气体质量计量的方法论证

为提高科氏流量计气体信号的初始频率收敛速度和跟踪精度,提出了一种频率解算的新方法：首先采用基于burg算法实现的格型IIR自适应陷波器对信号滤波,并短时间跟踪信号频率,其收敛后基于简化梯度算法实现的格型自适应陷波器开始并行工作,待简化梯度算法实现的格型自适应陷波器收敛后,前者停止工作,简化梯度算法实现的格型自适应陷波器持续工作直至结束。通过仿真和实验验证来说明本方法信号收敛速度更快、频率跟踪精度更高。     

一种改进自适应陷波器在齿轮箱振动信号频率估计中的应用

针对多级齿轮系统振动主动控制所需参考信号的获取问题,设计一种基于变步长无偏平滑梯度算法的二阶IIR自适应陷波器。以实时振动信号为输入信号,通过调整陷波频率实现对齿轮啮合频率的在线估计,并采用自适应改变陷波器迭代步长的方法提高估计速度和精度,仿真验证了该陷波器相比传统自适应陷波器具有更快的估计速度和更小的稳态误差,与FFT和比值校正FFT两种方法比较,所提陷波器对频率变化具有更好的追踪性能;将两个陷波器串联构成级联陷波器组,通过二级齿轮箱的振动加速度信号对两个啮合基频分别进行在线的实时估计。实验结果显示级联陷波器组能快速且准确地估计对应啮合频率,且能实时追踪由于驱动和负载变动导致的啮合频率变化,证明所提方法在实际应用中的有效性。     

一种改进的自适应格型陷波频率估计算法及其收敛性分析

自适应陷波器的内部结构使得非二次型误差曲面收敛至局部最优,导致陷波参数停止调整而不能够持续稳定地跟踪信号频率的变化。本文利用滤波增强信号与原始信号的相关性,设计了一个频率跟踪质量评价因子,根据频率跟踪质量可实时监测并自动调整陷波参数。据此原理,本文提出一种改进的自适应格型陷波频率估计算法。仿真结果与理论分析均表明,本文方法在不增加计算量的前提下,较大幅度地提高了算法的收敛速度和持续跟踪精度,证实了本文算法优于原有的算法。     

组合步长的改进仿射投影主动噪声控制算法

为了改善在主动噪声控制(Active Noise Control,ANC)中由不平稳脉冲噪声引起的经典仿射投影算法稳态误差高的缺陷,利用鲁棒类M估计器代价函数对误差信号的饱和特性,将其与权重向量的L2范数约束相结合,提出类M估计器函数仿射投影算法。该算法的收敛精度相较于经典符号仿射投影算法提升3.2 dB。为了进一步提升收敛速度,将组合步长技术引入上述算法来自适应调节权重约束中的步长参数,调节收敛速度与稳态误差之间的矛盾。仿真结果表明,最终提出的算法突破固定步长的限制,可实现更快的收敛速率和更低的稳态误差,相较于已有仿射投影算法,在收敛速度方面提升2倍,在收敛精度方面提高10 d B。该算法可为之后仿射投影算法的研究提供理论指导和实验依据。     

变步长LMS算法在回声抵消器中的应用

针对在回声消除中应用LMS算法出现的不足,提出在定点DSP上应用变步长LMS算法的回声抵消器的设计,仿真比较了变步长LMS算法与定步长LMS算法在收敛速度和稳态误差上的差别,最后介绍了在C54x上的实现时如何兼顾处理速度和精度的设计考虑。     

一种改进的LMS算法在回波抵消中的应用

介绍了线路回波产生的背景及自适应滤波方法在消除回波方面的优势。讨论了自适应回波抵消器的基本原理。采用一种改进的定步长LMS算法对提高传统定步长算法的收敛速度和精度具有良好的效果。应用matlab仿真软件验证了经改进的算法的性能。最后应用simulink仿真软件搭建了自适应回波抵消器的模型,仿真结果表明该改进算法可在回波抵消器中获得有效应用。     

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。     

一种基于变步长LMS算法的语音增强方法

LMS算法在自适应滤波器中得到广泛应用，但这种方法具有收敛速度慢，对非平稳环境敏感性强，步长需要谨慎选择才能达到收敛和失调的折中等缺点。为了改善非平稳条件下FIR自适应滤波器的性能，文章介绍了一种变步长的LMS算法，这种算法迭代过程中步长在规定的上下限内是关于信噪比的递减函数，用于自适应噪声对消器中去除含噪语音信号中的加性噪声，以解决固定LMS算法中跟踪速度和失调的矛盾。对不同信噪比的含噪语音信号去噪，仿真结果证明该方法优于NLMS(Normalized Least Mean Square)算法，在提高收敛速度的情况下减小了剩余均方误差和失调，但需增加少量的运算量。     

变步长LMS自适应均衡算法研究

为解决宽带无线通信中由多径信道产生的符号间干扰,对最小均方(LeastMeanSquares,以下简称LMS)自适应均衡算法进行深入分析。针对LMS算法收敛速度和稳态均方误差相互矛盾的问题,重点研究变步长LMS算法,在现有算法的基础上,进行步长分析,提出一种新型变步长LMS算法。利用信道响应长度、均衡器阶数、收敛误差共同控制迭代步长,简化步长设置,提升算法的收敛速度并降低稳态均方误差。仿真分析表明新型变步长LMS算法有更好的收敛特性。     

无约束频域自适应滤波算法最优步长控制

频域自适应算法由于具有较低的计算复杂度和较快的收敛速度而被广泛应用。但是固定步长的频域自适应算法必须在收敛速度、稳态失调、跟踪速度和对噪声干扰的稳健性之间权衡。文章研究了无约束频域自适应滤波算法的最优步长控制问题。通过分析频域自适应算法的收敛特性,给出了最优步长的表达式,推导出了频域失调因子的递归变化关系并用来估计频域失调因子。在系统辨识和回声抵消应用中的计算机仿真结果表明,所提变步长算法能同时得到较快的收敛速度和较低的稳态失调,同时该算法对回声抵消应用中的双端对讲不敏感,因而不需要明确的双端对讲检测。     

一种用于主动噪声抑制系统的次级通道特性识别算法的改进

本文着重研究窄带信号噪声自适应主动抑制技术中的次级通道特性在线识别问题。针对窄带噪声信号，提出了基于自适应陷波器的次级通道特性在线识别算法，该方法利用自适应陷波器技术解决在线识别时存在的激励信号干扰问题，从而提高次级通道特性在线识别的速度。同时研究了选定参数对算法性能的影响。仿真结果表明，基于自适应陷波器的次级通道特性在线识别算法能较大程度的提高对次级通道特性的识别速度。     

一种新型快速收敛的LMS谐波检测算法

针对传统基于固定步长LMS算法在电网谐波检测中存在收敛速度与稳态精度需折中选择的问题,提出了一种新型具有较高收敛速度的改进变步长LMS算法。该算法以同一相位下相邻两时刻的误差信号e(n)、e(n－1)的自相关估计调节步长更新,并且采用归一化处理方式,以误差信号在总电流信号中的比例k(n)、k(n－1)作为新反馈量,同时对新的反馈量进行相干平均估计来调整步长迭代;在权值迭代公式中引入相邻时刻估计误差绝对值之差的扰动量来加快自适应滤波器权矢量的迭代速度。MATLAB/Simulink仿真和实验证明,该方法相对于传统固定步长LMS谐波检测算法在收敛速度和稳态精度上有了进一步的提高,尤其在负载发生突变时的跟踪能力。     

一种强干扰下超弱水声信号自适应盲分离的快速算法

许多盲源分离算法对超弱信号收敛速度变慢甚至失效。文章提出一种算法 ,用FASTICA算法所得的分离矩阵作为一种基于输出去相关自适应盲分离算法的初始值 ,算法的收敛速度得到明显改善。算法的学习速率通过一种自适应算法选取 ,从而降低了算法收敛速度对学习步长的依赖。仿真结果表明 ,文中提出的算法对超弱信号特别有效 ,算法收敛速度大大增强。该算法可以用于分离强干扰下的弱水声信号     

汽车车内噪声主动控制变步长NFB-LMS算法

为规避最小均方（Least Mean Square,LMS）算法不能同时提高收敛速度和降低稳态误差的固有缺陷,以及已有变步长LMS算法存在收敛速度慢和稳态误差估计精度差的问题,文中提出了一种基于变步长归一化频域块（Normalized Frequency-domain Block,NFB） LMS算法的汽车车内噪声主动控制方法。为了比较,应用传统的LMS算法、基于反正切函数的变步长LMS算法和变步长NFB-LMS算法分别进行实测汽车车内噪声的主动控制。结果表明,与其他两个算法相比,变步长NFB-LMS算法的收敛速度提高了70%以上,稳态误差减小了90%以上。变步长NFB-LMS算法在处理车内噪声信号时具有很高的效率,为进行汽车车内噪声主动控制提供了一种新方法。     

本地干扰存在情况下频域自适应回声抵消算法的改进

1引言 在回声抵消系统中,当本地有干扰声源时,回声抵消系统的性能将恶化[1][2].对于本地话语引起的干扰,双边讲话检测器(DTD)是解决该问题的途径之一,但若本地的干扰是持续的,该方法将不可行.Jenq和Hsieh介绍了引入持续的舒适性噪声进行回声通道建模的理论[3];M.R.Asharif利用远端和本地信号的相关性建立了相关最小均方(CLMS)算法和扩展相关最小均方算法(ECLMS)[4].但是,前者在小建模噪声下收敛慢,需要先在无干扰情况下收敛到稳定状态才能良好工作,后者被证实和NLMS算法等价,在小更新步长下完成收敛,因此收敛速度太低而没有实用价值.对于本地持续噪声引起的干扰,本文提出了选用优化的更新步长和交迭系数来使得频率算法能够在有本地干扰的情况下对回声的抵消有良好效果.     

一种改进的变步长LMS自适应滤波算法及其仿真

在分析传统的定步长最小均方(LMS)算法、变步长LMS算法的基础上,通过建立误差信号与步长因子之间的新的非线性映射关系,提出新的改进型变步长LMS自适应算法.通过MATLAB仿真分析,证明了该算法具有较好的收敛速度和较小的稳态误差以及较好的时变系统跟踪能力.     

车内噪声主动控制变步长LMS算法

通过对轨道车辆车内含噪样本数据的分析,应用步长因子μ(n)与误差信号e(n)呈正弦函数关系的变步长LMS算法。分别对自适应滤波器中的权向量按照最速下降算法进行更新,并利用建立的自适应滤波器进行车内噪声主动控制。结果表明,提出的变步长LMS算法解决了LMS算法因固定步长不能同时兼顾算法收敛速度和稳态误差的固有缺陷,具有更快的算法收敛速度和较小的稳态误差。     

一种变步长LMS自适应滤波算法研究

为了解决最小均方(LMS)算法的稳定性及收敛速度(自适应速度)和稳态误差(自适应滤波器的精度)之间的矛盾,本文提出了一种自适应变步长的LMS算法,它的权系数的调整取决于误差曲面在新权值点上的梯度.分析了新算法的收敛特性以及参数选择对算法性能的影响.该算法具有较快的收敛速度、鲁棒稳定性且运算小易于实现的特点.计算机仿真的结果证实了该算法的收敛性能优于标准的LMS算法并且具有较好的实用性.     

基于忆阻器交叉阵列的变步长sign-sign LMS算法硬件实现

基于忆阻器交叉阵列结构,提出变步长的sign-sign LMS自适应滤波器算法及其一种相应的硬件实现电路。在该电路中,一方面继承原定步长sign-sign LMS忆阻器交叉阵列电路[1]的诸多优点,另一方面经过仿真发现该变步长sign-sign LMS在保持高精度的前提下,能够实现快速的收敛。     

求解包装生产中复杂问题的布谷鸟算法改进

目的 为了解决在求解复杂的高维函数优化问题时存在的求解精度不够高和易陷入局部最优等问题,提出一种基于莱维飞行发现概率的变步长布谷鸟搜索算法(LFCS).方法 在相同环境下,选取6个不同难度、不同类型的测试函数,将LFCS算法与IPSO,IDE,IABC,CS算法比较,分析算法的收敛速度和收敛精度.结果 相比其他4种算法,LFCS算法迭代次数更少,收敛速度更快,收敛精度更高.结论 无论是低维函数还是高维函数,LFCS算法在收敛速度和收敛精度方面都有所提高,尤其是针对复杂的高维函数优化问题,在取值范围较大的情况下,LFCS算法能够更快、更准地找到最优解.