基于时域加权的单位脉冲响应模型的非叠代算法

提出了一种基于时域加权的新的非叠代优化算法,用于重构经过采样示波器测量的阶跃信号、脉冲信号等。该算法构造了一个期望误差函数,由于这个期望误差函数与真实误差很接近,因此构造了新的价值函数,并使用时域加权来优化不同的波形,在减小时域振铃时有效的控制噪声放大。与误差能量,归一化方法相比,该算法经过仿真实验表明了其可行性和有效性。     

基于模糊逼近的单输入单输出非线性时延控制系统

针对单输入单输出的非线性时延系统,本文考虑了其自适应模糊跟踪控制问题。构建了一种自适应时延模糊逻辑系统用来逼近未知时延函数;设计了补偿器来抵消模糊逼近误差和外部扰动。根据跟踪误差给出了参数调节规律。构造了包含时延的李亚普诺夫函数,从而证明了误差闭环系统满足期望的跟踪性能。仿真结果表明了该方案的可行性。     

一种改进的小波阈值去噪算法研究

研究小波去噪算法中软阈值函数与硬阈值函数的方法,针对一些可变阈值函数的运算复杂的问题,提出一种新的阈值函数。经仿真测试,改进的小波阈值去噪算法的信噪比为20.103,去噪后,数据的均方误差为0.1152。     

小波阈值法在信号滤波中的应用研究

针对硬阈值函数在阈值处不连续,重构信号易产生振荡,以及软阈值函数的量化值与原始小波系数有恒定的偏差不能逼近的问题,提出了一种既能在阈值处连续,又能实现逼近原始小波系数的改进型阈值函数。仿真结果显示将改进型的阈值函数用于信号滤波,在均方误差和信噪比方面都优于传统的两种阈值函数。     

BP算法及其应用实例

BP网络(也称激活函数采用Sigmoidal函数的多层感知器)是一种按误差逆传播算法训练的多层前馈网络,是目前应用最广泛的神经网络模型之一。BP算法是一类有导学习算法,用于BP网权值和阈值学习,它的规则的推导是基于最小均方误差准则,它可实现函数逼近,同时利用Matlab进行仿真。     

一种基于EMD的系统误差分离方法

现有的测量误差分离方法大多需要预先确定误差的变化特征和基函数,而基函数的选取没有明确的标准.该文提出了一种采用自适应分解的经验模态法对周期较大的系统误差进行提取和自相关分析与经验模态相结合的分解法对周期较小的系统误差进行提取的方法.通过实际仿真结果表明,自相关分析与经验模态分解法不需要确定误差特征就能够成功分离系统误差与随机误差,达到了预期效果.     

光纤陀螺中偶次谐波引起零偏误差的分析(英文)

本文介绍了一种计算由偶次谐波引起光纤陀螺零偏误差仿真方法,根据计算光纤陀螺的零偏误差可以用贝塞耳函数和三角函数表示.在计算中我们发现光纤陀螺的零偏误差与调制信号中的偶次谐波和光纤中由于偏振现象引起的角度误差有关.当调制深度设置到3π/5附近时,零偏误差可以减少到最小.由于制信号中的偶次谐波是引起零偏误差的主要原因,我们使用频谱分析仪测量了调制信号中的偶次谐波.此外,我们还通过光纤陀螺的输出测量了光纤陀螺的零偏误差.通过仿真得到的光纤陀螺零偏误差结果得到了试验的验证.     

基于近场声全息振速重构的3种滤波方法比较

针对近场声全息反向重构时边缘误差造成的检测精度低的问题,开展基于振速反向重构的近场声全息滤波方法对比研究。以一个高为11.5 cm、半径为4.2 cm的圆柱形发射换能器为研究对象,通过数值仿真分析和实验测量对比二维Harris滤波窗函数、改进后的二维Harris滤波窗函数和WZ滤波窗函数对边缘误差的抑制效果和反向重构声场幅值的误差大小。结果表明,3种滤波窗函数都可以在较短的反向重构距离范围内有效降低边缘误差,利用Harris滤波窗函数进行滤波在反向重构声场的幅值方面误差最小,但边缘误差抑制效果最差;WZ滤波窗函数对反向重构距离的适用性最好,在更大的反向重构距离时,其对边缘误差的抑制效果更好,反向重构误差更小。     

正切法莫尔条纹信号幅值分割细分的误差分析

本文提出一种在使用正切法对莫尔条纹信号进行幅值分割细分时的误差计算方法.分析了在信号中含有直流分量、二次谐波噪声及幅值不等、相位不正交误差时,所构造的正切函数相位变化情况.先判断出正切函数相位变化关键点,分别计算其相位改变最大值,以此确定对细分精度影响最大的噪声及误差种类,便于在实际应用中有针对性的对信号进行降噪处理,并计算出细分误差.同时应用MATLAB在理想信号中加入上述噪声及误差,精确仿真非理想信号对细分的影响,绘制出相关图形.     

基于改进双曲正切函数的变步长最小平均p范数算法

在信号处理领域,传统的自适应滤波算法采用的固定步长会导致稳态误差和收敛速度无法同时兼顾。针对这个问题,对最小平均p范数(Least Mean p-norm,LMP)算法进行改进,提出了一种基于改进双曲正切(tanh)函数的变步长最小平均p范数算法。该算法利用改进的tanh函数来调节步长,采用移动加权平均法构造变步长函数;同时引入了一个调节函数以进一步提升算法的性能。通过在海洋脉冲噪声干扰下进行仿真,实验表明,与已有的固定步长和变步长算法相比,改进的变步长LMP算法较好地兼顾系统的收敛速度和稳态误差;引入调节函数后的新算法在保证原有算法收敛速度的同时进一步降低了算法的稳态误差,从而兼顾了算法的收敛性和稳定性,具有较好的可行性。     

正切法莫尔条纹信号幅值分割细分的误差分析

提出一种在使用正切法对莫尔条纹信号进行幅值分割细分时的误差计算方法。分析了在信号中含有直流分量、二次谐波噪声及幅值不等、相位不正交误差时，所构造的正切函数相位变化情况。先判断出正切函数相位变化关键点，分别计算其相位改变最大值，以此确定对细分精度影响最大的噪声及误差种类，便于在实际应用中有针对性地对信号进行降噪处理，并计算出细分误差。同时应用MATLAB在理想信号中加入上述噪声及误差，精确仿真非理想信号对细分的影响，绘制出相关图形。     

脉冲噪声的最小均值M－估计有源控制算法

经典的滤波―X最小均方算法(Fx LMS)已经被广泛应用于有源噪声控制(ANC)领域。 但是当存在脉冲噪声时, 它的性能就会严重退化。基于鲁棒统计的概念介绍了一种新型自适应算法,采用的目标函数为M－估计函数, 而不是传统的最小均方误差。该算法分别采用了Huber 函数、Hampel 三段下降M估计函数等四种不同的M－估计函数作为目标函数,仿真结果表明所采用的算法能有效地消除脉冲噪声,并且与日本学者Akhtar 改进的加窗算法相比表现了更好的收敛性。     

基于Green函数的两种STSF算法的比较

k-空间抽样格林函数法是目前基于Neumann边界条件空间声场变换技术格林函数的主要有限离散化算法。然而,该条件下的实空间积分格林函数法却很少应用在相关的课题研究中。所以对于该算法的重构特性以及这两种算法在空间声场变换中的优劣是人们一直普遍关注的问题。本文通过计算修正了该算法在Neumann边界条件下的计算参数,并通过数值仿真分析了实空间积分格林函数的相关特性,最后通过仿真计算给出了这两种方法在不同重构参数下的误差分析。这些分析结果可为进一步的工程实践提供参考。     

基于时域反射计测量提取S参数的一种新方法

讨论了通过时域反射计的瞬时反射和传输响应的测量来提取宽带S参数的一种新的方法。所讨论的有理函数方法,综合运用了广义束函数法,递归去卷积以及标准结构的方法来获取系统的响应。与传统的算法相比,减少了误差。该模型与SPICE建立的模型兼容,并且能够对模型的频率与瞬时响应进行仿真。仿真结果表明了算法的有效性。     

VS-MFxLMS算法及其在汽车车内噪声有源控制中的应用

为提高经典VS-FxLMS算法的收敛性能以及规避MFxLMS算法不能同时兼顾收敛速度和稳态误差的缺陷,结合修反正切函数和归一化的方法,提出了一种可用于汽车车内噪声有源控制的VS-MFxLMS算法。应用MFxLMS算法、VS-FxLMS算法和VS-MFxLMS算法分别进行汽车车内噪声有源控制仿真实验。噪声有源控制结果的比较表明,与MFxLMS算法相比,VS-MFxLMS算法的收敛速度提高了1.5倍以上,稳态误差降低55%以上;与VS-FxLMS算法相比,VS-MFxLMS算法的收敛速度提高了25%以上,稳态误差降低了28%以上;为汽车车内噪声的有源控制提供了一种新方法。     

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、SVSI—MS算法。     

线性修正下的神经网络盲均衡算法

研究了一种利用横向滤波器对神经网络进行线性修正的盲均衡算法。在神经网络的输入层之前加入一个横向滤波器,以横向滤波器的节点输出作为神经网络盲均衡器的输入,利用常数模代价函数分别得到横向滤波器和神经网络盲均衡器的瞬时输出误差,将瞬时误差加权处理作为调节误差分别对横向滤波器和神经网络盲均衡器的权系数进行调节,算法实现了对非凸性误差曲面进行线性和非线性寻优的组合。计算机仿真证明提出的算法有效提高了神经网络盲均衡算法的收敛速度,降低了稳态剩余误差,具有更好的实用性和均衡性能。     

大口径拼接望远镜成像系统的远场特性

本文根据衍射光学理论和几何光学理论,利用已得到的拼接望远镜的理论解析表达式和建立的数值仿真模型,对拼接望远镜光学系统的远场特性进行了分析计算,包括系统的理论衍射光斑直径、点扩散函数、斯特列尔比以及光学传递函数等。并根据仿真模型分析了拼接主镜中分块镜平移误差和倾斜误差对拼接望远镜系统远场的影响。分析结果表明,拼接主镜的平移误差和倾斜误差都影响系统的点扩散函数、斯特列尔比和光学传递函数,并使远场成像模糊;其中分块镜倾斜误差会额外引入平移量,如果补偿掉平移量对望远镜系统的远场性能有很大提高。     

基于BP神经网络的压电陶瓷蠕变预测

压电陶瓷驱动器的蠕变误差随时间呈现非线性变化,难以实时修正。提出基于BP神经网络的压电陶瓷蠕变预测方法,使用压电陶瓷驱动系统采集数据,对数据进行归一化处理,通过实验设计BP神经网络的隐含层数、隐含层节点数、节点转移函数和训练函数,构建BP神经网络预测模型,建立压电陶瓷蠕变与时间的关系。用BP神经网络模型对压电陶瓷蠕变进行了预测仿真,并将结果与实测数据进行了对比。结果表明,蠕变预测结果与实验数据的最大绝对误差均小于0.1 μm,最大蠕变误差均不超过0.6%,最大均方误差仅为0.0021,可见,BP预测模型具有较高的预测精度,可作为预测压电陶瓷蠕变误差的一种有效手段。     

使用粒子滤波和差分进化法实现轮廓跟踪

退化现象可能导致基于粒子滤波(PF)的轮廓跟踪误差增大甚至失败。为解决这一问题,提出一种将PF状态向量后验概率密度估计问题转化为最优化问题,并使用差分进化法(DE)求解轮廓跟踪算法。该算法的最优化目标函数定义为轮廓模型与运动目标边缘匹配误差;函数参数为运动参数向量;PF的状态向量分布空间作为DE的搜索空间。目标函数的最优解对应着运动参数的最优估计值。在仿真图像序列的轮廓跟踪实验中,重心位置误差不大于0.5pixel,每帧图像平均耗时约80ms。