一种改进的变步长双模算法研究

在对常模算法 (CMA) 和改进常模算法(MCMA)的研究基础上,提出了一种改进的变步长双模算法(Variable Step-size MCMA-DD).改进算法通过误差信号自动地调节步长,从而调节算法的收敛速度.通过仿真表明,改进算法具有与MCMA-DD算法相近的误码性能,但是很大程度地加快了算法的收敛速度.     

一种改进的基于正弦函数变步长LMS算法的谐波检测方法

自适应谐波电流检测方法相对于其他谐波电流检测方法来说,具有实现简单、鲁棒性强等特点。针对有源电力滤波器(APF)的滤波特性,提出了一种改进的基于正弦函数变步长LMS算法的谐波电流检测方法。对于单纯抑制系统谐波电流以及同时兼顾抑制谐波与补偿无功这两种情况,该改进算法分别采取与传统方法不同的反馈信号作为自适应滤波器权系数迭代反馈量,并采用基于正弦函数的变步长LMS算法控制步长的变化,达到有效跟踪目标信号的目的。详细推导了两种情况下系统的直接误差信号,并将其作为正弦函数LMS算法的控制量来控制步长更新。通过MATLAB仿真对改进算法与传统固定步长算法进行比较,证明了改进算法的优越性。     

一种改进的变步长LMS自适应滤波算法

在分析传统LMS(Least Mean Square)算法及其改进算法的基础上,提出了一种新的改进的变步长LMS算法。新算法利用误差信号以及误差信号相关值共同调整步长,克服了一般变步长LMS算法低信噪比环境下抗噪较差以及高信噪比环境下收敛较慢的缺点。计算机仿真结果表明,与传统LMS算法和VSSLMS算法相比,该算法收敛速度更快,均方误差更小,同时也具有良好的抗噪性能。     

一种改进的可变步长LMS算法及其性能分析

本文在1对传统的LMS算法进行分析,并针对该算法中步长选取影响收敛速度与稳态误差的这一对矛盾,通过建立步长因子与输入信号和误差之间的关系提出了一种改进的归一化变步长LMS算法,仿真结果验证了该算法的优越性。     

基于修正常系数模板的变步长双模式盲自适应均衡算法

为解决修正常系数模板算法(MCMA)收敛速度缓慢的问题,在MCMA算法的基础上,给出了一种变步长双模式MCMA算法.改进算法在启动阶段用步长可变加快其收敛性,在收敛后转换到判决引导模式(DD),以保证算法收敛后稳态误差在可靠范围内.通过对实测信道的Monte-Carlo仿真,比较了MCMA算法和变步长双模式MCMA算法的性能,证明了该改进算法收敛速度快,稳态误差小.     

一种改进的VSLMS算法

根据几种变步长最小均方误差(VSLMS)算法的特性,把它们分为2类.把2类VSLMS算法的步长公式结合起来,提出一种改进的VSLMS算法.对改进前后的算法进行仿真实验,实验结果表明,改进算法同时获得了2类算法的优良性能,在收敛性、稳态误差及跟踪性方面都有显著提高.     

一种变步长神经网络盲均衡算法

本文提出了一种变步长神经网络盲均衡算法,将剩余误差作为步长控制因子,克服了固定步长情况下收敛速度和收敛精度相互制约的缺陷,并通过计算机模拟仿真验证了改进算法在收敛性能上有一定提高。     

一种改进的VSLMS算法

根据几种变步长最小均方误差(VSLMS)算法的特性,把它们分为2类.把2类VSLMS算法的步长公式结合起来,提出一种改进的VSLMS算法.对改进前后的算法进行仿真实验,实验结果表明,改进算法同时获得了2类算法的优良性能,在收敛性、稳态误差及跟踪性方面都有显著提高.     

基于梯度向量的变步长LMS算法

传统的最小均方误差(Least Mean Square)算法难以同时获得较快的收敛速度和较小的稳态误差。本文在对传统LMS算法、变步长LMS算法及其改进算法分析的基础上,通过建立步长参数与梯度向量之间的一种新的非线性函数关系,提出一种改进的变步长LMS算法。分析和仿真表明,改进后的算法收敛速度更快,均方误差更小,同时也具有良好的抗噪性能。     

求解伪单调变分不等式的新的自适应投影算法

考虑求解一类变分不等式问题的新的自适应投影算法,该算法改进了搜索的方向和步长,改进的方向、步长在解点附近均不趋于0,保证算法的快速收敛性。并在伪单调的条件下证明了算法是全局收敛的,使得该算法的适用性更广。数值实验表明算法是有效的。     

一种改进的细菌觅食优化算法

针对细菌觅食优化算法存在收敛速度慢、寻优精度低、易陷入局部最优等缺点,提出了一种改进的细菌觅食优化算法。改进原有固定步长的游动方式,引入自适应步长调整策略,提出了基于非线性递减的余弦自适应步长;改进细菌位置的更新方式,借鉴人工蜂群的方法,采用混合的更新方式;改进优胜劣汰的选择标准,保留最优个体,对复制后的父代个体引入杂交算子;改进迁徙方式,提出种群进化因子,防止进化停滞不前。将本文算法用于经典函数以及PID参数整定测试,仿真实验结果验证了该算法的有效性。     

基于均方误差的变步长恒模盲均衡算法仿真

阐述了用于信道盲均衡中恒模算法的数学模型和基本原理,在此基础上进一步研究其改进的变步长算法.采用的改进算法是以剩余均方误差作为调整步长的参量,解决了传统恒模算法中,由于采用固定步长而造成的收敛速度与收敛精度之间的矛盾.在分析不同步长对算法收敛性能的影响的时候,使用了集平均的处理方式,使得均方误差学习曲线变得较为平滑,易于比较.理论分析和计算机仿真实验均表明该算法与传统的恒模算法相比,具有更快的收敛速度和更小的稳态剩余误差.     

一种改进的自然梯度语音信号盲分离算法

自然梯度算法有较快的收敛速度、良好的分离性能,在盲信号分离中占有重要地位。基于自然梯度的盲源分离算法一般分为固定步长和变步长的自然梯度算法,固定步长的自然梯度算法存在分离速度与稳定性之间的矛盾,即步长越长时分离速度快,但是稳态误差又得不到保障;步长太小分离速度又达不到要求。为了改善分离速度与稳定性之间的矛盾,提出了一种变步长的方法来,并用其改进了固定步长的标准自然梯度算法,成功地用于混合语音信号的分离,该方法取得比标准自然梯度算法更好的分离效果,具有更快的收敛速度。     

变步长动量常数模算法

为解决常数模算法中稳态误差与收敛速度间的矛盾,将动量项与变步长因子引入到常数模算法中,由稳态误差和上一步步长共同影响当前步长因子,在权系数更新时考虑到了动量项的影响,提出了变步长的动量常数模算法.改进后算法在计算量增加不大的前提下,与原算法相比,具有更快的收敛速度和更小的稳态误差.     

一种基于加权多准则的火炮爆炸场中高温火球三维温度场的迭代重建算法

针对爆炸场温度高、温度动态范围大、不可直接测量、温度场重建难以取得较高精度等问题,改进了一种在图像重建中广泛应用的联合代数重建（simultaneous algebraic reconstruction technique,SART）算法,以实现爆炸场中温度场的重建。该改进方法将原算法迭代固定步长改为自适应步长,通过判断相邻像素间是否产生畸变来决定迭代步长的大小,无畸变时迭代步长较大,有畸变时则加入惩罚使迭代步长变小;并在SART算法满足的最小二乘准则中加入均匀性准则,提高重建质量。通过仿真实验讨论了惩罚区域和惩罚系数对重建图像质量的影响,并对比了传统SART算法和在校正项中加入惩罚的SART算法。实验结果表明,由于改进方法在迭代系数中加入了惩罚项,得到的重建图像质量更高。     

BP小波神经网络自适应调节步长的改进算法

在BP小波神经网络的训练过程中,自适应调节步长是对算法效率起重要作用的步骤之一,深入讨论了自适应调节步长的改进算法,从而得到更加方便合理的实时步长调整方法,进一步提高了局部搜索速度。多种情况下的仿真结果表明,该算法能够提高局部搜索速度,具有较广泛的应用价值。     

船舶操纵运动仿真中改进变步长龙格库塔算法

针对船舶四自由度操纵运动仿真对运算速度和精度的要求,提出了一种改进的变步长龙格库塔算法以求解船舶动力学和运动学方程.该算法每一次迭代求解过程中在局部将各运动姿态与步长转化为线性关系,根据各姿态实际相对误差与给定相对误差允许值之间的比值来调整步长,使得步长能够根据微分方程梯度变化情况进行自动调整.以某大型货船四自由度模型为对象,对比分析了本文变步长算法、定步长龙格库塔算法和常规变步长龙格库塔算法的仿真性能,结果表明变步长算法具有更快的运算速度和响应速度,非常适用于船舶操纵运动的一般仿真研究.     

一种求解旅行商问题的改进人工蜂群算法

针对人工蜂群算法在处理大规模旅行商问题时普遍存在易陷入局部最优解和早熟收敛的问题,提出一种改进的人工蜂群算法.将柯西变异算子引入蜜蜂食物源更新公式,设计了一种自适应对数步长代替随机步长以改进随机解生成公式.将改进算法用于求解对称TSP问题,实验结果表明,改进后的算法有效地解决了人工蜂群算法早熟收敛和搜索速度较慢等问题,在求解TSP问题上确实有效可行.     

基于双曲正切函数的智能天线变步长LMS算法

提出一种基于双曲正切函数的智能天线变步长最小均方（LMS）算法. 通过建立步长因子与误差信号的双曲正切函数关系改进LMS算法, 解决了固定步长时收敛速度和稳态误差间的矛盾. 仿真结果表明, 所提出的变步长最小均方算法比标准的最小均方算法有更快的收敛速度和更小的稳态误差.     

利用记忆梯度法改进的变步长恒模盲均衡算法研究

针对传统恒模盲均衡算法收敛速度慢、固定步长条件下收敛速度和收敛精度之间存在矛盾的缺陷,提出了一种利用记忆梯度法改进的变步长恒模盲均衡算法。用记忆梯度算法替代最速梯度下降算法实现对恒模盲均衡中均衡器权值的调整,充分利用当前和前面迭代点的梯度信息,同时利用梯度信息变化率作为学习步长调整因子。新算法有效地提高了算法收敛速度,与共轭梯度法和拟牛顿法等改进算法比较,具有较低的计算复杂度和更好的均衡性能。计算机仿真证明了这一算法的有效性。