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
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
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。在详细分析现有变步长LMS算法的基础上,给出一种以双曲正切函数的改进形式为变步长的LMS算法。讨论了步长参数的选取原则及其对算法收敛性、抗干扰性和稳态...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。在详细分析现有变步长LMS算法的基础上,给出一种以双曲正切函数的改进形式为变步长的LMS算法。讨论了步长参数的选取原则及其对算法收敛性、抗干扰性和稳态误差的影响。该算法不但具有较快的收敛速度和跟踪速度,而且能获得更小的稳态失调。理论分析和仿真结果表明,该算法具有更好的稳态性能。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.
文摘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。在详细分析现有变步长LMS算法的基础上,给出一种以双曲正切函数的改进形式为变步长的LMS算法。讨论了步长参数的选取原则及其对算法收敛性、抗干扰性和稳态误差的影响。该算法不但具有较快的收敛速度和跟踪速度,而且能获得更小的稳态失调。理论分析和仿真结果表明,该算法具有更好的稳态性能。
