一种改进反正切函数的变步长LMS算法

针对已有的最小均方误差(least mean square,LMS)算法性能方面的缺陷,通过对步长选取问题的研究,提出了一种改进变步长LMS算法。基于原反正切函数引入输入信号反馈因子的二范数项,以实现对输入信号的实时跟踪,提高算法的跟踪能力。用误差相关值代替原算法中的误差平方项,提高其抗干扰能力,并加入补偿项,以补偿算法趋于稳态时的收敛速度。详细讨论了各个参数对算法收敛性、跟踪性、稳定性的影响及算法的抗干扰性。与已有算法进行的仿真结果对比表明,在高低信噪比情况下,改进算法在收敛速度、稳态误差,以及对时变系统跟踪能力等方面均呈现了优异的性能。     

几种单通道的语音增强算法研究

对目前常用的几种单通道语音增强算法,即谱减法、最小均方误差估计以及子空间算法进行研究,通过仿真实验对三种单通道语音增强算法的去噪效果和去噪后语音失真程度以及信噪比进行比较分析,由此论证三种方法的使用条件和在该条件下的增强效果。     

改进的Garrote阈值法去噪的研究

在固定阈值方法的基础上,提出改进的固定阈值算法,进而给出改进的Garrote阈值法。理论分析、仿真实验以及工程实例的结果表明,改进的Garrote阈值法无论在去噪效果上,还是在信噪比和均方根误差意义上均优越于软、硬阈值法以及Garrote阈值法。     

微震信号无参数自动去噪PD算法实现及应用

工程微震监测中常包含较多低信噪比信号。现有去噪方法存在参数多且需要手工调节等问题,为此,提出一种针对微震信号的无参数自动去噪PD(pick and denoise)算法。算法首先通过改进AIC(akaike information criterion)方法初步拾取P波初至,得到信号的背景噪声段,通过傅里叶变换在频率域上提取噪声功率谱信息,在此基础上从微震信号的功率谱中减去噪声功率谱,最后应用傅里叶逆变换还原得到去噪后微震信号。利用Matlab人工合成不同类型、不同信噪比的含噪信号,应用PD算法进行去噪并与EEMD(ensemble empirical mode decomposition)、小波去噪方法进行比较,结果表明:PD算法去噪后的平均绝对误差和误差标准差均优于EEMD和小波去噪方法,并且对于低信噪比信号,PD算法仍具有良好的效果。最后将PD算法应用于陕西省引汉济渭工程秦岭4#支洞微震监测工程中,对2730条微震信号进行去噪分析,得平均P波信噪比从滤波前的16.49提高到了35.62,表明PD算法对于提高工程微震信号质量具有良好的应用价值。     

最小均方自适应滤波器集平均理论及实验仿真

在自适应滤波器应用中的一个重要问题是确定可调节滤波器参数最优的标准,以及利用这种标准形成实际上可行的算法。最小均方算法是现今应用最为广泛的一种线性自适应滤波算法。在变步长最小均方算法中,变步长算法的选取十分关键,它对自适应滤波器的滤波效果有重大的影响。基于最小步长理论的最小均方自适应滤波器理论,简化均方误差的计算过程,设计合适的参数使实际值与理论性逼近,验证最小步长理论的实用性,仿真结果表明实验值与理论值十分吻合,具有较强的实用性。     

基于混沌云鱼群算法优化航空发动机自适应PID控制

针对传统鱼群算法存在陷入局部最优、后期收敛速度慢和寻优精度较低等问题,提出了一种混沌云鱼群算法(cloud adaptive artificial fish swarm algorithm based on coupled chaotic map,CCAFSA)。采用云自适应视野范围和可变步长提高收敛速度和寻优精度,利用混沌运动遍历性的特征,增加初始鱼群的多样性,防止陷入局部极值;针对航空发动机控制系统,基于CCAFSA设计了一种参数在线自适应PID控制器。仿真结果表明,相比于传统PID控制,基于CCAFSA设计的自适应PID控制器能实现参数在线优化,快速有效地跟踪指令信号,增强发动机系统的动静态性能和鲁棒性。     

基于系统辨识的MQHOA算法的仿真与实现

多尺度量子谐振子算法(Multi-scale Quantum Harmonic Oscillator Algorithm,MQHOA)的参数不需人为进行设定,算法中只有一个参数σ,收敛时每次迭代均以σ值的大小作为收敛依据,使面对复杂目标函数和高维目标函数时算法能自动进行迭代的调整,避免陷入局部最优解,从而保证精确获得全局最优解.本文结合MQHOA这一数学软件,将多尺度量子谐振子算法应用于系统辨识模型中,利用非线性系统辨识方法,并通过MQHOA GUI程序接口调用MQHOA子程序对系统响应信号进行计算辨识与控制.这尽管存在白噪声,但是,算法在一定迭代次数后也将趋于稳定.采用MQHOA软件编程,做出算法整个过程设计草图并得以实现不同按钮的功能输出,实现算法过程和交互分析的有机结合.实验结果表明,多尺度量子谐振子算法辨识参数误差较小,算法较好地适应其物理性能并不断逼近最优区域以获得最优解;最后对MQHOA算法进行仿真实验,实现人机交互,使初学者加深对算法收敛过程的理解.     

未知大负载机械臂自适应变结构控制

本文提出了一种自适应变结构控制方法。采用自适应控制器估计动力学参数偏差,保持机械臂末端速度跟踪的精度,滑模变结构控制实现机械臂末端位置跟踪。通过Lyapunov方法证明了闭环系统的稳定性并进行了计算机仿真。仿真结果表明,该方法参数辨识收敛,在位置与速度上均有较高的跟踪精度。     

基于改进樽海鞘算法优化纯追踪模型的隧道台车路径追踪控制

提出一种基于改进樽海鞘算法优化纯追踪模型前视距离的台车路径跟踪控制方法,将纯追踪算法与集群智能优化算法相结合,对台车进行自动驾驶路径追踪控制研究。建立台车抽象数学模型,确定台车跟踪路径过程中的转向半径。基于提高全局搜索能力和局部深度寻优能力,对樽海鞘算法进行改进,并进行性能分析,结果表明改进的樽海鞘算法具有更快的收敛性。设计模糊纯追踪控制器,将其与改进樽海鞘算法优化纯追踪模型前视距离的控制器进行对中直线、变道回旋曲线及正弦曲线的路径追踪仿真试验,并将试验结果进行对比。对比结果表明,在追踪曲率变化很大的正弦曲线时,改进樽海鞘算法优化纯追踪模型前视距离的控制器可以更加稳定地对正弦曲线进行路径追踪,稳态横向误差与航向角误差均小于模糊纯追踪控制器,而且,改进樽海鞘算法优化纯追踪控制器还能有效提高收敛速度和稳定性。     

不完全量测下长基线系统的水下目标跟踪算法

针对不完全量测情况下长基线系统对水下目标跟踪精度会下降的问题,提出了最小二乘-容积卡尔曼滤波(Least Squares-Cubature Kalman Filter,LS-CKF)算法。选取容积卡尔曼滤波(Cubature Kalman Filter,CKF)为基本跟踪算法并将其改进为两步滤波模式.增加的第1步滤波使用最小二乘估计优化时间更新阶段的容积点,提高了第2步滤波中量测更新的精度。进一步推导了量测信息为距离时新算法的简化形式,降低了运算复杂度,使其能更好地应用于水下跟踪系统.仿真实验和湖试数据的处理结果表明,在丢失量测数据较多且初始状态误差很大的恶劣情况下,LS-CKF收敛速度比标准CKF算法提升了1倍,且跟踪误差降低10%以上。