一种新的变步长LMS 算法及分析

LMS 算法存在收敛速度和稳态误差上的矛盾,当步长因子过大,则收敛速度快,但误差变化 较大; 当步长因子过小,则收敛速度很慢但是误差稳定． 因此,渐渐发展出了多种变步长LMS 算法． 通过建立步长和误差的一种非线性函数关系,提出了一种新的变步长LMS 算法,并且对算法参数 进行分析． 该算法计算简便,计算量低,且在算法收敛初期能够得到较大的步长,而稳态时期能够得 到较小的步长,且在稳态收敛阶段有较为缓慢的步长变化,克服了传统算法在低误差范围内的步长 调整的缺陷． 仿真结果与理论结果相一致,证明了该算法比已有算法拥有更好的收敛性能．     

一种报表数据舍入误差调整算法

当报表的数据精度降低时 ,由传统四舍五入方法产生的某些行、列或整个报表的累计舍入误差可能超过可接受的范围。介绍了一种用于调整由报表数据的精度降低所产生的误差的算法。算法的基本原理是从报表的左上角数据项开始 ,按逐行或逐列的方式对报表中每一数据项经四舍五入后的舍入误差按 1∶1的比例分别传递给其右方和下方的数据项 ;对于只有右方或下方数据项的数据项 ,则将舍入误差全部传递给右方或下方数据项 ;对于没有右方和下方数据项的数据项 ,则丢弃舍入误差。并对该算法与传统的四舍五入方法产生的单个数据项误差以及整行、整列和整个报表的最大累计误差进行了比较 ,结果表明该算法可以降低累计误差。最后用C语言给出了算法的详细描述。     

一种改进的Neville型有理式RCS数据插值算法

针对目标RCS数据的插值问题,在充分考虑RCS数据的相关性、插值数据的权重和计算舍入误差对插值结果影响的基础上,提出一种改进的Neville型有理式RCS数据插值算法.仿真结果表明,与传统Neville型有理式算法相比,改进算法降低了计算舍入误差和Runge现象对插值结果的影响,实现了目标RCS数据的高精度插值,为根据测量或计算的样本数据估计任意姿态和频率点的RCS数据提供了一种新的方法.     

二维弹性波方程频率空间域有限差分正演研究

时间空间域有限差分正演模拟方法比较成熟,但是,该方法存在截断误差,并且该误差会随着计算量的增加不断累积。而频率空间域有限差分正演模拟方法是对空间网格后的所有网格点按照频率切片进行整体求解方程组,计算的误差被分配到了每一个网格点上。因为每个频率切片是单独计算的,不存在累积的舍入误差。推导了二维弹性波方程频率空间域的最优化旋转有限差分格式,通过模型的正演模拟试算,验证了频率空间域有限差分方法算法的有效性。     

一种报表数据舍入误差调整算法

当报表的数据精度降低时，由传统四舍五入方法产生的某些行、列或整个报表的累计舍入误差可能超过可接受的范围。介绍了一种用于调整由报表数据的精度降低所产生的误差的算法。算法的基本原理是从报表的左上角数据项开始，按逐行或逐列的方式对报表中每一数据项经四舍五入后的舍入误差按1：1的比例分别传递给其右方和下方的数据项；对于只有右方或下方数据项的数据项，则将舍入误差全部传递给右方或下方数据项；对于没有右方和下方数据项的数据项，则丢弃舍入误差。并对该算法与传统的四舍五入方法产生的单个数据项误差以及整行、整列和整个报表的最大累计误差进行了比较，结果表明该算法可以降低累计误差。最后用C语言给出了算法的详细描述。     

基于奇异值分解的Box-Jenkins模型参数估计算法

基于奇异值分解和递推广义增广最小二乘原理,提出了Box-Jenkins模型参数估计的一种递推算法.常规的递推广义增广最小二乘算法对舍入误差较为敏感,会导致协方差矩阵失去正定性和对称性,产生病态条件问题,引起数值不稳定现象.为了改善参数估计的性能,利用协方差矩阵的奇异值分解技术,推导出Box-Jenkins模型估计算法.该算法辨识精度高,收敛速度快,数值稳定性好.仿真表明,随着噪信比的增大.新算法仍然具有良好的性能.     

线性调频信号增强的自适应滤波算法研究

在对基本LMS算法进行修改的基础上，提出了基于高阶累积量极性一动量迭代的自适应线性调颇（Linear Frquency Modulation,LFM)信号增强新算法，该算法有抑制高斯噪声效果好。计算量小，收敛快且输出信号平稳等特点，仿真结果证实了该算法的有效性和可靠性。因此，具有较强的实用性和较好的应用前景。     

一种新的SINS/星敏感器组合导航姿态匹配算法

对SINS/星敏感器组合导航算法进行了研究。基于量测失准角的概念,提出了一种新的SINS/星敏感器组合导航姿态匹配算法,分析了SINS和星敏感器的输出,详细推导了组合导航系统量测的构造过程。与传统姿态匹配方法相比,该算法计算量小且噪声信号的物理意义更加明确。通过仿真验证,结果表明该算法是有效的,既能使姿态误差得到显著收敛,又能准确估计陀螺常值漂移和星敏感器安装误差。     

改进CMA盲均衡算法的研究与分析

目前,常数模算法(constant modulus algorithm,CMA)应用非常广泛,但它存在收敛速度慢,剩余误差大的缺点。为加快收敛速度,一旦误码率降低到足够低,算法必须切换到DD(decision—directed)算法,针对其存在的缺点,提出了一种改进的CMA算法,通过理论分析得出：该算法具有收敛速度快、剩余误差小的特点。通过利用Matlab对改进前、后2种算法的仿真,对算法的有效性进行了验证。     

一种快速有效的神经网络新算法

基于输出层函数为线性函数的层前馈神经网络,结合自适应步长和动量解耦的伪牛顿算法及迭代最小二乘法导出了一种混合算法。伪真证明该混合算法自适应能力强,计算量小,收敛速度快,是一种有效的工程实用算法。     

二阶伏特拉滤波器RLS算法改进

分析了二阶伏特拉滤波器的一种快速RLS算法,针对其存在的收敛速度与收敛精度之间的矛盾,构造了遗忘因子函数并取代该算法中的固定遗忘因子,得到改进的RLS算法。提出了遗忘因子函数的构造原则并分析了相关参数的选取方法。算例表明:改进的RLS算法能解决收敛速度与收敛精度之间的矛盾,有效地加快了收敛速度。     

MIMO系统自适应均衡算法研究

MIMO信道为频率选择性信道,由于时延扩展而存在色散,因此研究MIMO系统的自适应均衡技术显得尤为重要.通过对自适应均衡技术的两种主要的算法最小均方(LMS)算法和递归最小二乘(RLS)算法的研究可以看出,在不同的步长因子及遗忘因子等参数变化情况下,LMS算法的收敛速度较慢,但均衡简单易实现,RLS算法收敛速度较快,但迭代运算较复杂.结合二者的特点提出了在MIMO系统中引入改进的最小均方算法,即归一化最小均方(NLMS)算法.仿真实验对比表明NLMS算法的计算量与LMS相当,但收敛条件简单,易实现,收敛速度较快,有很实际的应用价值.     

基于混合智能算法的电力系统无功优化研究

研究了电力系统的无功优化功问题,给出了结合电力市场实行的无功优化目标函数。在分析了遗传算法和蚁群算法各自优缺点的基础上,将遗传算法与蚁群算法融合,利用遗传算法的交叉、变异操作产生蚁群算法新的搜索路径,以此提高混合智能算法的全局搜索能力和收敛速度,并将混合智能算法应用于实例进行仿真。仿真结果表明,该混合智能算法具有快速的收敛速度和优良的全局优化能力。     

一种基于二进制编码的改进遗传算法

对几种改进的遗传算法进行了比较、分析、综合后,提出了一种基于二进制编码的改进遗传算法。该算法具有收敛速度快、迭代次数少且不易陷入不成熟收敛等优点。仿真结果证实了该算法的有效性。     

一种变步长LMS自适应滤波算法及分析

文章对已有的一些变步长LMS自适应滤波算法进行了分析,在此基础上,提出了一种新的自适应算法,并且分析了参数的取值对算法性能的影响。该算法具有快速收敛性和较小的稳态误差,而且能够快速跟踪系统的变化和不受非相关噪声的影响,仿真结果表明,该算法的性能优于已有的算法。     

深空组阵算法合成性能对比分析研究

特征值（Eigen）算法和Sumple算法是2种可应用于深空天线组阵的信号合成算法。首先讨论了深空组阵合成的原理和算法评价准则;然后分析了基于Eigen的快速迭代算法PMFM（proposed matrix free method）,并基于PMFM提出一种快速迭代方法——C-PMFM算法,利用C-PMFM单次迭代原理,探讨了Sumple算法与Eigen算法的关系;最后详细仿真并比较了2种算法的合成性能。仿真结果表明：Sumple算法具有极快的收敛速度,适用于长积分时间条件下的组阵合成;C-PMFM 5次迭代算法虽所需的计算量更大,但具有比Sumple算法更优越的低信噪比合成性能。     

一种基于递归逆的快速盲均衡算法

在现代数字通信中,盲均衡算法是克服多径衰落引起的码间干扰(Inter symbol Interfer-ence,ISI)的有效方法。文章利用递归逆(Recursive Inverse,RI)自适应滤波算法收敛速度快、稳态均方误差小的优点,提出一种新的双模式盲均衡算法。该算法通过一种新的双模式机制,将RI自适应滤波算法应用于盲均衡,可以在获得小的MSE(Mean Square Error,MSE)的同时实现快速收敛。仿真结果表明,相比盲RLS(Recursive Least Square)算法和传统双模式算法,该算法在获得良好稳态MSE性能的同时提高了收敛速度,可以有效地对多径环境中突发信号进行盲均衡。     

改进遗传交叉算子求解TSP

遗传算法中的交叉步骤最根本的作用就是要使子代继承父代的优秀基因。根据TSP问题的特点考虑了用遗传算法求解TSP问题中遇到的交叉算子，构造出一种能很好继承父代优秀基因的交叉算子。实例计算表明该算法在收敛速度快的同时，具有较强的全局搜索能力。     

LMS和RLS自适应滤波算法对比研究

介绍了自适应滤波器的基本原理,对最小均方(LMS,Least Mean Squares)和递归最小二乘(RLS,Recursive Least Squares)自适应算法进行仿真分析及对比研究.仿真结果及实例均表明,两种算法都能有效抑制和抵消各种干扰,但相比之下,RLS算法具有更好的收敛性能及稳定性.