几种变步长LMS算法的性能分析与比较

针对传统LMS算法的收敛速度与稳态误差存在矛盾这一问题,列出了NLMS、G-SVSLMS及改进的变步长LMS3种变步长LMS自适应滤波算法。通过仿真对比和理论分析,证明改进的变步长LMS算法具有更快的收敛速度、更小的稳态误差和更强的抗干扰能力。     

改进的变步长自适应谐波检测算法

基于自适应噪声消除理论,考虑电网负载电流低信噪比的特性,对传统的最小均方(LMS)算法进行改进,得到一种新的变步长LMS自适应谐波检测算法.利用反馈误差信号的均值估计控制步长及权值的更新,当权值逐渐接近最佳值时,步长逐渐减小以保证较小的稳态误差,并有效降低不相关噪声信号的干扰.在权值迭代过程中加入动量,进一步提高系统的...     

步长因子对最小均方误差自适应滤波效果影响的研究

自适应滤波器凭借其优越的性能,在微电子、自控、信号处理等诸多领域逐渐得到广泛应用。介绍了自适应滤波原理、自适应滤波算法,论述了步长因子对最小均方误差(LMS)自适应滤波效果的影响,借助MATLAB Simulink对被随机干扰的周期信号进行仿真研究,分析了步长因子对LMS算法收敛速度、滤波过程及输出信号稳态失调的影响。     

改进的变步长自适应谐波检测算法

基于自适应对消原理的自适应谐波检测算法因其优良的性能被广泛应用于有源滤波器,但该算法存在无法平衡稳态精度和收敛速度方面的不足。针对此不足,文中基于箕舌线函数和三阶权值系数提出了一种改进的变步长(Least Mean Square,LMS)谐波检测算法。该算法利用误差信号的自相关平均估计获得期望误差估计均值,并通过改进的箕舌线迭代函数作为核心函数来调节步长更新,之后通过推导出来的三阶权值公式代替传统的权值迭代。仿真实验结果表明,该算法在谐波检测中不但具有较快的收敛速度,也能获得较高的稳态精度。     

基于LMS的加速收敛步长选择原理与自适应三相电网谐波检测

基于最小二乘(LMS)算法的自适应电网电流的检测系统中,为克服检测的快速性与稳定性的矛盾,当偏离最佳值较远时系统方均误差(MSE)较大,要提高检测算法迭代收敛速度的策略是选择较大的迭代步长;而在偏离最佳值较近时系统MSE较小,为降低波动保证系统检测的稳态精度,应该选择较小的迭代步长。通过理论分析阐明了提高自适应电网电流检测LMS算法收敛速度的步长选择原理,并且采取选择迭代过程最佳变步长的策略提高自适应三相电网电流检测的性能。仿真分析验证了该自适应检测算法具有更快的动态性能与更好的稳态精度。     

一种基于解相关的变步长LMS算法

在自适应滤波器的构造算法中,LMS算法作为经典理论其应用范围广泛,如何进一步提高滤波器的性能,满足实时数据处理的需要,是当前的一个研究热点.本文讨论了一类针对传统LMS算法进行改进的变步长自适应算法,分析其性能,给出了一种新的变步长自适应算法.这种算法同时从调节变步长的形式和滤波器权系数向量的更新方式2个方面出发,进一步提高了算法的收敛速率,充分调和了收敛速率与稳态误差之间的矛盾.计算机仿真结果表明,新的基于解相关的变步长LMS算法具有更快的收敛速率和更小的稳态误差,能较好地对信号进行跟踪滤波.     

一种改进的自适应谐波电流检测方法

针对现有的基于双曲正切函数变步长LMS算法的谐波电流检测仍存在稳态误差和收敛速度不能同时满足要求的问题,分析了一种在基于双曲正切函数变步长LMS算法的基础上改进的变步长算法,利用误差的时间均值估计建立步长与误差之间的新型双曲正切函数关系以控制步长的更新,降低稳态误差,提高算法的检测精度。并且同时对权值采用两次迭代更新,将两次迭代的结果作为新的权值,以加快权值的更新速度,提高算法的收敛速度。该算法具有较高的检测精度的同时还有较快的响应速度。Matlab/Simulink的仿真结果证明了该算法用于谐波电流检测具有很好的效果。     

一种新的变步长自适应谐波检测算法

提出了一种新的变步长最小均方(LMS)自适应谐波检测算法,并将其应用于有源电力滤波器中。该方法根据误差信号的时间均值估计来调节递推算法的步长,其优越性在于：即使在待检信号的信噪比(SNR)较低的情况下,也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。通过递推公式系数的选择,可以对系统的收敛速度与稳态失调进行更灵活的控制,而不像定步长 LMS 算法那样必须在两者性能上进行折中选择。仿真和实验结果亦证明了理论分析的有效性。     

一种改进自适应谐波检测算法研究

分析了传统定步长最小均方(LMS)算法用于谐波电流检测的不足,采用一种新的变步长LMS自适应算法检测谐波电流:根据误差信号e(n)和e(n-D)的自相关估计调整步长迭代,当权系数远离最佳权值时,通过增大步长加快对时变系统的跟踪速度;当权系数接近最佳权值时,减小步长获得较小的稳态误差。通过递推公式参数的选择,可对系统的收敛速度与稳态失调进行更灵活的控制。推导出了该方法的理论表达公式,其增加的计算量很小,容易实现。该方法能有效调节步长,不受谐波电流的干扰。仿真结果证明了该谐波电流检测方法的有效性。     

一种改进的变步长LMS自适应算法

为了得到一种抗干扰性能强、收敛速度快、稳态误差小的变步长LMS算法,本文分析了传统LMS算法、变步长LMS算法及其改进算法,并对现有变步长LMS算法进行分类归纳,在列出几种具有代表性算法的基础上,提出了一种改进的变步长LMS算法.新方法引入修正系数,通过当前和过去估计误差以及误差的时域均值来调节自适应算法的步长,具有收敛速度快,稳态误差小的优点,并且提高了LMS算法的抗干扰性能.文中最后给出了仿真结果,仿真结果与理论分析一致.     

Adaptive filtering‐based multi‐innovation gradient algorithm for input nonlinear systems with autoregressive noise

In this paper, by means of the adaptive filtering technique and the multi‐innovation identification theory, an adaptive filtering‐based multi‐innovation stochastic gradient identification algorithm is derived for Hammerstein nonlinear systems with colored noise. The new adaptive filtering configuration consists of a noise whitening filter and a parameter estimator. The simulation results show that the proposed algorithm has higher parameter estimation accuracies and faster convergence rates than the multi‐innovation stochastic gradient algorithm for the same innovation length. As the innovation length increases, the filtering‐based multi‐innovation stochastic gradient algorithm gives smaller parameter estimation errors than the recursive least squares algorithm.     

基于自适应无迹卡尔曼滤波的动力电池SOC估计

针对传统无迹卡尔曼滤波(unscented Kalman filter,UKF)算法估计电池SOC时,在未知的干扰噪声条件下滤波精度较低和稳定性较差等问题,基于等效的二阶RC电路模型,提出自适应无迹卡尔曼滤波(adaptive unscented Kalman filter,AUKF)算法.在模型参数辨识的基础上,构建...     

基于改进的SVSLMS算法的语音识别系统研究

为了克服固定步长LMS算法固有的收敛速度与稳态误差之间的矛盾,在传统SVSLMS算法的基础上提出了改进的SVSLMS算法。通过理论分析和仿真研究的方法,给出了该算法中各个参数的选取方法,并确定了适用于本文所采用的语音样本库的参数最佳值。对固定步长LMS算法、传统SVSLMS算法以及提出的改进的SVSLMS算法进行了仿真对比。仿真结果表明,提出的改进的SVSLMS算法在降噪性能、收敛速度和稳态误差这3个方面都优于其余两种算法,有效的提高了语音识别系统的准确性和稳定性。     

Fast frequency and harmonic estimation in power systems using a new optimized adaptive filter

This paper presents an adaptive filter for fast estimation of frequency and harmonic components of a power system voltage or current signal corrupted by noise with low signal to noise ratio (SNR). Unlike the conventional linear combiner (Adaline) approach, the new algorithm is based on an objective function often used in independent component analysis for robust tracking under impulse noise conditions. However, the accuracy and speed of convergence of this algorithm depend on the choice of step size of the filter and its adaptation. Instead of choosing the step size η and the parameter β of the cost function by trial and error, an adaptive particle swarm optimization technique is used alternatively to obtain both η and β to reduce the error between the observed voltage or current samples and the estimated ones. Using the optimized values, the amplitude and phase of the fundamental and harmonic components are estimated. Further, the extracted fundamental component is used to estimate any frequency drift of the power system recursively using an optimized error function obtained from three consecutive voltage samples. To test the effectiveness of the algorithm, several time-varying power system signals are simulated with harmonics, interharmonics, and decaying dc components buried in noise with low signal-to-noise ratio (SNR) and are used to estimate the frequency and harmonic components. This approach will be useful in islanding detection of a distributed generating system.     

基于声传感器阵的舰船被动定向研究

在被动声探测设备中声传感器阵对舰船目标宽带噪声源的精确定向取决于时延估计的精度,针对这一问题,将自适应参量模型算法与变步长的 LMS算法相结合,提出了一种可高精度估计任意时延,且收敛速度快的时延估计算法.结合舰船辐射宽带噪声,以正四面体声传感器定向阵列为例进行了计算机仿真,仿真结果表明：该方法估计所得的方位角误差小于0.1°,俯仰角误差小于1°,实现了对舰船目标宽带噪声源的精确定向,具有很好的工程实用价值.     

改进变步长LMS算法在软起动谐波检测中的应用

针对现有自适应变步长最小均方(LMS)谐波电流检测算法在低信噪比环境中易受干扰影响,提出一种改进自适应变步长LMS算法。该算法将误差信号与前一工频周期误差信号的差值作为反馈量,结合箕舌线函数构造出随动的动态因子,将此动态因子也作为调节权值的动量因子,利用自相干估计误差控制步长。该算法折中考虑收敛速度和稳态精度,并有效降低噪声信号的干扰。通过对电机软起动器工作过程中产生的周期重复性谐波进行检测和分析,证明了该谐波电流检测算法的可行性。     

基于瞬时无功功率理论的改进谐波检测算法

能否快速精确检测出谐波电流是决定有源滤波器整体滤波性能的关键。作者基于瞬时无功功率理论提出了一种改进的谐波检测算法。该算法采用变步长最小均方自适应滤波器作为检测电路中的低通滤波器,通过选择递推公式参数并结合两种误差信号的自相关估计结果调整步长进行迭代,实现了对滤波器收敛速度与稳态失调的灵活控制。理论分析和仿真实验验证了该谐波电流检测算法的正确性和有效性。     

An adaptive sliding‐mode observer for a class of uncertain nonlinear systems

In this paper, the problem of simultaneous state and parameter estimation is studied for a class of uncertain nonlinear systems. A nonlinear adaptive sliding‐mode observer is proposed based on a nonlinear parameter estimation algorithm. It is shown that such a nonlinear algorithm provides a rate of convergence faster than exponential, ie, faster than the classic linear algorithm. Then, the proposed parameter estimation algorithm is included in the structure of a sliding‐mode state observer, providing an ultimate bound for the full estimation error and attenuating the effects of the external disturbances. Moreover, the synthesis of the observer is given in terms of linear matrix inequalities. The corresponding proofs of convergence are developed based on the Lyapunov function approach and input‐to‐state stability theory. Some simulation results illustrate the efficiency of the proposed adaptive sliding‐mode observer.     

Novel model reference adaptive control architecture using semi‐initial excitation‐based switched parameter estimator

This paper is a generalization of the recently developed techniques of initial excitation (IE)–based adaptive control with an introduction to the definition of semi‐initial excitation (semi‐IE), a still more relaxed notion than IE. Classical adaptive controllers typically ensure Lyapunov stability of the extended error dynamics (tracking error + parameter estimation error) and asymptotic tracking, while requiring a stringent condition of persistence of excitation (PE) for parameter convergence. Of late, the authors have proposed a new adaptive control architecture, which guarantees parameter convergence under the online‐verifiable IE condition leading to exponential stability of the extended error dynamics. In earlier works, it has been established that the IE condition is significantly milder than the classical PE condition. The current work further slackens the excitation condition by proposing the concept of semi‐IE. The proposed adaptive controller is proved to ensure convergence of the parameter estimation error to a lower‐dimensional manifold under the weaker semi‐IE condition, while the stronger condition of IE guarantees convergence of the parameter estimation error to zero. The designed algorithm is shown to improve transient response of tracking error sufficiently in contrast to conventional adaptive controllers.