一种改进RLS算法及其在SINS快速对准中的应用

在传统递推最小二乘算法(RLS)中,人为设置的递推初始值将导致状态估计的有偏性,也就丧失了最优性,当量测数据次数较小时尤为严重。摒弃了传统RLS算法"新估计值=旧估计值+修正值"的递推结构,提出了借助中间量进行递推,再由中间量直接作状态估计的改进算法。改进RLS算法状态估计结果与批处理LS算法完全一致,且无需初始状态的任何信息。将改进RLS算法应用于捷联惯导系统(SINS)初始对准。对于一定的初始对准精度要求,理论上改进RLS算法所需的初始对准时间是最短的。最后,SINS初始对准数值仿真结果验证了所提算法的正确性。

基于RLS的嵌入式永磁同步电机参数辨识技术

电机参数变化影响电机控制性能,因而需要对电机参数进行在线辨识,基于嵌入式永磁同步电机在两相坐标系里的动态状态方程,通过检测电机的定子电压、电流和转子转速信号,利用递推最小二乘法算法对嵌入式永磁同步电机参数进行辨识,由于该方法所用的信号均可检测到,从而减少了其他干扰对电机参数辨识的影响,提高了参数辨识的准确性。仿真结果和实验验证了辨识方案的有效性。

一种变遗忘因子RLS算法的分析与仿真

自适应信息处理的算法中的RLS算法在信号处理等方面已经得到了大量的应用。首先简要介绍了RLS算法,然后通过对RLS算法中的遗传因子的研究与分析,提出了一种新的变遗忘因子算法,通过修正函数对遗传因子进行修正,实现了此算法的优势,最后对该算法做了仿真试验。试验证明,此算法收敛速度和跟踪效果远好于普通RLS算法,并且系统稳定,具有较强的应用价值。

一种具有快速跟踪能力的改进RLS算法研究

为了改善固定遗忘因子递推最小二乘(RLS)算法在时变系统中的跟踪性能,提出一种改进的RLS算法。改进的可变遗忘因子RLS算法,不仅克服了固定遗忘因子RLS算法中跟踪速度和参数失调的矛盾,而且避免了当参数估值趋于参数真值时,卡尔曼增益趋于零,RLS算法失去对时变系统的跟踪能力的问题。最后,在MATLAB仿真平台下,对改进的RLS算法性能进行仿真验证。仿真结果表明,改进的算法能够获得快速的跟踪能力,也具有较快的收敛速度和较小的稳态误差。

基于RLS算法的并联型APF全局积分滑模变结构控制

针对并联型有源电力滤波器(active power filter,APF)谐波检测环节的延时和谐波电流跟踪环节的鲁棒性差、跟踪精度不高的问题,建立了系统解耦后的数学模型,提出了基于递归最小二乘(recursive least squares,RLS)算法的并联型APF全局积分滑模变结构控制策略。谐波检测环节采用改进的瞬时无功功率理论的id-iq法,用RLS自适应滤波器替换传统的Butterworth低通滤波器,解决了传统的Butterworth低通滤波器因延时而导致的一个基波周期(20 ms)内检测盲区问题。谐波电流跟踪环节采用全局积分滑模变结构控制方法,引入了全局积分滑模面,运用Lyapunov稳定性理论导出的控制律兼顾了全局滑模的快速性和积分滑模的准确性。在解决了谐波检测环节延时的情况下,将全局积分滑模控制策略与传统的PI控制和滞环控制对比,仿真实验结果表明:全局积分滑模控制对指令电流具有更高的跟踪精度,且具有更低的电网侧电流总谐波畸变率(total harmonic distortion,THD)。

可变遗忘因子RLS谐波电流检测方法研究

为提高谐波检测环节的动态响应性能和精度,提出了一种基于可变遗忘因子RLS算法的谐波电流检测方法。该方法给定一种判别条件来判断负载谐波电流动态过程是否发生,根据判别结果动态地给出遗忘因子的取值,化解了常遗忘因子RLS谐波电流检测方法中稳态与动态过程对遗忘因子不同的要求所产生的矛盾,从而提高算法收敛速度。仿真和实验结果表明所提方法比传统的递归最小二乘谐波电流检测方法具有更好的收敛速度和稳态精度。

基于自适应RLS算法的鱼雷电磁引信直接耦合干扰消除

为了有效消除鱼雷电磁引信收发天线之间的直接耦合干扰,弥补传统方法的不足,提出了一种基于自适应递归最小二乘(RLS)算法的干扰消除新方法。首先分析了自适应滤波器的一般原理;其次阐述了RLS算法的滤波原理和实现流程;最后结合典型的鱼雷电磁引信过靶参数并设置不同的耦合干扰强度,在MATLAB环境中进行了算法的仿真研究。仿真结果表明,采用该方法可在直接耦合干扰的幅值是目标信号幅值的10万倍的条件下将其有效消除,是一种消除同频强背景干扰的有效方法。此外,该方法还具有自适应算法运算量小、收敛速度快和实时性数据处理等优点。

基于正交投影与多新息RLS的PMSM参数辨识

针对永磁同步电机参数辨识过程中收敛速度慢的问题,提出基于正交投影与多新息递推最小二乘相结合的算法来估计永磁同步电机参数。选择永磁同步电机四阶非线性状态空间模型的数学方程,将此模型改写为线性回归模型的形式,省略线性化过程。在仿真过程中加入噪声到电机的运行系统中,来模拟真实的电机运行环境,然后将正交投影与多新息递推最小二乘的结合算法分阶段配合应用于永磁同步电机的线性回归模型中进行参数辨识。辨识结果显示出了该结合算法的有效性。

基于RLS算法的小型无人直升机悬停自适应逆控制

为了抑制小型无人直升机在悬停控制中遇到的侧风等干扰,将自适应逆控制(AIC)理论引入其中,并针对小型无人直升机在悬停状态下的模型特性及控制器的鲁棒性设计问题,改进了自适应逆控制框图。同时,根据小型无人直升机悬停基本原理,搭建了悬停试飞平台,并利用Kane方法对小型无人直升机进行了动力学建模。在算法上采用递推最小二乘算法(RLS)对小型无人直升机进行参数辨识和控制器的设计。实验结果表明,AIC-RLS方法在消除侧风等干扰性能上优于PID控制器。室外平台悬停控制的实现证明了上述方法的有效性。

基于改进RLS算法的永磁同步电机参数辨识

永磁同步电机(permanent magnet synchronous motor,PMSM)参数的在线准确辨识是实现电机高性能控制的基础,也为系统故障诊断提供了依据。传统递推最小二乘(recursive least square,RLS)法在辨识PMSM的d轴、q轴电感参数时对系统噪声、状态变化较为敏感,动态辨识稳定性不佳。文章在建立离散化辨识模型的基础上,提出了一种改进递推RLS算法,用于d轴、q轴电感参数的在线辨识。该算法在动态辨识过程中引入电流变化率,同时改进算法中的增益矩阵K,减小d轴、q轴辨识误差对电感修正产生的耦合影响。通过一台20 kW的PMSM仿真及实验,验证了改进的辨识算法能够有效提高参数的动态辨识效果。

基于RLS的自适应滤波算法研究

为抑制谐振接地系统对地电容中的工频信号和其他谐波成分,提出了一种基于RLS算法的自适应滤波算法。该算法通过给定n-1次迭代滤波器抽头权向量最小二乘估计,依据新到达的数据计算n次迭代权向量最新估计。当滤波器输入信号变化时可保持最佳输出信号,在一定程度上补偿了滤波器元件参数变化带来的运算误差。对其滤波理论及算法进行仿真研究。结果表明:该算法提高了滤波的稳定性、快速性和精确性,优于其他自适应算法。

基于RLS算法的高频响应电流提取策略研究

为进一步提高永磁直线同步电动机无传感器转子位置的检测精度,提出采用现代滤波技术提取永磁直线同步电动机动子绕组中的高频响应电流的自适应滤波方法。在分析基于递归最小二乘算法(RLS)的自适应滤波器原理和永磁直线同步电动机的旋转高频电压信号注入法的数学模型的基础上,利用基于RLS算法的自适应滤波器的抽头权值可以根据误差的大小进行自调整的特点,将基于RLS算法的自适应滤波器与永磁直线同步电动机旋转高频电压信号注入法相结合,以提取高频响应电流。在全速条件下进行了仿真研究,频谱分析结果表明,基于RLS算法的自适应滤波器提取的高频响应电流中杂波成分比利用巴特沃斯带通滤波器提取的高频响应电流中的杂波成分少,有利于减小杂波电流的干扰,进而提高永磁直线同步电动机转子位置的检测精度。

一种新型跟踪离散1/f噪声信号递归RLS算法

给出了一个对离散1/f噪声信号进行跟踪简单修正的RLS算法。正规RLS算法或快速RLS算法在有限运算精度条件下的收敛性和失调性没有本质区别,它们在有限迭代次数后必定会导致RLS滤波器权系数发散,特别是在跟踪非平稳信号时更是如此。鉴于此,通过引入一个非线性函数对RLS滤波器输入数据的逆自相关阵予以修正。实验表明该算法具有良好的跟踪非平稳信号以及具有混沌特性的1/f噪声信号的能力,能有效降低跟踪的平均误差以及方差,且能根据输入数据的变化快速调整滤波器系数,性能比正规RLS算法好。对于跟踪fBm噪声过程如何动态调节记忆因子的问题,推导了记忆因子与输入信号的自相关矩阵特征值之间的一个关系表达式,这为采用RLS算法动态调整记忆因子来跟踪fBm过程提供了理论依据。

回声抵消的相关函数RLS算法

在自适应回声抵消领域中,传统自适应滤波算法在双方对讲情况下需停止调节滤波器系数。为克服上述缺点,在相关函数分析的基础上,为提高通信质量,提出结合时变遗忘因子和基于平方根卡尔曼滤波的递推最小二乘(Recursive LeastSquare,RLS)算法。对相关函数分析克服了双方对讲情况下需停止滤波器系数更新。同时,由于遗忘因子的时变特性,使得算法收敛速度和跟踪性能均得到了明显的改善。而平方根卡尔曼滤波方法的引入也降低了算法对计算设备精度的要求。借助标准数据进行仿真,结果表明,算法在双方对讲情况下具有良好的回声抵消效果。

基于RBF神经网络与RLS算法的均衡器

将径向基函数神经网络与横向均衡器相结合,采用递推最小二乘算法更新权值。将最小二乘误差作为代价函数以及与误差相关的变步长,使输出误差较传统的神经网络均衡器进一步减小,收敛速度得到提高。仿真结果表明,该均衡器对线性信道和非线性信道都表现出较好的性能,在较严重的非线性情况下其优越性更明显。

基于稀疏约束的DCD滑动窗RLS水声信道估计算法研究

水声信道具有稀疏性的特点,因此高精度低复杂度的稀疏信道估计算法对水声通信具有重要意义。基于自适应滤波算法的信道估计问题本质上是线性回归模型参数的求解问题,传统的最小二乘(Least Square,LS)、最小均方(Least Mean Square,LMS)及递归最小二乘(Recursive Least Squares,RLS)算法在估计稀疏信道时不仅复杂度较高,而且在求解线性回归模型时,因忽略自变量的多重共线性而使稀疏信道估计精度降低。针对上述问题,首先,在经典RLS算法的代价函数中加入信道系数的范数对其进行约束,从而提高了稀疏信道估计的精度,然后,采用滑动窗的方式对其代价函数进行处理以减少算法的计算量。在此基础上又引入二分坐标下降(Dichotomous Coordinate Descent,DCD)算法搜索单次迭代中使代价函数最小的解,进一步降低了算法的复杂度。仿真结果表明,文中所提的算法相较于经典算法在估计精度和复杂度方面具有一定的优越性。

LMS和RLS算法的研究与实现

自适应滤波算法的研究是当今自适应信号处理中最为活跃的研究课题之一。寻求收敛速度快、计算复杂性低、数值稳定性好的自适应滤波算法是研究人员不断努力追求的目标。本文介绍了目前两种典型的自适应滤波算法,即最小均方(Least Mean Square,LMS)算法和递归最小二乘(RecursiveLeast Square,RLS)算法,并对这两种典型自适应滤波算法的性能特点进行分析及仿真实现,给出了算法性能的综合评价。

RLS自适应滤波在信号消噪中的应用(英文)

针对信号中混有噪声的问题,介绍了一种基于RLS算法的自适应信号消噪系统,并阐述了自适应滤波的原理以及RLS算法的步骤与流程。通过实例仿真,得到了基于RLS算法的自适应消噪系统仿真图。经过对比分析可知,RLS自适应滤波能较好地消除噪声,获得有用信号,从而验证了该方法的有效性和系统的合理性。

基于RLS算法的阵列天线抗干扰性能研究

本文基于空域调零算法中的递推最小二乘算法,对不同阵列天线模型进行了导向矢量的建立,使用MATLAB仿真对比了4元共形阵列天线与4元平面阵列天线在同一干扰信号下的抗干扰性能。验证分析表明,共形阵列天线存在阵元间信号接收增益不一致的现象,会影响算法的抗干扰性能。相比之下,平面阵列中的加心圆阵抗干扰效果较好且算法稳定性较高,能在干扰信号方向上产生准确的"零陷"。