柔性机械爪力控的变步长自适应滤波算法

机械爪工作中,由于电源和机械震动会导致电流有波动,将测得的电流数据通过滤波,减少电流的波动,从而让力控的准确度更高。传统的自适应算法无法满足在快速收敛的同时,实现较高鲁棒性和较小稳态误差的要求。针对上述问题,文中提出一种新的自适应滤波算法。首先,建立基于双曲正切函数的变步长模型,实现更新步长因子的动态变值,其次,将滤波器权向量差及可变因子引入更新权值迭代算法中,以达到快速收敛和减少稳态误差的目的。通过实验证明,文中算法实现了快速收敛,并具有较小的稳态误差,提高了系统的鲁棒性。

基于变步长自适应降噪核脉冲信号分析的算法优化研究

针对提高核脉冲信号信噪比这一需求,本文以小波算法为基础,创建了新的阈值函数处理方法,可以满足核脉冲信号降噪基本需求;并进一步提出了一种新的优化变步长自适应非平稳信号降噪算法EVSL,实现核脉冲信号分析。对模拟核信号与原始测量信号同步处理后,与现有算法进行指标对比,结果表明EVSL算法能兼顾收敛速度与稳态精度,有效提高信噪比、保留实际有用信息,是一种有效的提升核脉冲信号质量的方法。

一种可用于低信噪比环境的变步长LMS算法

论文研究了自适应最小均方误差(Least Mean Squares,LMS)滤波算法的步长选取问题。在分析现有算法的基础上,通过构造步长与误差信号之间的非线性函数,提出一种新的变步长LMS算法。新算法采用误差信号的自相关估计值控制步长,而不是直接利用瞬时误差控制步长,避免了噪声干扰,降低了稳态失调,可工作于低信噪比环境。同时新算法步长控制无记忆效应,提高了收敛速度。仿真表明,新算法的稳态失调和收敛速度均优于现有变步长LMS算法。

一种变步长和变阶计算的自适应数值积分算法

将自适应Simpson算法和Romberg外推算法相结合,提出一种新型的自适应S-R(Simpson-Romberg)算法,它兼有变步长计算和逐步提高数值积分法收敛阶的优点.若干数值比较算例表明,当被积函数在积分区间上变化性态急剧多变时,与自适应Simpson算法和Romberg外推算法相比,它具有明显优势.

基于箕舌线的变步长LMS自适应算法

通过建立步长因子μ与误差信号 e之间的非线性关系 ,提出一种新的基于箕舌线的变步长 LMS算法 ,并将其应用于通信降噪。该算法除了具有传统固定步长 LMS算法计算量小、稳定性较好、简单、易于实时处理等优点外 ,计算机仿真结果表明 ,其收敛速度、稳定性以及跟踪速度优于 SVSLMS算法和 NLMS算法 ,且不需进行指数运算 ,计算复杂度低于 SVSLMS算法 ,用于通信降噪取得了较好的效果。

一种新的变步长LMS自适应滤波算法

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,提出了一种新的变步长LMS(LeastMean Square)算法.该算法具有初始阶段和未知系统时变阶段步长自动增大而稳态时步长很小的特点,且克服了S函数变步长LMS算法(简称SVSLMS算法)在自适应稳态阶段μ(n)取值偏大的缺陷.理论分析和计算机仿真结果表明该算法的性能优于SVSLMS算法.

变步长自适应的改进人工鱼群算法

针对人工鱼群算法在函数优化中存在陷入局部最优、后期收敛速度慢及结果精度不高等问题,通过改进鱼群算法中觅食行为及自适应调整人工鱼步长,提出了一种变步长自适应的改进人工鱼群算法。证明了该算法的全局收敛性,从而增加了其理论基础。最后,10个标准函数测试结果表明,改进后的人工鱼群算法在跳出局部最优、收敛速度、精度和稳定性方面都优于原鱼群算法和萤火虫算法,在结果精度和稳定性方面优于文献[9,23,24]的方法。

一种新的变步长LMS自适应算法及其在自适应噪声对消中的应用

许多时变步长（ＶＳＳ）自适应算法已经提出用来完善标准ＬＭＳ算法的性能，但实验表明这些算法容易受噪声干扰。本文介绍了一种新的变步长ＬＭＳ自适应算法，这种算法保证了较小的失调，同时使算法在自适应初始阶段有较快的收敛速度。该算法的优越性在于它不受已经存在的不相关噪声的干扰。本文对该算法的收敛性和稳定性进行了分析，并将该算法应用于自适应噪声对消的仿真实验中，给出了计算机的仿真结果。

采用粒子群算法的自适应变步长随机共振研究

针对传统的自适应随机共振只能实现单参数优化和变步长随机共振计算步长选取困难的缺陷,提出一种基于粒子群优化算法(Particle Swarm Optimization,PSO)的自适应变步长随机共振方法,实现了变步长随机共振最优输出的自适应求解。该方法以双稳系统的输出信噪比作为粒子群算法的适应度函数,通过变步长随机共振系统的结构参数和计算步长的自适应同步选取,能够最优地检测出大参数条件下的微弱信号。仿真数据和工程实际数据的分析表明,该方法简单易行,适用范围广,收敛速度快,能有效的检测出强噪声背景下的高频微弱信号,具有良好的工程应用前景。

一种变步长LMS自适应滤波算法及分析

本文对变步长自适应滤波算法进行了讨论 ,建立了步长因子 μ与误差信号e(n)之间另一种新的非线性函数关系 .该函数比已有的Sigmoid函数简单 ,且在误差e(n)接近零处具有缓慢变化的特性 ,克服了Sigmoid函数在自适应稳态阶段步长调整过程中的不足 .由此函数本文得出了另一种新的变步长自适应滤波算法 ,并且分析了参数α ,β的取值原则及对算法收敛性能的影响 .该算法有较好的收敛性能且计算量少 .计算机仿真结果与理论分析相一致 。

变步长自适应滤波算法的研究

本文提出一种采用参考输入信号与误差信号互相关系数估值的变步长自适应滤波算法(VS-NLMS)。与常规的固定步长自适应滤波算法(NLMS)相比,VS-NLMS算法在同样的收敛速度及跟踪速度下能获得更小的稳态误调噪声。理论分析与计算机模拟证实了该算法的优越性。

改进的变步长自适应谐波检测算法

由于传统自适应算法中步长的选择需要在收敛速度与稳态精度之间折中,大大降低算法实用性。为解决此问题,提出一种改进的变步长自适应谐波电流检测方法。利用滑动积分器提取真正的跟踪误差,并采用带有自调整因子的模糊调整器动态调整步长,能够保证谐波检测过程既具有较快的动态响应速度,又保持较小的稳态失调。仿真和实验结果验证了改进的变步长自适应检测算法的有效性、实时性、鲁棒性。

一种新的变步长自适应噪声消除算法

本文针对电力线噪声的特点,提出了一种新的变步长自适应噪声消除算法.在自适应算法的步长与梯度之间建立了新的关系,弥补了基于误差的变步长算法在自适应噪声消除方面的不足,克服了标准LMS算法的收敛性对输入信号的敏感性,并能根据梯度调整步长大小从而实现算法的快速收敛.通过理论分析设计了新的变步长自适应噪声消除算法,并进行了仿真和实测数据验证,证明了算法相对于其他算法的优势.

一种新颖的光伏自适应变步长最大功率点跟踪算法

针对光伏P′(U)-U特性曲线的变化率在最大功率点两侧差异较大,传统变步长算法的步长及速度因子较难选择的问题,提出一种新的自适应变步长最大功率点跟踪算法,该算法根据光伏P′(U)-U曲线的几何特性自适应地选取步长。与其他变步长算法相比,该方法不需要计算最大步长及速度因子,避开了复杂的计算过程且不会因为步长选取的不恰当而产生死区问题。仿真结果表明该算法具有良好的动态跟踪速度和稳态跟踪精度。

APF中一种改进的变步长LMS自适应谐波检测算法

在有源电力滤波器(Active Power Filter,APF)的低信噪比(Signal Noise Ratio,SNR)环境下,为了提高变步长最小均方(Least Mean Square,LMS)自适应算法对谐波电流检测的跟踪速度及精度,提出改进的变步长LMS算法。该算法在MVSS-LMS算法的基础上,增加历史误差的遗忘加权和估计并控制步长更新,动态控制步长更新范围,采用滑动窗遗忘加权减小了计算复杂度。同时,对改进算法性能进行稳定性分析。实验结果表明,该算法不仅具有较快的动态响应速度,而且在APF的低信噪比情况下,稳态误差有所减小,具有较高的抗干扰能力,谐波电流检测效果较好。

一种新的变步长LMS自适应滤波算法

通过建立步长因子μ与误差信号e之间的非线性关系,提出一种新的基于抽样函数的变步长LMS算法,并进行了计算机仿真.结果表明,该算法除了具有传统LMS算法计算量小、稳定性较好、简单易于实时处理等优点外,其收敛速度、稳定性以及跟踪速度均优于传统固定步长LMS算法抽样函数、SVSLMS算法.

基于正交小波变换的瞬变步长LMS自适应滤波算法

本文在滑动准最小均方误差瞬变步长LMS(SPLMS)算法基础上提出了一种基于正交小波变换的瞬变步长LMS(WTSPLMS)的改进自适应滤波算法。该算法较好地利用了正交小波具有良好时频局部化的特性 ,使之除具有SPLMS算法的优点外 ,还具有更高的起始收敛速率 ;更小的权失调噪声 ,更大的抑噪能力。计算机仿真效果较好 。

一种新的变步长LMS自适应滤波算法

为了解决传统的固定步长的最小均方误差(LMS)算法在收敛速度和稳态误差上的矛盾,基于Sigmoid函数进行改进,提出了算法步长因子μ与误差信号e之间的一种新的非线性函数关系。首先,基于Sigmoid的偶函数特性将2个函数相乘,使得算法在稳态时能够获取更小的步长;然后,将误差信号用指数形式进行表示,进一步控制步长的变化速度;最后,通过误差e(n)和e(n-1)联合改变步长因子,提高了算法在低信噪比时的性能。理论分析和计算机仿真表明,与已有的变步长LMS算法相比,相同收敛精度时该算法的收敛速度更快,相同收敛速度时该算法的收敛精度更高,在相同条件下算法的抗噪声性能更好。

一种改进的变步长LMS自适应滤波算法及性能分析

针对现有LMS(leastmean square)算法不能同时提高收敛速度及降低稳态误差的矛盾,提出一种改进的变步长LMS算法,建立了步长参数μ(n)与误差信号e(n)之间的一种新的非线性函数关系:与现有的算法相比,同时引入记忆因子λ和控制函数取值的参数β(n),使当前步长与上一次迭代所得步长及前M个误差的平方相关。理论分析和计算机仿真结果表明,与现有几种常见的LMS算法相比,改进的算法收敛速度和稳态误差的性能指标得到了提高。

一种新的变步长LMS自适应滤波算法及性能分析

研究了自适应最小均方误差(least mean squares,LMS)滤波算法的步长选取问题。在详细分析现有变步长LMS算法的基础上,给出一种以双曲正切函数的改进形式为变步长的LMS算法。讨论了步长参数的选取原则及其对算法收敛性、抗干扰性和稳态误差的影响。该算法不但具有较快的收敛速度和跟踪速度,而且能获得更小的稳态失调。理论分析和仿真结果表明,该算法具有更好的稳态性能。