箕舌线变步长LMS/F算法数字域自干扰消除研究

自干扰消除技术是实现带内全双工(IBFD)通信的重要前提,其中数字域自干扰消除是带内全双工通信系统中硬件复杂度最低、灵活性最高的自干扰消除技术,并且是自干扰消除的最后一道防线。然而,其消除能力仍需提升,主要是如何处理收敛速度和稳态精度之间的平衡,并且还要具备突变信道的自适应能力。文章提出了一种新的全双工系统的数字自干扰消除方法,发射链路采用数字、模拟预失真技术消除功率放大器的非线性失真,使用辅助接收链获取发射链路信号副本,在数字域中利用重构自干扰信号副本消除接收信号残余自干扰信号和功率放大器残余非线性失真,并通过在接收链与辅助接收链之间共用一个振荡器消除部分接收机相位噪声。仿真表明,该方法与已有变步长LMS消除方法相比,在信噪比为5 dB的条件下,能够在提高收敛速度的同时获得优于变步长LMS方法的消除能力。

基于箕舌线可变步长LMS的空频抗干扰算法

针对空频最小均方(Least mean square,LMS)算法抗干扰性能与收敛速度不能兼顾的问题,提出了一种基于箕舌线可变步长LMS的空频抗干扰算法,简称空频基于箕舌线的可变步长LMS算法(Variable step LMS of tongue-like curve function,TLCVSLMS)算法。在兼顾抗干扰性能与收敛速度的基础上,空频TLCVSLMS算法避免了针对每一个频点人为地选取合适的固定迭代步长因子μ的困难,并根据不同频点的信号功率,对箕舌线函数的幅度因子与形状因子作更精细的调节。仿真实验表明,在抗干扰性能接近的情况下,空频TLCVSLMS算法比空频LMS算法少迭代至少400点,空频TLCVSLMS算法的收敛速度更快,而在收敛速度相同的情况下,空频TLCVSLMS算法比空频LMS算法的抗干扰性能提升至少3 dB以上。

基于主成分分析与ILM-DGRBF网络的SOH估算

针对锂离子电池健康状态(SOH)估算精度低的问题,提出一种基于主成分分析(PCA)与改进LM算法-双高斯核RBF(ILM-DGRBF)神经网络的方法,实现了SOH的准确估算。首先,提取与锂离子电池容量衰退高度相关的健康因子(HI),采用PCA方法进行降维处理,减少HI之间冗余度。其次,创建双高斯核RBF神经网络,利用改进LM算法实现网络参数在线学习,建立ILM-DGRBF神经网络。再次,利用数据增强的电池测试数据训练ILM-DGRBF实现SOH估算。验证表明,经PCA降维得到的主成分1能够有效地反应锂离子电池的老化趋势,可用于SOH的估算;与其他模型相比,所建ILM-DGRBF模型具有更高的估算精度和更好的鲁棒性,估算结果的误差控制在1.5%以内。最后,基于该方法构建一种新的SOH智能估算系统,为电池安全管理提供参考依据。

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。

基于双曲正弦函数设计变步长的LMS算法

针对非高斯环境下传统变步长LMS(Variable step-size least mean square,VSS-LMS)算法性能不佳的问题,基于传统的VSS-LMS算法利用双曲正弦函数构建变步长的更新策略,提出一种基于双曲正弦函数的变步长LMS算法。并在理论上分析了新提出VSS-LMS算法的收敛性与算法复杂度,并给出在不同输入信号时对两种特性的线性系统的VSS-LMS算法的辨识结果,且每次仿真中都在不同分布的非高斯噪声下进行。结果表明,提出的算法相比Log-NLMS算法和改进G-SVSLMS算法,新提出的VSS-LMS算法具有更快的收敛速度和较好的稳态特性,且稳态误差趋于理论的SNR。

改进型LM-BP神经网络在水质评价中的应用

为了克服传统BP神经网络在水质评价中的不足,利用双极性S型函数输出可为正或负的特性以及LM算法具有梯度下降法的全局特性和高斯-牛顿的局部特性,对BP神经网络法进行改进,提出了基于双极性S型函数的改进型LM-BP神经网络模型的水质评价方法。应用结果表明,将此网络模型应用于水质评价是有效的、可行的。与其他评价方法相比,评价结果更加客观、合理。改进后的算法收敛速度较快,预测精度很高,为水质评价提供了一种新方法。

基于Sigmoid二次型隶属度函数的改进LMS算法

基于Sigmoid函数变步长最小均方(LMS)算法优点是计算量小、收敛速度快且对时变系统的跟踪性能好,但存在些许不足之处,如当误差信号较小时,步长因子变化过快,对于未知系统辨识速度较慢且可控参量过少。为克服上述缺点,更优化该算法性能,通过建立Sigmoid二次型函数,提出一种新的变步长LMS算法,在收敛过程中动态渐进调整步长大小,在获得较小的稳态误差同时,能够更快达到收敛。研究结果表明:改进算法收敛速度要比其他基于S函数改进算法的快;对时变系统跟踪的性能要优于归一化类的LMS算法。本文算法可在增加少量计算量的前提下,较好地克服误差信号与步长因子之间的矛盾,加快收敛速度,并引入新的可控变量,使调控更加灵活。

基于单窗全相位数字滤波器和LMS准则的窗函数设计

在FIR滤波器的窗函数设计方法中,窗的选择将直接影响滤波器的性能优劣.为了获得好的窗函数以提高滤波器的性能,本文首先给出了一种新结构带双窗全相位数字滤波器结构,经过理论推导得到与其相对应的FIR滤波器结构以及满足线性相位的条件.指出FIR滤波器中的延迟窗是全相位滤波器中前后窗的卷积,针对单窗全相位系统利用LMS准则找到合适的窗函数序列,又给出原理图和程序流程.最后将得到的窗分别运用到单窗和双窗全相位滤波器中,并画出特性曲线,结果表明加窗全相位滤波器不但具有较高的旁瓣衰减,而且又基本消除了通带和阻带内的波纹.

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。

一种新的变步长LMS自适应滤波算法及其仿真

传统变步长LMS算法存在收敛速度慢、易受噪声影响等缺点,为了提高算法性能,论文建立了LMS算法中步长因子μ(n)和误差信号e(n)的相关统计量之间的非线性关系,提出了一种基于改进的双曲正切函数的变步长LMS(HTLMS)算法。算法采用当前误差与上一步误差乘积的绝对值来调节步长,并引入了绝对估计误差的扰动量来更新自适应滤波器抽头向量,因而具有收敛速度快、噪声抑制能力强和稳态误差低等特点。计算机仿真结果表明,在不同信噪比条件下,与多种LMS算法相比,本文算法都具有较快的收敛速度和较好的稳态误差。

LMS算法瞬态收敛特性研究

对于时变信道,均衡算法的收敛性能是衡量该算法优劣的主要因素。根据LMS算法的输出均方误差值(MSE)与抽头系数协方差矩阵之间的关系,推导出在一定信道条件下,步长因子μ在满足输出均方误差值收敛的条件下的取值范围,最终推导出均方误差值达到收敛所需要的迭代次数。最后通过matlab仿真验证了理论推导结果的正确性。

基于Q函数的变步长LMS算法

为提高变步长最小均方算法(least mean square,LMS)的抗干扰能力,并降低其稳态误差,提出了基于Q函数的变步长LMS算法,通过带有补偿项的相对误差互相关函数控制步长更新,有效克服噪声干扰;利用归一化输入信号代替原始信号降低输入信号动态范围对稳态误差的影响;给出了保证算法收敛的步长界限.仿真结果表明,与既有变步长LMS算法相比,所提出算法的稳态误差小,且收敛速度较快.

一种基于指数函数的变步长LMS算法

提出了一种基于指数函数的变步长LMS算法。通过建立误差ε和步长μ的函数关系,实时调整步长,解决了稳态失调系数和收敛速度的矛盾。仿真实验表明,改进算法较原有的普通LMS算法和双曲正切变步长LMS算法有更高的收敛速度和更小的稳态失调系数。

基于饱和约束LMS算法的磁悬浮隔振器控制研究

研究磁悬浮隔振器的抗饱和减振控制,针对限幅抗饱和法容易激起磁悬浮隔振器共振和Boaz Rafaely抗饱和算法的阈值很难确定,如果阈值选择过大容易激起磁悬浮隔振器共振,如果选择过小则损失减振效果这些问题,提出一种饱和约束处理方法,即加入连续惩罚函数方法。推导相应的改进LMS算法并设计出抗饱和自适应前馈控制律。通过仿真和在磁悬浮隔振器系统上进行实验对比,验证这种方法相对于限幅抗饱和算法和Boaz Rafaely抗饱和算法具有一定的优越性。

FOG信号的变步长符号LMS自适应消噪方法

针对光纤陀螺输出信号的随机漂移,本文提出了变步长符号LMS自适应消噪方法。结合工程实际需要,该方法在常规最小均方算法(LMS)的基础上进行了两方面改进:一方面,从提高滤波精度和稳定性角度引入输入信号的归一化功率;另一方面,从减少计算复杂性、提高算法实时性角度引入误差符号函数;并通过收敛性分析确定了变步长符号LMS算法的步长参数。某型光纤陀螺的静态实验和转动实验结果表明变步长符号LMS算法不仅可以提前确定步长参数,且在滤波稳定性、滤波精度和实时性等综合性能方面具有优越性,适合工程应用。

人工神经网络Adaline的最小平方(LMS)算法的实验分析

通过对 Adaline工作原理的了解，比较最小二乘（ LMS）与硬限幅函数的不同，列出 LMS的三种方法，并通过编程运算输出其中一种方法的具体实现过程。

基于LMS与RGB子空间的扫描输入数据的颜色校正(英文)

在RGB子空间内使用最小二乘原则建立从设备RGB空间直接到CIELAB空间的三维一阶映射方程,实行对扫描输入数据的颜色校正。实验验证,理想色与分别在各RGB子空间内建立的颜色映射方程所计算的颜色的色差明显小于与在整体空间建立的映射方程所计算的颜色的色差。

基于改进的双曲正切函数变步长LMS算法

为了改进现有的变步长最小均方误差(least mean square,LMS)算法在低信噪比时性能较差的缺陷,提出了一种基于改进的双曲正切函数的变步长LMS算法,从理论分析和仿真实验两方面讨论了引入参数对算法收敛性、跟踪性、稳定性的影响及算法的抗干扰性。理论分析和仿真实验表明该算法在高低信噪比时均具有较快的收敛速度和跟踪速度以及较小的稳态误差和稳态失调,并且在低信噪比时该算法的收敛性、跟踪性、稳态性均优于其他多种变步长算法。

一种基于正弦函数的归一化变步长LMS算法

虽然传统最小均方(LMS)算法具有结构简单、计算量小和稳定性好等优点,但其存在收敛速度与稳态误差相矛盾的问题。归一化LMS算法是用输入信号的功率对步长进行归一化,是一种重要的变步长算法,但其使用的全局步长因子是固定的。为了解决这一问题,将该算法与基于正弦函数的变步长LMS算法相结合,提出了一种基于正弦函数的归一化变步长LMS算法。仿真结果表明,该算法优于传统LMS算法、归一化LMS算法和基于正弦函数的变步长LMS算法。