机器学习;最小均方误差算法LMS;随机梯度;梯度下降;有监督学习;线性回归;正规方程与梯度下降的比较;正规方程
2022-11-03 13:02:47
478KB
1
为了进一步改善非线性功率放大器系统的线性度,提出了一种基于BP神经网络逆向建模的离线训练自适应预失真方法。利用BP神经网络对功放逆向建模,并将建立好的逆模型参数作为预失真器模型初值。为了提高在初始预失真系统中预失真器的线性化效果及系统自适应进程的速度,在建立自适应预失真系统之前,利用BP逆向模型对预失真器进行离线训练。最后采用直接结构和最小均方(LMS)算法调节神经网络预失真器的权值,以消除放大器非线性的扰动。仿真结果显示,此方案可使邻道互调功率降低约18 dB,而经典的直接—非直接结构只降低了8 dB,表明此预失真方案能够更好地改善功率放大器的线性度。
2022-10-11 15:17:52
1.01MB
1
非线性和线性负载连接到三相电源。 电源电流是非正弦的。 并联有源滤波器在 0.08 秒处切换。 现在电源电流是正弦的并且与电源电压同相。 功率因数接近统一，THD 降低至 5%
可以改变负载参数以研究不同类型的负载特性
2022-10-01 09:10:46
39KB
1
为了解决定步长 LMS 算法不能同时满足快速收敛和低稳态误差的问题，提出了一种基于改进双曲正切函数的变步长LMS算法（IVSSLMS）。该算法利用步长反馈因子的二范数和误差信号的相关值来调节步长，克服了定步长算法收敛速度慢及抗噪声能力差的问题；并从理论上分析了算法的性能，给出了参数的取值方法。仿真实验结果表明，在高/低信噪比条件下，IVSSLMS 算法比已有变步长算法的收敛速度更快、稳态误差更小、系统跟踪能力更优。
2022-04-14 10:19:35
1.04MB
1
对比传统的归一化最小均方算法（NLMS），系数比例自适应算法（PNLMS）拥有较快的初始收敛速度，但是PNLMS无法很好处理稀疏系统辨识问题。因此基于L0范数的IPNLMS(L0-IPNLMS)算法被提出，本文对L0-IPNLMS算法提出改进以提高对稀疏系统进行辨识的性能。分析了近年来的几种系数比例算法的性能及其局限性，通过建立步长因子μ与误差信号e之间的非线性关系，提出了一种结合Sigmoid函数和L0范数的变步长系数比例NLMS滤波算法，仿真结果表明提出的算法拥有更好的收敛性和稳态误差。
2022-03-11 19:37:21
403KB
1
文章首先简单介绍了LMS算法和采用此算法的系统结构图，随后分别给出了MATLAB和SIMULINK的具体实现及其运行结果，最后针对迭代步长对系统性能的影响情况进行简明的讨论。结果证明，采用LMS算法得出的结果与准确值的偏差在工程上完全可以接受，并且算法容易实现。
2021-12-03 20:41:21
36KB
1