亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于反雙曲正切函數(shù)的變步長LMS 算法

        2022-10-26 07:03:38火元蓮安婭琦鞏琪連培君
        北京理工大學(xué)學(xué)報 2022年10期
        關(guān)鍵詞:步長穩(wěn)態(tài)濾波器

        火元蓮,安婭琦,鞏琪,連培君

        (西北師范大學(xué) 物理與電子工程學(xué)院,甘肅,蘭州 730070)

        隨著信息處理技術(shù)的快速發(fā)展,自適應(yīng)濾波器作為一種有效的信號處理工具[1],能夠在沒有任何相關(guān)統(tǒng)計知識的情況下通過某種遞歸算法對參數(shù)進(jìn)行自適應(yīng)調(diào)整[2-3],使得系統(tǒng)達(dá)到最優(yōu)性能.

        最小均方算法(least mean square,LMS)最早是由WIDROW 和HOFF 在1959 年提出的[4]. 由于該算法原理簡單、參數(shù)少、收斂速度較快且易于實現(xiàn),因此被廣泛的應(yīng)用在波束形成[5-6]、回波消除[7]和系統(tǒng)辨識[8]等方面. 為了解決傳統(tǒng)LMS 算法中快收斂速度和低穩(wěn)態(tài)誤差這一矛盾,提出了變步長LMS 算法.其主要思想就是讓步長u(n)隨著算法自適應(yīng)調(diào)整,以確保步長變化符合算法收斂要求.

        對于步長改進(jìn)的方法,其中最主要的就是利用函數(shù)來建立誤差和步長之間的非線性關(guān)系,如對數(shù)函數(shù)[9],雙曲正切函數(shù)[10-12],反正切函數(shù)[13-14]和箕舌線函數(shù)[15-16]等. 除此之外,許多學(xué)者還根據(jù)步長函數(shù)應(yīng)具有的函數(shù)特性,通過對常見函數(shù)進(jìn)行改進(jìn)來塑造新的表達(dá)式,以此建立誤差和步長之間的關(guān)系. 陳康[17]提出了基于反雙曲正弦函數(shù)的變步長LMS 自適應(yīng)均衡算法,使得步長因子u(n)能夠跟隨誤差信號e(n)動態(tài)變化,但其收斂速度和穩(wěn)態(tài)誤差有待進(jìn)一步優(yōu)化. 仝喜峰等[18]和吳瑤等[19]是在Sigmoid 函數(shù)基礎(chǔ)上改進(jìn)的,仝喜峰等[18]是通過對Sigmoid 函數(shù)進(jìn)行變換且引入?yún)?shù)調(diào)節(jié)所得的函數(shù)式構(gòu)建u(n)和e(n)的非線性函數(shù)關(guān)系,克服了SVSLMS 算法在收斂階段步長變化過快的弊端. 吳瑤等[19]是以sigmoid 函數(shù)為原型設(shè)計了一個調(diào)節(jié)函數(shù),并與基于Sigmoid 函數(shù)的變步長最小均方算法相乘得到非線性函數(shù)關(guān)系式,該算法進(jìn)一步兼顧了收斂性和穩(wěn)態(tài)性. 張繼榮等[20]結(jié)合基于對數(shù)函數(shù)和基于正態(tài)分布函數(shù)的變步長LMS 算法的優(yōu)點,提出新的步長參數(shù)調(diào)整公式,該算法相比前兩者能夠達(dá)到更快的收斂速度和更高的收斂精度,但在系統(tǒng)發(fā)生時變時,算法性能會被影響.

        基于變步長算法的主要思想,并結(jié)合反雙曲正切函數(shù)曲線的變化特性. 本文提出了一種新的變步長LMS 算法,基于反雙曲正切函數(shù)來構(gòu)造步長與誤差之間的非線性關(guān)系式. 最后在系統(tǒng)辨識、信號去噪和信號預(yù)測方面對本文算法的性能進(jìn)行了評估.

        1 LMS 算法基本原理

        自適應(yīng)濾波器原理如圖1 所示. 其中,x(n)代表n時刻的輸入信號,y(n)代表自適應(yīng)濾波器n時刻的輸出信號,d(n)代表n時刻的期望信號. 通過期望信號d(n)與濾波器輸出信號y(n)的差值e(n)來自適應(yīng)的調(diào)節(jié)濾波器的參數(shù),使下一時刻的輸出y(n+1)能夠更加接近期望信號.w(n)代表n時刻自適應(yīng)算法得到的濾波器加權(quán)系數(shù).

        圖1 自適應(yīng)濾波器原理圖Fig. 1 Schematic diagram of adaptive filter

        LMS 算法的具體步驟如表1.

        表1 LMS 算法步驟Tab. 1 LMS algorithm steps

        其中X(n)=[x(n),x(n-1),···,x(n-L+1)],W(n)=[w(n),w(n-1),···,w(n-L+1)]分別是實際輸入向量和濾波器權(quán)系數(shù)向量,L表示濾波器長度,u表示固定步長.

        算法收斂的條件為步長因子u滿足:

        其中,λmax為自適應(yīng)濾波器輸入信號自相關(guān)矩陣的最大特征值.

        2 改進(jìn)的變步長LMS 算法

        2.1 算法原理

        為了滿足算法設(shè)計的關(guān)鍵,兼顧收斂速度、穩(wěn)態(tài)誤差和跟蹤性能,本文以反雙曲正切函數(shù)的特性以及其曲線圖為基礎(chǔ),通過對該函數(shù)的分析以及操作處理,使其函數(shù)曲線變化符合自適應(yīng)濾波算法步長因子的調(diào)整原則. 反雙曲正切函數(shù)表達(dá)式為

        該函數(shù)的定義域為(-1,1),它是奇函數(shù),在區(qū)間(-1,1)內(nèi)單調(diào)增加. 其圖像如圖2 中曲線1 所示.

        圖2 反雙曲正切函數(shù)及調(diào)整過程中的非線性函數(shù)曲線Fig. 2 Inverse hyperbolic tangent function and nonlinear function curve during adjustment

        對式(2)中的自變量取絕對值,所得函數(shù)式為

        式(3)的函數(shù)圖像為圖2 中的曲線2,由圖可知,該曲線符合算法步長的調(diào)整機(jī)制,其斜率隨著自變量的增大逐漸減小,意味著步長在收斂初期取值較大,在收斂完成期間取值較小,并在誤差接近零時緩慢調(diào)整. 因此利用式(3)建立步長與誤差之間的關(guān)系式為

        為了更好地控制函數(shù)形狀,在式(4)中引入?yún)?shù)α , β 和 γ,得到新的步長函數(shù)表達(dá)式為

        式中: α 和 β為控制函數(shù)幅值的參數(shù); γ為控制函數(shù)曲線形狀的參數(shù).

        因此,本文算法的迭代公式為

        2.2 參數(shù)選擇

        為了明確新的步長函數(shù)式中參數(shù) α 、 β 和 γ對算法收斂性、穩(wěn)定性和抗干擾能力的影響,下面分別討論各參數(shù)的取值對算法性能的影響,以此選擇最優(yōu)參數(shù). 仿真軟件采用Matlab2018,仿真條件參照文獻(xiàn)[14]設(shè)定:1)自適應(yīng)濾波器為二階線性濾波器;2)未知系統(tǒng)的濾波器初始權(quán)值為W=[ 0.8 0.5 ]T,在第500 個采樣點時刻變?yōu)閃=[ 0.4 0.2 ]T;3)自適應(yīng)濾波器輸入信號X(n)為均值為0、方差為1 的高斯白噪聲;4)干擾噪聲v(n)為均值為0、方差為0.000 1 的高斯白噪聲;5)輸入信號X(n)和干擾噪聲v(n)互不相關(guān). 令采樣點數(shù)為1 000,進(jìn)行200 次仿真實驗,統(tǒng)計其平均值畫出學(xué)習(xí)曲線.

        圖3 為當(dāng) α=0.02, γ=0.1 時, β分別取0.1,1,3,5時的步長u(n)和誤差e(n)以及迭代次數(shù)n和均方誤差MSE 之間的關(guān)系曲線圖. 由圖3(a)可知,當(dāng)誤差e(n)相同時,隨著 β取值的增大,曲線在收斂初期的斜率增大,即算法的收斂速度加快,但超過一定的值后,雖然算法收斂速度仍有顯著提升,但收斂后步長的調(diào)整變化也會增大,這會降低算法的穩(wěn)定性. 參考圖3(b),當(dāng) β取0.1 時,算法在迭代500 次時還未收斂. 當(dāng) β取值大于1 時,雖然最終收斂的穩(wěn)態(tài)誤差相同,但收斂速度有所不同:當(dāng) β取1 時,算法在迭代100 次左右時達(dá)到收斂;而當(dāng) β取3 或5 時,在迭代次數(shù)為30 左右的時候,算法就已經(jīng)達(dá)到收斂狀態(tài). 因此,綜合考慮各方面因素,最終選擇 β=4.

        圖3 參數(shù) β變化時步長和誤差以及迭代次數(shù)和均方誤差曲線Fig. 3 The step length and error, the number of iterations and the mean square error curve when the parameter β changes

        圖4 為 β=4, γ=0.1 時,參數(shù) α變化時的步長u(n)和誤差e(n)以及迭代次數(shù)n和均方誤差MSE 之間的關(guān)系曲線圖, α分別取0.01,0.02,0.03,0.05. 由圖4(a)可知,在相同誤差下, α取值越大,算法收斂速度越快,但當(dāng) α取值超過某一定值時,算法收斂速度的增加是以犧牲穩(wěn)定性為代價. 因此,對 α的取值還需要參考圖4(b), α取值為0.01 時,算法在迭代60 次左右時才完成收斂;而當(dāng) α取0.02,0.03 和0.05 時,算法都是在迭代次數(shù)為30 左右的時候,達(dá)到收斂狀態(tài),但隨著α取值的增大,算法的穩(wěn)態(tài)誤差也會增大,且當(dāng) α取值大于0.05 時,該算法發(fā)散不收斂. 綜合考慮圖4(a),最終選擇 α=0.02.

        圖4 參數(shù)α 變化時步長和誤差以及迭代次數(shù)和均方誤差曲線Fig. 4 The step length and error, the number of iterations and the mean square error curve with the change of parameter αchanges

        固定 α=0.02, β=4,取 γ分別為0.01,0.1,0.4,0.7 時的步長u(n)和誤差e(n)以及迭代次數(shù)n和均方誤差MSE 之間的關(guān)系曲線圖如圖5 所示. 分析圖5(a)可知, γ取值越大,步長會在誤差較大時下降到一個較小的值,進(jìn)而會導(dǎo)致系統(tǒng)的收斂速度變慢;當(dāng) γ越小時,步長調(diào)整變化越小,這個特性會使算法在收斂階段的穩(wěn)定性增強(qiáng),但較小的 γ卻不能為算法在收斂初期提供較大的步長來使算法的收斂速度加快. 由圖5(b)可知,當(dāng) γ取0.01 和0.1 時,學(xué)習(xí)曲線幾乎重疊,但隨著 γ的持續(xù)增加,收斂速度會下降且穩(wěn)態(tài)誤差增加.因此,綜合考慮選擇 γ=0.1.

        圖5 參數(shù) γ變化時步長和誤差以及迭代次數(shù)和均方誤差曲線Fig. 5 The step length and error, the number of iterations and the mean square error curve with the change of parameter γchanges

        綜上,新的步長調(diào)整函數(shù)式(7)中的參數(shù) α 和 β是控制步長取值范圍的參數(shù), γ是在步長接近0 時,控制穩(wěn)態(tài)均方誤差范圍的參數(shù). 最終,文中取參數(shù) α=0.02, β=4, γ=0.1.

        2.3 算法抗干擾性分析

        噪聲和干擾都會對LMS 算法的穩(wěn)定性產(chǎn)生影響,因此衡量算法性能的好壞時,抗干擾性和穩(wěn)定性也應(yīng)該被考慮到. 由式(6)可得

        期望信號d(n)也可以表示為另一種形式.

        其中,v(n)為干擾噪聲,一般是與輸入信號無關(guān)的均值為零的白噪聲;Wopt為最優(yōu)權(quán)系數(shù)向量;令ΔW=Wopt-W(n),可由式(9)和式(10)得

        對式(11)兩邊求平方可得.

        對式(11)和式(12)兩邊取期望, 并利用v(n)與輸入信號無關(guān)且均值為0 的特性,化簡整理可得

        由式(13)可知,誤差e(n)的均值不受干擾噪聲v(n)的影響,只與輸入信號相關(guān),而誤差e(n)平方的期望與干擾噪聲相關(guān),在干擾較大的時候,會嚴(yán)重的影響到算法的穩(wěn)定性. 因此本文算法的步長函數(shù)與干擾噪聲v(n)無關(guān),即具有一定的抗干擾能力.

        3 仿真實驗

        3.1 各變步長算法在系統(tǒng)辨識中的性能對比

        為了檢驗本文所提算法的性能,將其與幾個較新的變步長LMS 算法進(jìn)行比較,其中各比較算法的步長函數(shù)如下.

        文獻(xiàn)[17]提出的基于反雙曲正弦函數(shù)的變步長函數(shù)為

        文獻(xiàn)[18]提出的基于改進(jìn)Sigmoid 函數(shù)的變步長函數(shù)為

        文獻(xiàn)[19]提出的在Sigmoid 函數(shù)基礎(chǔ)上添加調(diào)節(jié)函數(shù)的表達(dá)式為

        文獻(xiàn)[20]提出的基于改進(jìn)對數(shù)函數(shù)的變步長表達(dá)式為

        實驗仿真環(huán)境設(shè)置同3.2 節(jié)參數(shù)選擇中的一致:自適應(yīng)濾波器為二階線性濾波器,未知系統(tǒng)的濾波器初始權(quán)值為W=[ 0.8 0.5 ]T,在第500 個采樣點時刻變?yōu)閃=[ 0.4 0.2 ]T,自適應(yīng)濾波器輸入信號X(n)為均值為0、方差為1 的高斯白噪聲,干擾噪聲v(n)為均值為0、方差為0.000 1 的高斯白噪聲;輸入信號X(n)和干擾噪聲v(n)互不相關(guān). 令采樣點數(shù)為1 000,做200 次仿真實驗,對比各算法的性能.

        在該仿真環(huán)境下,通過相同的實驗得到上述各個算法的最優(yōu)參數(shù),如表2 所示,各算法的對比學(xué)習(xí)曲線如圖6 所示.

        表2 干擾噪聲方差為0.000 1 時各算法參數(shù)選擇Tab. 2 Selection of algorithm parameters when the variance of interference noise is 0.000 1

        圖6 干擾噪聲方差為0.000 1 時各算法性能比較Fig. 6 Performance comparison of different algorithm in 0.000 1 interference noise variance

        分析圖6 可知,本文算法在迭代30 次左右時達(dá)到收斂,且收斂后的穩(wěn)態(tài)誤差在0.006 左右. 相較于文獻(xiàn)[17]中的算法在迭代300 次左右時穩(wěn)態(tài)誤差為0.016,無論是在收斂速度還是穩(wěn)態(tài)誤差方面,本文算法的效果都明顯優(yōu)于文獻(xiàn)[17];而文獻(xiàn)[18]、文獻(xiàn)[19]和文獻(xiàn)[20]的算法幾乎都是在迭代300 次左右時達(dá)到0.016 的穩(wěn)態(tài)誤差,雖然與本文算法穩(wěn)定收斂后的穩(wěn)態(tài)誤差比較相近,但收斂速度卻較慢.

        將噪聲v(n)變?yōu)榫禐?,方差為0.04 的高斯白噪聲,此時,各算法的最優(yōu)參數(shù)選擇如表3 所示,學(xué)習(xí)曲線如圖7 所示.

        表3 干擾噪聲方差為0.04 時各算法參數(shù)選擇Tab. 3 Selection of algorithm parameters when the variance of interference noise is 0.04

        圖7 干擾噪聲方差為0.04 時各算法性能比較Fig. 7 Performance comparison of different algorithm in 0.04 interference noise variance

        觀察圖7 可知,在本文算法和文獻(xiàn)[17-20]所提出的算法穩(wěn)定收斂后,所達(dá)到的穩(wěn)態(tài)誤差結(jié)果很相近,幾乎都在0.032 左右;但本文算法具有較快的收斂速度,相比于它們在迭代50 次左右達(dá)到收斂,本文提出的算法在迭代30 次左右就已經(jīng)完成穩(wěn)定收斂.

        綜上所述,在系統(tǒng)辨識環(huán)境中,無論加入干擾噪聲的方差為0.000 1 還是0.04,本文算法都能得到較好的效果.

        3.2 正弦信號去噪

        為了分析本文算法的濾波去噪能力,選擇輸入信號為s=15 sin(0.15 πt),其采樣頻率fs=1 000,加入信噪比為15 dB 的正態(tài)隨機(jī)噪聲,利用本文算法對其進(jìn)行去噪處理,通過多次實驗選擇各參數(shù)的最優(yōu)值,實驗結(jié)果如圖8 和圖9 所示.

        圖8 正弦信號去噪結(jié)果圖Fig. 8 The result of denoising sinusoidal signal

        圖9 帶噪正弦、原始信號和濾波結(jié)果的對比圖Fig. 9 Comparison of noisy sine, original signal and filtered result

        由圖8 可知,本文提出算法可用于正弦信號去噪,且通過圖9 觀察帶噪信號、濾波結(jié)果和原始信號的對比,發(fā)現(xiàn)本文算法對于正弦信號去噪具有良好的效果.

        3.3 自適應(yīng)線性預(yù)測

        由二階AR 模型產(chǎn)生自適應(yīng)濾波器的輸入信號x(n),定義如下:

        其中,a1=-1.6,a2=0.8,v(n)為零均值的高斯白噪聲,二階AR 模型如圖10 所示.

        圖10 二階AR 模型圖Fig. 10 Second-order AR model diagram

        得到輸入信號x(n)后,通過二階線性預(yù)測濾波器進(jìn)行自適應(yīng)線性預(yù)測,其框圖如圖11 所示.

        圖11 自適應(yīng)線性預(yù)測圖Fig. 11 Adaptive linear prediction diagram

        圖11 中的自適應(yīng)算法選用本文算法,各參數(shù)選擇如下: α=0.03, β=2, γ=0.1;設(shè)第n次預(yù)測的權(quán)值向量為W(n)=[w1(n),w2(n)]H,數(shù)據(jù)長度N為600. 預(yù)測結(jié)果用權(quán)值w1(n),w2(n)的變化曲線以及誤差的平方e2(n)的變化曲線表示,權(quán)值曲線取20 次預(yù)測結(jié)果的平均值,觀察算法的收斂情況. 其結(jié)果如圖12 所示.

        由圖12 可知,兩個初始權(quán)值向量w1(n)和w2(n)分別從0 出發(fā),經(jīng)過200 次左右的迭代,兩條收斂曲線都到達(dá)了最優(yōu)值附近,而這時所產(chǎn)生的誤差來源于輸入信號中的v(n). 因此,考慮到輸入信號的隨機(jī)性,使用本文算法進(jìn)行一定次數(shù)的迭代,無論初始權(quán)值向量從哪里開始取值,迭代后權(quán)值一定會收斂到最優(yōu)權(quán)向量附近.

        圖12 自適應(yīng)線性預(yù)測結(jié)果圖Fig. 12 The result of adaptive linear prediction

        4 結(jié) 論

        針對定步長LMS 算法的局限性,本文以反雙曲正切函數(shù)為基礎(chǔ)建立步長與誤差之間的非線性關(guān)系代替?zhèn)鹘y(tǒng)LMS 算法中的固定步長,實現(xiàn)了對步長因子的動態(tài)調(diào)整. 最后在系統(tǒng)辨識、正弦信號去噪和線性預(yù)測方面對該算法的性能進(jìn)行了驗證. 仿真結(jié)果表明,本文算法很好地兼顧了收斂速度、穩(wěn)態(tài)誤差和跟蹤性能,在系統(tǒng)辨識方面比文獻(xiàn)[17-20]的算法具有更優(yōu)的性能,同時,在正弦信號去噪和線性預(yù)測方面的應(yīng)用也說明了本文算法的有效性和適用性.

        猜你喜歡
        步長穩(wěn)態(tài)濾波器
        基于無擾濾波器和AED-ADT的無擾切換控制
        可變速抽水蓄能機(jī)組穩(wěn)態(tài)運行特性研究
        碳化硅復(fù)合包殼穩(wěn)態(tài)應(yīng)力與失效概率分析
        基于Armijo搜索步長的BFGS與DFP擬牛頓法的比較研究
        電廠熱力系統(tǒng)穩(wěn)態(tài)仿真軟件開發(fā)
        煤氣與熱力(2021年4期)2021-06-09 06:16:54
        元中期歷史劇對社會穩(wěn)態(tài)的皈依與維護(hù)
        中華戲曲(2020年1期)2020-02-12 02:28:18
        從濾波器理解卷積
        電子制作(2019年11期)2019-07-04 00:34:38
        開關(guān)電源EMI濾波器的應(yīng)用方法探討
        電子制作(2018年16期)2018-09-26 03:26:50
        基于TMS320C6678的SAR方位向預(yù)濾波器的并行實現(xiàn)
        基于逐維改進(jìn)的自適應(yīng)步長布谷鳥搜索算法
        熟女少妇精品一区二区| 亚洲一区二区三区国产精品 | 中文字日产幕码三区做法| 后入内射国产一区二区| 亚洲小说区图片区另类春色| 91天堂素人精品系列全集亚洲 | 粗了大了 整进去好爽视频| 探花国产精品三级在线播放| 日本免费播放一区二区| 欧美做受又硬又粗又大视频| 久久人人玩人妻潮喷内射人人| 久久国产欧美日韩高清专区| 亚洲专区一区二区三区四区五区| 午夜dv内射一区二区| 熟妇人妻无乱码中文字幕| 国精品无码一区二区三区在线看 | 午夜一区二区三区福利视频| 亚洲无码在线播放| 最好看的最新高清中文视频| 99久久这里只精品国产免费| 亚洲av专区一区二区| 日韩人妻ol丝袜av一二区| 国产a三级久久精品| 国产精品无套粉嫩白浆在线| 日本一区二区三区四区啪啪啪| 67194熟妇人妻欧美日韩| 欧美日韩国产成人高清视| 黑人一区二区三区啪啪网站| 亚洲av网一区二区三区| 国产xxxx99真实实拍| 午夜福利影院不卡影院| 国产一区资源在线播放| 国产精品无码一区二区在线观一 | 欧美综合天天夜夜久久| 久久免费看少妇高潮v片特黄| 亚洲精品天堂在线观看| 中文字幕有码人妻在线| 日本在线看片免费人成视频1000| 国产精品一区二区资源| 中文字幕人妻一区二区二区| 国产日韩精品欧美一区喷水|