰,因此应采取有效的控制措施。基于此,分析短波通信的基本内容与主要特点,并在剖析短波通信干扰的基础上,分别从短波通信信号特征提取、干扰数据识别、数据干扰控制及实验测试4个方面,探讨基于最小均方(Least Mean Square,LMS)的短波通信数据干扰控制技术。
基金Project supported by the IRPA Secretariat, Ministry of Science,Technology and Environment of Malaysia (No. 04-02-02-0029) andthe Zamalah Scheme
文摘A Matrix Inversion Normalized Least Mean Square (MI-NLMS) adaptive beamforming algorithm was developed for smart antenna application. The MI-NLMS which combined the individual good aspects of Sample Matrix Inversion (SMI) and the Normalized Least Mean Square (NLMS) algorithms is described. Simulation results showed that the less complexity MI-NLMS yields 15 dB improvements in interference suppression and 5 dB gain enhancement over LMS algorithm, converges from the initial iteration and achieves 24% BER improvements at cochannel interference equal to 5. For the case of 4-element uniform linear array antenna, MI-NLMS achieved 76% BER reduction over LMS algorithm.