不管是变步长还是变抽头长度,都是为了克服传统LMS算法的不足。这些年来,有很多的变步长和变抽头长度思想被提出,这些方法都希望能更好地改善传统LMS算法的性能。为了进一步改善LMS算法的性能,本文首先简要分析了一种变抽头长度方法,引入漏因子,将抽头长度假设成一个假分数来进行更新,再对更新后的值进行处理,变为真实的抽头长度。其次,本文将变步长的思想应用到了变抽头长度算法中,本文利用一个近似于Sigmoid函数的非线性函数模型来建立步长和误差的关系,使得算法能在对抽头长度进行收敛的同时,能兼顾到步长与误差的关系。本文提出的算法能结合变抽头长度方法和变步长方法的优点,进一步改善传统LMS算法的性能。仿真实验表明:相比于原变抽头长度算法,新算法不仅提高了收敛速度,而且降低了稳态误差,同时能更快更准确地跟踪抽头长度的变化。抽头长度学习曲线图3MSE学习曲线从图2可知：本文提出的算法和FTNLMS算法在前10000个点时，抽头长度都能很快的收敛到一个最优长度上。当未知系统发生突变时，本文提出的算法抽头长度的变化波动要小于FTNLMS算法，同时能更快的收敛到最优抽头长度，这说明当系统的抽头长度变化较大时，变步长LMS算法-电动折弯机数控滚圆机滚弧机张家港钢管滚圆机滚弧机折弯机本文提出算法比原FTNLMS算法有更快的稳定性和收敛性能；在20001点时，未知系统再次发生突变，由于此次变化，本文由公司网站网站采  转摘采集转载中国知网整理!  http://www.kuoguanji168.com/抽头长度只由64变到了32，变化较小，两算法都能很好的收敛到最优抽头长度。图3是两个算法的MSE学习曲线，由图3可知：在10000点以前，两算法的稳态误差和收敛速度差不多，但在10000点以后，由于系统发生了两次突变，在这两次突变的过程中，本文提出的算法都有一个更好的收敛速度和稳态误差。这是由于本文提出的算法不仅抽头长度在收敛，步长也在随着误差的减小而变校5结论本文将一种变步长NLMS自适应算法思想应用到变抽头长度NLMS算法中。变抽头长度NLMS算法是利用同一时刻由不同抽头长度得到的误差值之差来更新抽头长度，利用漏因子，把抽头长度作为一个假分数来更新。这样能避免更新抽头长度时发生震荡，能更准确的得到抽头长度的最优值。但是变抽头长度NLMS算法只是单纯地对未知系统的抽头长度进行跟踪，除此以外并没有对传统NLMS算法性能有多大的提高。因此，本文用一个非线性模型将步长和误差值联系在一起。当抽头长度越接近于最优值时，系统稳态误差也就越小，同时步长也会随之变校该算法兼顾了收敛速度和稳态误差，改善了现有算法的性能。参变步长LMS算法-电动折弯机数控滚圆机滚弧机张家港钢管滚圆机滚弧机折弯机本文由公司网站网站采  转摘采集转载中国知网整理!  http://www.kuoguanji168.com/