基于Sigmoid二次型隶属度函数的改进LMS算法

发布时间：2019-06-26 08:39

【摘要】：基于Sigmoid函数变步长最小均方(LMS)算法优点是计算量小、收敛速度快且对时变系统的跟踪性能好,但存在些许不足之处,如当误差信号较小时,步长因子变化过快,对于未知系统辨识速度较慢且可控参量过少。为克服上述缺点,更优化该算法性能,通过建立Sigmoid二次型函数,提出一种新的变步长LMS算法,在收敛过程中动态渐进调整步长大小,在获得较小的稳态误差同时,能够更快达到收敛。研究结果表明:改进算法收敛速度要比其他基于S函数改进算法的快;对时变系统跟踪的性能要优于归一化类的LMS算法。本文算法可在增加少量计算量的前提下,较好地克服误差信号与步长因子之间的矛盾,加快收敛速度,并引入新的可控变量,使调控更加灵活。
[Abstract]:The variable step size minimum mean square (LMS) algorithm based on Sigmoid function has the advantages of small computation, fast convergence speed and good tracking performance for time-varying systems, but there are some shortcomings, such as when the error signal is small, the step size factor changes too quickly, and the identification speed for unknown systems is too slow and the controllable parameters are too few. In order to overcome the above shortcomings and optimize the performance of the algorithm, a new variable step size LMS algorithm is proposed by establishing Sigmoid quadratic form function. In the process of convergence, the step size can be adjusted dynamically and the steady state error can be obtained and the convergence can be achieved faster at the same time. The results show that the convergence speed of the improved algorithm is faster than that of other improved algorithms based on S function, and the performance of tracking time-varying systems is better than that of the normalization class LMS algorithm. On the premise of increasing a small amount of computation, the algorithm can overcome the contradiction between error signal and step size factor, accelerate the convergence speed, and introduce new controllable variables to make the regulation and control more flexible.
【作者单位】：空军工程大学航空航天工程学院;
【基金】：陕西省电子信息系统综合集成重点实验室基金资助项目(201107Y03)~~
【分类号】：TN911.7

【参考文献】

相关期刊论文前10条

1 高鹰,谢胜利;一种变步长LMS自适应滤波算法及分析[J];电子学报;2001年08期

2 罗小东;贾振红;王强;;一种新的变步长LMS自适应滤波算法[J];电子学报;2006年06期

3 邹艳碧,高鹰;自适应滤波算法综述[J];广州大学学报(自然科学版);2002年02期

4 魏武;左天虎;刘期烈;黄巍;李云;;卫星通信中一种改进的变步长LMS均衡算法研究[J];重庆邮电大学学报(自然科学版);2014年01期

5 杨金明;王伟强;;一种可变步长LMS算法及其性能分析[J];华南理工大学学报(自然科学版);2006年04期

6 龙戈农;童宁宁;李洪兵;田野;;改进的LMS算法及其在雷达干扰对消系统中的应用[J];空军工程大学学报(自然科学版);2010年05期

7 王敏强,胡贵龙,郑宝玉;一种新的可变步长LMS自适应滤波算法[J];南京邮电学院学报;2003年04期

8 谷源涛,唐昆,崔慧娟,杜文;新的变步长归一化最小均方算法[J];清华大学学报(自然科学版);2002年01期

9 覃景繁,韦岗;基于S型函数的变步长LMS自适应滤波算法[J];无线电工程;1996年04期

10 张园;王辉;;一种改进的变步长LMS自适应滤波算法[J];现代雷达;2008年07期

【共引文献】

相关期刊论文前10条

1 刘世金;刘大利;;基于仿射投影的微弱信号检测方法研究[J];阿坝师范高等专科学校学报;2012年02期

2 刘国璧;袁宏俊;孙群;孟涛;;基于模糊神经网络的刘翔110m栏成绩预测[J];安徽电子信息职业技术学院学报;2011年01期

3 田丽,曹安照;自适应模糊神经网络在某电力公司一产用电量预测中的应用[J];安徽工程科技学院学报(自然科学版);2004年04期

4 郜志云;刘波;刘洪波;;基于模糊理论的城市管网配水系统Simulink仿真研究[J];安徽农业科学;2012年05期

5 时伟,吴美平,薛祖瑞;基于小波-卡尔曼混合滤波的激光陀螺信号处理[J];兵工自动化;2005年04期

6 崔旭涛;杨日杰;何友;;基于DSP信号处理系统的自适应滤波器[J];兵工自动化;2010年01期

7 刘振兴;郭业才;高敏;赵雪清;;多小波模糊神经网络盲均衡算法[J];兵工学报;2010年09期

8 高俊侠;李建更;陈阳舟;赵晓华;;交通信号2级模糊控制系统的优化设计与仿真[J];北京工业大学学报;2009年01期

9 龚晓岚;魏中华;;排队等待区行人服务水平评价方法[J];北京工业大学学报;2009年10期

10 张磊,刘永光,付永领,何琳;基于在线频率估计的自适应反馈主动隔振技术[J];北京航空航天大学学报;2005年02期

相关期刊论文前10条

1 邓江波,侯新国;一种新的变步长LMS自适应算法及其性能分析[J];电声技术;2004年12期

2 叶华,吴伯修;变步长自适应滤波算法的研究[J];电子学报;1990年04期

3 高鹰,谢胜利;一种变步长LMS自适应滤波算法及分析[J];电子学报;2001年08期

4 罗小东;贾振红;王强;;一种新的变步长LMS自适应滤波算法[J];电子学报;2006年06期

5 吴光弼，，祝琳瑜;一种变步长LMS自适应滤波算法[J];电子学报;1994年01期

6 高鹰;一种基于最小二乘准则的自适应滤波算法[J];广州大学学报(综合版);2001年02期

7 胡可欣;胡爱明;;自适应旁瓣对消在雷达中的应用[J];火控雷达技术;2006年02期

8 ;Adaptive Linear Filtering Design with Minimum Symbol Error Probability Criterion[J];International Journal of Automation and Computing;2006年03期

9 王敏强,胡贵龙,郑宝玉;一种新的可变步长LMS自适应滤波算法[J];南京邮电学院学报;2003年04期

10 杨晓波;;一种新的变步长LMS自适应滤波算法及分析[J];科技视界;2012年21期

【相似文献】

相关期刊论文前10条

1 江宇闻;;Overcomplete ICA算法研究[J];中山大学研究生学刊(自然科学、医学版);2004年02期

2 叶华;曹秀英;吴伯修;;一种有效的双向通话检测算法[J];军事通信技术;1989年02期

3 张玉洪;保铮;;一种修正LMS自适应算法的研究[J];信号处理;1985年01期

4 韩学兵;张颢;;模型噪声中的稀疏恢复算法研究[J];电子与信息学报;2012年08期

5 王继罗;离散正弦变换域自适应LMS算法的性能分析[J];电子学报;1987年05期

6 曾凡鑫;赵普福;;一种改进的HARF算法[J];火控雷达技术;1990年04期

7 C.R.Ward;P.J.Hargrave;J.G.Mcwhirter;邝若红;;自适应数字波束形成的新颖算法和结构[J];计算机与网络;1992年Z1期

8 刘松江;王海燕;;一种引入动量项的变步长LMS算法的研究[J];计算机仿真;2006年05期

9 陈菲;王刚;;一种用于独立分量分析的准最大期望算法研究[J];四川大学学报(自然科学版);2008年06期

10 彭换新;戚国庆;盛安冬;;基于有向通信拓扑的高阶分布式一致性算法[J];计算机应用;2013年10期