在实际的自适应滤波系统中普遍存在随机处理延迟和异质测量噪声(如高斯噪声、脉冲噪声等)的问题,而现有的变步长最小均方误差(Variable Step-Size Least Mean Square,VSSLMS)算法在分析时通常假设系统为无延时系统.为了解决上述问题,提...在实际的自适应滤波系统中普遍存在随机处理延迟和异质测量噪声(如高斯噪声、脉冲噪声等)的问题,而现有的变步长最小均方误差(Variable Step-Size Least Mean Square,VSSLMS)算法在分析时通常假设系统为无延时系统.为了解决上述问题,提出一种随机延迟容忍的鲁棒VSSLMS算法,利用Squareplus函数的两个优势:(1)在时延条件下对梯度估计稳定性具有固有平滑性;(2)针对多种类型分布的非线性干扰具有抑制能力.在理论上分析该算法的均方误差和稳态均方误差以评估其性能,并设计系统辨识实验仿真来验证该算法的有效性,且结果与理论分析一致,也优于现有的自适应滤波算法.因此提出的算法不仅表现出更好的稳态性能,在对抗随机时延和多类型测量噪声时也具有更好的鲁棒性.展开更多
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
文摘在实际的自适应滤波系统中普遍存在随机处理延迟和异质测量噪声(如高斯噪声、脉冲噪声等)的问题,而现有的变步长最小均方误差(Variable Step-Size Least Mean Square,VSSLMS)算法在分析时通常假设系统为无延时系统.为了解决上述问题,提出一种随机延迟容忍的鲁棒VSSLMS算法,利用Squareplus函数的两个优势:(1)在时延条件下对梯度估计稳定性具有固有平滑性;(2)针对多种类型分布的非线性干扰具有抑制能力.在理论上分析该算法的均方误差和稳态均方误差以评估其性能,并设计系统辨识实验仿真来验证该算法的有效性,且结果与理论分析一致,也优于现有的自适应滤波算法.因此提出的算法不仅表现出更好的稳态性能,在对抗随机时延和多类型测量噪声时也具有更好的鲁棒性.
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。
