为了解决RRT^(*)(rapidly-exploring random tree star)算法在搜索过程中速度低下和冗余节点过多,路径代价等问题,在RRT^(*)算法的基础上提出一种A-RRT^(*)算法,A-RRT^(*)算法通过融合A^(*)算法中的代价函数和使用了动态步长策略有效缩...为了解决RRT^(*)(rapidly-exploring random tree star)算法在搜索过程中速度低下和冗余节点过多,路径代价等问题,在RRT^(*)算法的基础上提出一种A-RRT^(*)算法,A-RRT^(*)算法通过融合A^(*)算法中的代价函数和使用了动态步长策略有效缩短了路径长度提升路径质量,改进剪枝策略减少了树搜索的冗余节点。根据算法在简单、复杂和密集环境下的仿真结果显示,在密集环境下A-RRT^(*)算法的无效冗余节点剪除94.29%、内存缩减了94.29%、搜索时间提高了96.28%、迭代次数缩减了91.49%、路径距离缩短了10.18%。为了防止生成的路径不平整而使机械臂在运行中造成损伤,利用了三次B样条对路径进行了优化,通过三维机械臂仿真也可得出优化后的路径更加平滑,减少了机械臂在运行过程中的关节波动,更有利于机械臂的运行,进一步验证了算法在机械臂运行中的有效性。展开更多
针对目前定步长和变步长最小均方(Least Mean Square,LMS)算法在设计低通滤波器时面临稳态精度和响应速度二者无法同时保障的问题,设计了一种基于改进变步长LMS算法的自适应滤波器。为获得较高的稳态精度和响应速度,该算法设计过程中引...针对目前定步长和变步长最小均方(Least Mean Square,LMS)算法在设计低通滤波器时面临稳态精度和响应速度二者无法同时保障的问题,设计了一种基于改进变步长LMS算法的自适应滤波器。为获得较高的稳态精度和响应速度,该算法设计过程中引入了改进双曲正切函数用以实现对步长因子及误差信号的连续调节。利用MATLAB/Simulink仿真软件对改进变步长LMS算法下的自适应滤波器进行仿真验证。结果表明,在该算法下设计的滤波器不仅能够响应速度快,而且还能获得较高的稳态精度。展开更多
针对自适应最小均方误差(Least Mean Square,LMS)滤波算法迭代步长在算法收敛速度、稳态误差间的折中问题,设计了一种基于双曲正切函数的新型变步长算法,算法以双曲正切函数为基础,建立步长因子μ(n)与误差信号e(n)的非线性函数关系,并...针对自适应最小均方误差(Least Mean Square,LMS)滤波算法迭代步长在算法收敛速度、稳态误差间的折中问题,设计了一种基于双曲正切函数的新型变步长算法,算法以双曲正切函数为基础,建立步长因子μ(n)与误差信号e(n)的非线性函数关系,并引入参数α、β和m,设计了一种新的步长调整公式,使得在算法迭代初始阶段采用较大步长因子,达到更快的收敛速度,在接近收敛时采用较小的步长因子,获得更小的稳态误差。通过仿真分析了不同参数对算法性能的影响,与已有典型变步长算法相比,论文算法具有更快的收敛速度、更小的稳态误差和更优的追踪能力。展开更多
论文研究了自适应最小均方误差(Least Mean Squares,LMS)滤波算法的步长选取问题。在分析现有算法的基础上,通过构造步长与误差信号之间的非线性函数,提出一种新的变步长LMS算法。新算法采用误差信号的自相关估计值控制步长,而不是直接...论文研究了自适应最小均方误差(Least Mean Squares,LMS)滤波算法的步长选取问题。在分析现有算法的基础上,通过构造步长与误差信号之间的非线性函数,提出一种新的变步长LMS算法。新算法采用误差信号的自相关估计值控制步长,而不是直接利用瞬时误差控制步长,避免了噪声干扰,降低了稳态失调,可工作于低信噪比环境。同时新算法步长控制无记忆效应,提高了收敛速度。仿真表明,新算法的稳态失调和收敛速度均优于现有变步长LMS算法。展开更多
为了改进现有的变步长最小均方误差(least mean square,LMS)算法在低信噪比时性能较差的缺陷,提出了一种基于改进的双曲正切函数的变步长LMS算法,从理论分析和仿真实验两方面讨论了引入参数对算法收敛性、跟踪性、稳定性的影响及算法的...为了改进现有的变步长最小均方误差(least mean square,LMS)算法在低信噪比时性能较差的缺陷,提出了一种基于改进的双曲正切函数的变步长LMS算法,从理论分析和仿真实验两方面讨论了引入参数对算法收敛性、跟踪性、稳定性的影响及算法的抗干扰性。理论分析和仿真实验表明该算法在高低信噪比时均具有较快的收敛速度和跟踪速度以及较小的稳态误差和稳态失调,并且在低信噪比时该算法的收敛性、跟踪性、稳态性均优于其他多种变步长算法。展开更多
针对固定步长最小均方(LMS,least mean square)算法以及变步长LMS算法在收敛速度与稳态误差性能方面的不足,本文提出了一种新的基于对数函数改进的LMS算法.由于该算法中不涉及指数的运算,使得算法的计算量大大下降,收敛速度更快.仿真结...针对固定步长最小均方(LMS,least mean square)算法以及变步长LMS算法在收敛速度与稳态误差性能方面的不足,本文提出了一种新的基于对数函数改进的LMS算法.由于该算法中不涉及指数的运算,使得算法的计算量大大下降,收敛速度更快.仿真结果表明,对数函数改进的LMS算法比基于反正切函数改进的LMS算法具有近似相同的稳态误差性能,然而本文算法收敛更快,速度平均提高1.5倍.并且比基于双曲正切函数改进的LMS算法中的稳态误差平均降低0.5倍,同时收敛速度平均提高1.0倍.展开更多
文摘为了解决RRT^(*)(rapidly-exploring random tree star)算法在搜索过程中速度低下和冗余节点过多,路径代价等问题,在RRT^(*)算法的基础上提出一种A-RRT^(*)算法,A-RRT^(*)算法通过融合A^(*)算法中的代价函数和使用了动态步长策略有效缩短了路径长度提升路径质量,改进剪枝策略减少了树搜索的冗余节点。根据算法在简单、复杂和密集环境下的仿真结果显示,在密集环境下A-RRT^(*)算法的无效冗余节点剪除94.29%、内存缩减了94.29%、搜索时间提高了96.28%、迭代次数缩减了91.49%、路径距离缩短了10.18%。为了防止生成的路径不平整而使机械臂在运行中造成损伤,利用了三次B样条对路径进行了优化,通过三维机械臂仿真也可得出优化后的路径更加平滑,减少了机械臂在运行过程中的关节波动,更有利于机械臂的运行,进一步验证了算法在机械臂运行中的有效性。
文摘针对目前定步长和变步长最小均方(Least Mean Square,LMS)算法在设计低通滤波器时面临稳态精度和响应速度二者无法同时保障的问题,设计了一种基于改进变步长LMS算法的自适应滤波器。为获得较高的稳态精度和响应速度,该算法设计过程中引入了改进双曲正切函数用以实现对步长因子及误差信号的连续调节。利用MATLAB/Simulink仿真软件对改进变步长LMS算法下的自适应滤波器进行仿真验证。结果表明,在该算法下设计的滤波器不仅能够响应速度快,而且还能获得较高的稳态精度。
文摘针对自适应最小均方误差(Least Mean Square,LMS)滤波算法迭代步长在算法收敛速度、稳态误差间的折中问题,设计了一种基于双曲正切函数的新型变步长算法,算法以双曲正切函数为基础,建立步长因子μ(n)与误差信号e(n)的非线性函数关系,并引入参数α、β和m,设计了一种新的步长调整公式,使得在算法迭代初始阶段采用较大步长因子,达到更快的收敛速度,在接近收敛时采用较小的步长因子,获得更小的稳态误差。通过仿真分析了不同参数对算法性能的影响,与已有典型变步长算法相比,论文算法具有更快的收敛速度、更小的稳态误差和更优的追踪能力。
文摘论文研究了自适应最小均方误差(Least Mean Squares,LMS)滤波算法的步长选取问题。在分析现有算法的基础上,通过构造步长与误差信号之间的非线性函数,提出一种新的变步长LMS算法。新算法采用误差信号的自相关估计值控制步长,而不是直接利用瞬时误差控制步长,避免了噪声干扰,降低了稳态失调,可工作于低信噪比环境。同时新算法步长控制无记忆效应,提高了收敛速度。仿真表明,新算法的稳态失调和收敛速度均优于现有变步长LMS算法。
文摘为了改进现有的变步长最小均方误差(least mean square,LMS)算法在低信噪比时性能较差的缺陷,提出了一种基于改进的双曲正切函数的变步长LMS算法,从理论分析和仿真实验两方面讨论了引入参数对算法收敛性、跟踪性、稳定性的影响及算法的抗干扰性。理论分析和仿真实验表明该算法在高低信噪比时均具有较快的收敛速度和跟踪速度以及较小的稳态误差和稳态失调,并且在低信噪比时该算法的收敛性、跟踪性、稳态性均优于其他多种变步长算法。
文摘针对固定步长最小均方(LMS,least mean square)算法以及变步长LMS算法在收敛速度与稳态误差性能方面的不足,本文提出了一种新的基于对数函数改进的LMS算法.由于该算法中不涉及指数的运算,使得算法的计算量大大下降,收敛速度更快.仿真结果表明,对数函数改进的LMS算法比基于反正切函数改进的LMS算法具有近似相同的稳态误差性能,然而本文算法收敛更快,速度平均提高1.5倍.并且比基于双曲正切函数改进的LMS算法中的稳态误差平均降低0.5倍,同时收敛速度平均提高1.0倍.
