An algorithm of adaptive step size factor in adaptive filtering

In this paper a model of transversal filter is presented to study the adaptive match of the time variant channel. The least mean square error filtering method is used to obtain the weighting coefficients of the filter. With the purpose of speeding up the convergence of the iteration equation of adaptive filtering, an adaptive factor of the iteration step size μa is derived in this paper. The result of computer simulation shows that in the case of using adaptive μa, the convergence speed of the iteration equation is increased 2 times approximately in comparison with constant μ1. The study suggests that the adaptive filter with adaptive μa have the performance to follow the change of time-variant characteristics of the channel.

融合三维螺旋运动和混合反向学习策略的改进鹈鹕优化算法

针对鹈鹕优化算法收敛速度较慢、初始化过程随机产生初始种群导致种群多样性差,在后期易陷入局部最优等问题,提出了一种融合三维螺旋飞行和混合反向学习策略的鹈鹕优化算法。首先使用Gauss映射初始化种群,提高种群多样性;其次利用三维螺旋飞行和混合最优最差反向学习策略,加强算法跳出局部最优的能力;最后,引入自适应平衡因子与自适应步长,提出鹈鹕坠落策略,以模拟捕食过程中群体的微小变化。最后,通过12个基准函数和实际案例对IPOA(improved pelican optimization algorithm)进行测试,并与8个仿生算法进行对比,测试结果与Wilcoxon符号秩和检验结果均表明IPOA收敛精度与稳定性等各项性能都有所提升,具有明显优势。

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。

改进萤火虫算法的武器目标分配问题研究

武器目标分配(WTA)是指挥控制和任务规划领域的关键问题之一,萤火虫算法求解武器目标分配问题具有参数设置简单、执行效率高等优点。针对传统萤火虫算法易陷入局部极值,收敛速度和精度不高的弊端,从以下三个方面进行改进:初始化萤火虫序列编码时融入PWLCM混沌优化以提高全局搜索能力;设置受迭代次数控制的服从半高斯分布的非均匀步长因子以兼顾算法的搜索能力和收敛性;设计基于排序的萤火虫更新策略同时融入交叉变异操作以提高算法的效率和准确性。为验证改进算法的先进性,先利用其求解4种典型测试函数的最优解,再求解WTA问题,并与传统萤火虫算法进行对比,仿真实验结果表明,改进后算法的评价函数值提高了2.1%,迭代次数减少了52.9%,改善了传统算法易陷入局部极值的缺点,提高了收敛速度和精度,提升了武器目标分配的效果。

基于权重因子改进型tanh函数的光伏MPPT算法

根据光伏功率-电压曲线的特点,对最大功率点两侧采用不同的自适应步长扰动观察最大功率点跟踪算法:对右侧采用基于tanh函数的自适应步长算法,对左侧采用基于权重因子改进型tanh函数的自适应步长算法。通过仿真分析及硬件试验,验证所提出的基于权重因子改进型tanh函数的自适应步长扰动观察最大功率点跟踪算法的可行性和优越性。仿真分析和硬件试验结果表明:基于权重因子改进型tanh函数的自适应步长扰动观察最大功率点跟踪算法在辐照度和温度变化场景下均具有较好的跟踪速度和精度,能为光伏系统高效稳定的输出功率提供保障。

一种改进变步长的自适应电磁干扰对消算法

针对已有最小均方(LMS)自适应干扰对消算法初期收敛速度慢且整体误差偏大的问题,提出一种改进变步长LMS算法。该算法在保证收敛速度和误差精度要求下,简化了步长因子μ(n),且采取分段迭代的方法,克服算法初期收敛慢的缺点。在误差|e(n)|较大时,文中提出通过调整系数ε调节步长μ(n)的变化速度,增强了迭代稳定性。仿真结果表明:与正态分布曲线步长等算法相比,使用文中算法后,宽带与窄带电磁干扰信号的收敛速度至少提高13%,干扰对消后期望信号的输出信噪比至少提高26%。该算法可用于复杂电磁环境下的电磁干扰消除。

一种有源电力滤波器的改进自适应谐波检测算法

谐波检测是有源电力滤波器(APF)的关键环节,是保证APF准确补偿谐波的基础。基于自适应滤波的谐波检测算法能够动态调整步长因子并被广泛应用于APF,自适应滤波的性能由自适应算法决定,自适应算法需要平衡稳态精度和动态性能。本文分析了APF主电路负载电流特性,根据负载电流特性结合最小方均差算法(LMS)提出了一种改进的自适应谐波检测算法,保证APF在稳态时具有较好的稳态精度,在发生突变时具有较快的响应速度。最后搭建实验平台对提出的谐波检测算法进行验证,实验结果证明了谐波检测算法的有效性。

一种改进变步长LMS算法及其在系统辨识中的应用

在分析传统LMS算法及变步长LMS的基础上,本文提出了一种改进的变步长LMS算法并应用于系统辨识。新算法利用瞬时误差的四次方和遗忘因子共同来调整步长,进一步解决了收敛时间和稳态误差的矛盾。将新算法应用到系统辨识中时,与传统LMS算法和变步长LMS算法相比,仿真表明新算法有更快的收敛速率。

基于切线角的光伏变步长最大功率跟踪控制策略

传统变步长算法常以光伏P-U曲线的导数P′(u)作为决定扰动步长的直接参数。由于P′(u)曲线在最大功率点两侧的数学特性差异较大,该算法的最大步长和速度因子较难确定且容易产生收敛死区。文中提出了一种基于光伏P-U曲线切线角的变步长最大功率跟踪控制策略。首先对P′(u)取反正切值,统一算法在最大功率点两侧的跟踪特性。然后利用余弦函数对它进行归一化,有效降低最大步长的设计及调试难度。文章进一步提出了新的速度因子,并用达朗贝尔判别法证明了新算法的收敛性,同时求解出最大步长的理论收敛范围。与传统算法不同,新方法的步长变化率是关于最大功率点距离的单调减函数,它具有更快的收敛速度。仿真和实验结果证明,新方法具有较快的跟踪速度和较高的跟踪效率。

一种基于Lorentzian函数的变步长LMS自适应滤波算法

为了改善传统的LMS类算法存在的缺点,提高算法的收敛速度和跟踪性能,提出了一种基于Lorentzian函数的变步长LMS自适应滤波算法。该算法采用Lorentzian函数来建立估计误差e(n)和步长因子μ(n)之间的非线性关系,以达到提高收敛速度和改善跟踪性能的目的。计算机仿真表明,该算法与其他LMS类自适应滤波算法相比,在收敛速度和跟踪性能上都有较大的提升。

一种时域变步长BLMS自适应算法

在块最小均方LMS自适应滤波算法(BLMS)的基础上,提出了一种新的变步长的BLMS算法,该算法中的步长随着块平均误差增加或减小而相应地变大或变小,并引入补偿因子,使得自适应滤波器在调节权值的过程中块均方误差在接近零处具有缓慢变化的特性。理论分析和实验仿真表明,该新算法具有比BLMS算法较快的收敛速度,较小的稳态误差,有较好的抑制噪音的能力,有利于实时数字信号处理。

融合模拟退火机制的自适应花朵授粉算法

针对基本花朵授粉算法存在的不足,为提高其收敛速度与寻优精度,提出一种融合模拟退火机制的并且根据迭代进化来动态调整全局步长和局部繁衍概率的自适应花朵授粉算法。首先,在基本算法的全局授粉莱维飞行中使用变形指数函数的缩放因子来控制步长,使得花朵个体随迭代次数的增加自适应地进行位置更新;然后,通过瑞利分布函数结合迭代次数对繁衍概率影响因子进行改进,使得在避免早熟收敛的同时能够在后期向着最优解靠近;最后,在已改进的花朵授粉算法中融入模拟退火降温操作,这不仅增加了种群的多样性,而且改善了算法的整体寻优性能。仿真结果表明,改进后的算法具有较快的收敛速度和较高的收敛精度,寻优性能得到了显著提高。

一种基于LMS的改进变步长算法及其应用

在分析定步长LMS算法和变步长LMS算法的基础上,提出了一种改进的LMS算法,改进的LMS算法是利用瞬时误差的绝对值的三次方和遗忘因子共同来调整步长的.理论分析和系统辨识的仿真结果均表明,新算法确实具有更快的收敛速度.

多维优化问题的一个自适应两点步长算法

给出了克服牛顿算法缺陷的自适应两点步长的算法.利用拟牛顿性质得到包含前两个迭代点有关信息的迭代步长因子解析表达式,无论初始迭代点与最优解之间是否存在Hesse矩阵不正定点、鞍点和广义拐点,迭代点列自动快速逼近最优解,该算法具有自适应性且仍具有二阶收敛速度;证明了算法的收敛性,并给出了算例,利用Mathematics数学软件验证了算法的有效性.

新变步长自适应算法及其时延估计性能

针对已有的变步长自适应算法收敛速度和稳态误差矛盾的问题,提出了一种新的变步长最小均方自适应滤波算法。新的算法在类S函数的基础上,引入调节因子P对步长函数的形状进行实时调整,并以误差的自相关时间均值估计调节步长,使得算法在初始时具有较快的收敛速度,稳态时有更平滑的步长变化。在新算法中引用最大似然加权算法进一步抑制自适应滤波器权系数伪峰。将新算法和最大似然加权应用在自适应时延估计的实验中,结果表明:在已有参数固定的条件下,新提出的算法具有更快的收敛速度和更小的稳态误差。同时,时延估计实验中能有效地实现信噪比-3 dB以上的准确时延估计。

融合递减策略与Fuch混沌机制的改进YSGA算法

为增强绯鲵鲣算法搜索的覆盖性及寻优的精准性以优化全局探索能力和局部开采能力,提出一种融合步长因子递减策略与混沌局部增强机制的改进绯鲵鲣优化算法(IYSGA)。首先,该改进算法在标准YSGA算法基础上,设计了一种动态的步长因子递变模式以实现绯鲵鲣算法高效全面的搜索,此策略有利于提高算法的搜索效率并扩大寻优范围;其次,混沌搜索机制则是借鉴Fuch映射理论优越的混沌特性与较好的局部收敛性能而构造的一种当前最优解的局部再开采方式,以完成对YSGA算法的局部搜索性能的改善。该耦合方法对YSGA的改进,有利于实现IYSGA算法全局探索与局部搜索能力间的多轮动态迭代平衡。最后,通过数值实验验证了IYSGA算法优越的并行迭代寻优性能与稳健性。

动量项盲源分离算法及其性能优化策略

动量项技术是用来改善自适应盲源分离算法分离性能的有效手段,但算法在融入动量项后,其收敛特性对于动量因子的选取数值较为敏感,且算法的稳态性能仍要受到步长参数的限定.本文首先给出了动量项盲源分离算法的设计原理,分析了现有算法存在的两个缺陷性问题;然后利用梯度下降法构造了具有在线调整特性的动量因子自适应迭代规则,通过对动量因子的实时更新以消除固定动量因子算法的性能缺陷;在此基础上,基于凸组合理论设计了不同步长参数下两个变动量因子算法的自适应优化组合方案,从而在一定程度上缓解了步长参数对于算法性能的限定.在不同环境下进行的仿真实验表明,本文针对动量项盲源分离算法所设计的优化策略能够有效消除其所存在的缺陷问题,在确保快速收敛的同时,又能获取较小的稳态误差.

改进变步长自适应分布式滤波算法

为提高传统LMS算法在分布式传感器网络自适应滤波中的收敛速度并保持较小的稳态误差,在扩散LMS算法基础上,提出一种基于Sigmoid函数改进变步长的分布式扩散LMS自适应滤波算法,算法通过Sigmoid函数变换构建步长因子与迭代误差之间非线性模型,并通过设置控制因子合理调整模型的步长曲线波型,使得算法在初期使用较大的步长以加快收敛速度,而在后期则采用平稳变化步长以保持较低的稳态误差,从而在在不失传统算法稳态精度的情况下,实现较快的收敛速度。实验结果表明:相比于已有算法,所提算法的估计性能更优。

时间最短控制问题求解的分级优化策略

针对时间最短控制问题的求解,单纯地使用罚函数策略求解存在诸多不便,为此提出分级优化的策略,并结合罚函数策略实施。首先在某个终端时间的情况下构造终端状态自由的最优控制问题,为一级优化;在一级优化结果的基础上结合罚函数策略构造新的目标函数,并据此调整终端时刻,为二级优化。反复依次执行一级优化、二级优化,最终使得状态约束恰好得到满足。分级优化把复杂问题转化为一系列简单的问题,采用经典的优化算法即可实现。实例研究显示了分级优化策略是可行的,能以足够的精度满足边值约束,计算结果也更加精确。

一种改进的变步长ELMS算法

在简单讨论基小最小均方(LMS)算法的基础上,引入了扩展的最小均方(ELMS)算法,并分析说明了该算法能达到更小的稳态MSE。改进的变步长ELMS算法是在对有用信号的预测中采用了自适应为归一化的的最小均方(NLMS)预测估计器,步长的迭代中引入遗忘因子λi,利用其与误差信号的加权和来产生新的步长参与迭代。理论分析与计算机仿真结果表明,该算法有较好的收敛性能和较小的稳态失调。