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。

具有不确定控制增益严格反馈系统的自适应命令滤波控制

针对一类具有不确定控制增益的严格反馈系统,提出一种基于命令滤波反推技术的自适应神经网络控制方法.该方法采用神经网络对系统中的未知非线性函数进行逼近,并引入命令滤波反推技术克服“计算膨胀”的问题.与现有的命令滤波反推控制文献相比,本文通过构造自适应误差补偿系统,同时消除滤波器产生的边界层误差和不确定控制增益对系统性能造成的影响.仿真结果验证了所提控制方法的有效性.

自适应滤波算法在可视对讲系统中应用的研究

随着生活智能化程度的不断加深,社区与住宅区的安全也越来越被摆在重要的位置。在可视对讲系统中,对讲是系统的核心,通话的质量决定了对讲的效果。在对传统自适应滤波算法进行全面分析的基础上,针对回声严重影响对讲质量的问题,提出一种改进归一化最小均方算法。研究结果表明,改进归一化最小均方算法可以很好地消除可视对讲产生的回声噪音,显著改善可视对讲系统的对讲质量。

基于LMS自适应滤波算法的电力变压器有源降噪系统

为了有效抑制电力变压器产生的高分贝低频噪声,针对变压器有源降噪系统开展了相关研究。结合实验条件,在分析变压器噪声时域及频域特点的基础上,合理选择了有源降噪系统类型。通过仿真和理论分析了收敛系数、滤波阶数以及系统采样频率对有源降噪系统采用的LMS自适应滤波算法收敛性、稳定性以及降噪效果的影响。搭建了变压器噪声在线监测及有源降噪软件控制平台,并针对变压器噪声特点合理选择了硬件系统设备。结果表明,在变压器噪声有源降噪实验中,噪声低频区域降噪效果显著,在误差传声器处取得了5-10 d B的降噪效果,平均声能量密度下降了68.38%-90%,验证了LMS算法的有效降噪性,以及所构建的有源降噪系统对变压器噪声在线监测与抑制的可靠性。

基于U-滤波LMS算法的自适应逆控制系统

根据对IIR算法的快速收敛性考虑 ,采用了基于U -滤波LMS算法的IIR控制器。并且与传统的FIR结构的X -滤波LMS算法的自适应逆控制器作了比较 ,在相同条件下 ,U -滤波LMS算法的控制系统大大减少了计算量 ,快速性得到了提高 ,并且权值的失调较小 ,对于参考模型的输出具有非常优良的跟踪性能。

应用LMS自适应滤波器实现直接序列扩频系统伪码同步

在直扩系统中,伪随机序列的同步必须在数据解调判决前完成。介绍了一种新型的同步方法,这种方法利用LMS自适应滤波器来检测收发端的码延迟,具有比传统的相关检测更优良的性能。更重要的是,这种方法根据稳定后的滤波器工作特性,可直接实现PN码的跟踪,不需要额外电路。

基于改进的ε-滤波LMS算法的一种自适应逆控制系统

针对导弹在包线内飞行时,要求其自动驾驶仪对于飞行速度和飞行高度的变化表现出良好的一致跟踪性能,文中采用自适应逆控制(Adaptive Inverse Control)结构设计了某型自动驾驶仪的过载通道,以使自动驾驶仪的输出过载正确地跟踪指令输入。基于ε-滤波的 LMS(Least Mean Square)算法被证明是一种稳定、有效的高速自适应过程,在自适应控制系统中得到了广泛的应用。文中针对基于ε-滤波的 LMS 算法的自适应逆控制系统中,需要进行对象模型及其逆模型的建模问题,提出了一种近似建模方法,简化了系统设计。仿真结果表明,这种基于改进的ε-滤波的 LMS 算法的导弹自动驾驶仪自适应逆控制系统能够很好地跟踪指令输入,并不受飞行速度和飞行高度变化的影响,表明了其在导弹飞行包线内实施控制的有效性。

阻尼器测试试验台的新变步长LMS自适应滤波器设计

【目的】提升阻尼器测试试验台的控制品质,进而得到更好的被测阻尼器参数曲线,需要对试验台反馈数据进行滤波提取。【方法】课题组通过对传统LMS自适应滤波器的研究,针对其步长选值问题,提出了一种基于麻雀搜索算法(Sparrow Search Algorithm,SSA)的变步长LMS算法,进而进行了新变步长LMS自适应滤波器设计。并通过Tent混沌映射优化了SSA算法在LMS自适应滤波器中的使用,加强了该算法的跟踪和收敛能力。【结果】仿真结果表明,优化后的算法较优化前误差总值下降约75.72%,优化效果较为显著。同时,相较于其他文献中的LMS自适应滤波算法,本设计中的算法能在快速收敛的同时保持较低的稳态误差,误差总值下降约35.17%。【结论】经过Tent混沌映射所得出的SSA算法初始种群能够提高LMS算法的跟踪能力、收敛速度和稳态精度。课题组设计的滤波器表现良好,具有较强的跟踪能力和稳态精度在低范围的保持能力,为阻尼器测试试验台性能优化和反馈数据的滤波提取提供了新的思路和方案。

基于自适应插值强跟踪扩展卡尔曼滤波的电力系统动态状态估计研究

针对扩展卡尔曼滤波(extended Kalman filter,EKF)算法在电力系统状态估计时存在鲁棒性差,精度被非线性系统的非线性程度制约大等缺点,提出一种自适应插值强跟踪扩展卡尔曼滤波(adaptive interpolation strong tracking extended Kalman filter,AISTEKF)算法,用于电力系统的动态状态估计。新算法利用自适应插值在两个连续采样点之间增加伪量测值,减小了EKF的线性化误差,有效提高了算法估计的精度;此外,该方法在EKF算法基础上引入强跟踪理论,增强了算法估计的鲁棒性。为验证所提出方法的有效性,分别运用EKF算法、自适应插值扩展卡尔曼滤波(adaptive interpolation extended Kalman filter,AIEKF)算法和AISTEKF算法对IEEE-5节点系统和IEEE-30节点系统进行动态状态估计。实验结果表明,与EKF和AIEKF算法相比,无论在高斯噪声环境下还是3种有偏噪声环境下,AISTEKF算法的电压幅值估计精度和电压相角估计精度都有显著性提高。所提出的新算法是一种鲁棒性好且估计精度高的电力系统状态估计方法。

基于自适应模型预测的物伞系统速度跟踪控制

针对空投易碎易爆物品无速度跟踪及速度波动大的问题,提出自适应模型预测控制(model predictive control,MPC)方法对物伞系统速度进行控制跟踪。以线性离散化物伞系统动力学模型为基础,通过迭代法构建速度跟踪预测模型,依据实际需求设计目标函数及约束条件,在自适应MPC控制器内进行优化求解;引入卡尔曼滤波作为状态估计器,让系统具备对自身状态量变化的感知,提供估计状态量给控制器,实现系统整体反馈校正。开展无风条件和有风条件下自适应MPC控制的物伞系统速度跟踪性能研究,结果表明,此控制方法能够实现对期望速度的良好跟踪;在随机扰动下进行物伞系统速度跟踪控制鲁棒性研究,对比分析了自适应MPC方法和PID控制方法的速度跟踪性能,结果表明,自适应MPC控制的物伞系统速度振荡小于PID控制,其具有较强的抗非线性扰动能力,为实现物伞系统速度控制提供了新方法。

基于X-滤波DCT/LMS算法的自适应逆消噪系统研究

针对挖掘机和装载机等重型工程机械作业时发动机及液压泵振动产生的司机耳边强噪声 ,提出了一种基于自适应逆控制的消除方法。利用X -滤波DCT LMS算法构造控制器 ,使之驱动驾驶室内扬声器的输出声波具有与传播到驾驶室内的噪声相同的频率和振幅 ,且处于反相。当两声波相遇时 ,由于破坏性干扰作用 ,它们相互部分抵消 。

基于镜像修正FxLMS控制算法的船舶管路振动主动控制

针对船舶管路减振和抗冲击的需求,本文根据镜像修正自适应滤波算法,设计出了一种管路振动主动控制策略,能够有效地控制管路在低频下的振动,并且在次级通道发生突变时,控制系统可再次快速收敛,进行稳定控制。本文先对镜像修正自适应滤波算法进行理论研究,分析算法的迭代及控制过程;再通过仿真分别验证算法在不同参考信号输入下的收敛性及稳定性;最后搭建实验台架,通过试验验证算法的实际控制效果。试验结果表明:该控制策略在管路振动主动控制中能够降低15.37%的振动强度,比自适应滤波算法控制策略的控制效果好8.85%。所以镜像修正自适应滤波算法能够及时有效地进行管路振动控制。

自适应滤波器的FPGA硬件实现

采用LMS算法和FIR框架结构,对一种基于FPGA硬件的自适应滤波器系统的实现方法展开探讨。系统采用自顶向下的模块化方案设计16阶自适应滤波器。顶层文件包含两个接口、FIR滤波、误差计量和抽头系数共5个模块。系统参数前期均由MATLAB仿真验证选取最优值。硬件测试平台选用以ZYNQ-7000系列芯片为核心的开发板。加噪正弦波信号经系统滤波处理后通过示波器观测,显示去噪效果良好,且通过逻辑分析仪抓取的结果与MATLAB理论仿真结果符合度较好。系统可以封装成一个自适应反复调用的功放IP核,适用于音频、图像、视频等信号滤波处理领域,具有一定的工程应用价值。

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。

LMS自适应滤波器在雁淮特高压直流工程交流滤波器保护系统中的应用研究

以雁淮直流输电工程交流滤波器保护系统的不平衡电流校正为研究对象,介绍了C1高压电容器组的结构和不平衡保护的原理。阐明了不平衡电流校正的重要性和意义,指出传统方法所使用的初始不平衡电流不充分考虑其相位和幅值的波动,将其作为恒定值是不合理的。针对初始不平衡电流的随机性,介绍了LMS自适应滤波器的原理和特性,并将其在HCM3000平台中进行了实现。研究并给出了滤波器关键参数,阐述了在具体工程应用中的使用方法。工程数据验证了设计的合理性和性能的优越性。

基于Sage-Husa自适应滤波的快速系统级标定方法

为提高捷联惯导系统级标定算法的滤波收敛速度,提出一种Sage-Husa自适应滤波快速系统级标定方法。分析Kalman滤波的噪声参数,对量测噪声方差阵进行自适应辨识。采用六位置静态标定方案,在满足滤波可观测性的前提下,设计中间参数对滤波模型进行降维处理,降维后的模型能够更好地适用于Sage-Husa自适应滤波。实验结果表明:与常规Kalman滤波系统级标定方法相比,2种滤波方法均能标定出所有IMU误差参数,且标定的相对误差均小于0.6%,但标定时间由5 min缩短至6 s,提高了捷联惯导系统级标定的速度。

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.

基于小波变换和LMS自适应滤波器的单相接地选线方法

综合应用小波变换理论和最小均方误差(LMS)自适应滤波器技术,提出了一种小电流接地系统单相接地故障选线方法。该方法对故障发生后的零序电流信号进行小波变换,通过LMS自适应滤波器对小波系数进行滤波去噪,利用去噪后的信息进行选线。该方法能有效地从被噪声干扰的信号中得到有用的信息,克服了故障信号信噪比低的缺点,并能够充分利用故障信息连续判断。应用现场故障录波数据对该方法进行了验证,结果表明该方法能够满足实用要求。

一种新的变步长LMS自适应滤波算法

传统LMS算法的优点是计算简单、易于实现，缺点是收敛速度慢，如果为加快收敛速度而增大步长因子μ，则会导致大的稳态误差，甚至引起算法发散。固定步长因子无法解决收敛速度和稳态误差之间的矛盾。本文通过建立步长因子μ与误差信号之间的非线性函数关系，得出一种新的变步长自适应滤波算法（SVSLMS）。理论分析和计算机仿真结果表明该算法的性能优于传统的LMS算法和NLMS算法。即在计算量增加不多的前提下，能同时获得较快的收敛、跟踪速度和较小的稳态误差。