学位论文 > 优秀研究生学位论文题录展示

基于VS-LMS和PSO的传感器动态建模算法研究

作　者: 周凯
导　师: 赵远东
学　校: 南京信息工程大学
专　业: 系统理论
关键词: 传感器动态建模 LMS自适应算法粒子群优化算法 matlab
分类号: TP212
类　型: 硕士论文
年　份: 2013年
下　载: 5次
引　用: 0次
阅　读: 论文下载

内容摘要

传感器的动态数学模型是研究传感器动态特性的基础。而传感器动态建模的目标就是要找到合适的数学模型,通过可靠良好的算法使模型无限的逼近真实的传感器系统模型。本文分析了目前传感器动态建模的几种主要算法,分别有系统辨识法、自适应方法、神经网络方法等,在前人成果的基础上做了以下主要工作：首先,本文着重研究了基于变步长(Variable Step-size, VS)最小均方误差(Least Mean Square, LMS)的自适应横向滤波器辨识法。该算法可以实时的处理测量数据和估计结果,自动的对滤波器参数加以修正使误差最小,最后得到的参数最佳值就是传感器模型的参数。论文学习了传统变步长LMS的特点,特别是对Sigmoid型步长函数的特点进行了分析。基于传统变步长算法在高阶系统中性能下降的问题,本文提出了一种改进的变步长LMS算法。改进的步长函数利用双曲正切函数的组合变换,形成一种新的步长变化模式,保证了LMS算法在高阶系统辨识中的性能,并使用误差信号的自相关瞬时表达式作为步长因子,避免了干扰噪声的影响。其次,本文研究了基于粒子群优化算法(Particle Swarm Optimization, PSO)的传感器动态建模方法。该算法采用一种特殊的神经网络：小波神经网络作为模型,与PSO算法结合大大提升了建模性能。PSO算法是一种仿生的优化算法,传统的PSO算法有寻优速度慢、容易陷入局部最小、收敛精度不高等缺点。本文通过改进传统PSO算法,加入线性变化的权重因子和学习因子提升了算法的效率。最后,本文利用matlab对以上两个算法进行了仿真研究。首先仿真32阶、64阶和128阶三种情况下定步长LMS算法、Sigmoid型变步长算法和本文变步长算法误差性能曲线,通过对比验证了本文改进变步长算法的有效性和优越性。最后分别仿真了本文改进PSO算法与传统算法性能对比、传统神经网络与小波神经网络性能对比以及最后将改进PSO算法结合小波神经网络去拟合一个设定的传感器动态模型,结果证明了该算法用于传感器建模的可行性。

基于VS-LMS和PSO的传感器动态建模算法研究

内容摘要

全文目录

相似论文