|
图2 自适应预测器原理图
2 自适应预测算法
自适应预测器原理框图如下：
波浪回波时间预测值
(1)
式中 wi(n)为第n时刻的权向量；
t(n-i)(i=1,2,…,M)为第n时刻的前M个回波时间。
权向量wi(n)按LMS算法进行自适应调整
wi(n+1)=wi(n)+2μe(n)t(n-i)
(2)
式中 μ为步长因子；
e(n)=t(n)- (n)，为自适应预测误差。
3 算法中的几个问题
3.1 稳态误差ξ
由于算法收敛后，加权矢量wi(n)继续按公式(2)变化，其校正值是随机起伏的，因而权向量wi(n)也是随机起伏的，其稳态误差ξ将大于维纳误差ξmin。一般地描述稳态误差的大小用失调系数γ表示：
(3)
上式表明：权向量的长度M越大、步长因子μ和输入信号功率Pin越大，稳态误差也将越大。
3.2 步长μ的选取
理论上要保证加权矢量w(n)收敛到其最佳值wopt，步长因子μ应满足下述条件
(4)
式中λmax为输入信号自相关矩阵的最大特征值。
实际选取步长因子μ时，在保证算法收敛的情况下主要考虑两个因素，一是收敛时间，二是失调误差。首先μ必须足够小，以保证迭代过程收敛，在收敛的情况下，μ愈大收敛愈快，但μ越大失调误差也越大。本算法的收敛时间(8098单片机实现)约为1～2s，鱼雷在浅水航行有足够时间进行自适应调整。
3.3 数据丢失情况的处理
由于海面的随机起伏，海面散射回波的幅度起伏较大，有可能因幅度过小出现回波测距的数据丢失。如某一时刻的数据丢失，则用该时刻的预测值代替进行预测，实验表明，在一定时间内，M(M=6)个预测数据序列中出现1～3个数据丢失，预测误差没有明显的增加。
4 实验结果
4.1 计算机仿真结果
描述波浪的统计变化常用波浪谱表示，现国内外常用的波浪谱有Nuemann谱、Pierson-Moscowitz谱和我国沿海观测谱，利用波浪谱经傅利叶重构法可反算出波浪的起伏变化，如图3(a)是Nuemann谱反演得到的五级海况下的波浪起伏变化，其平均波高为2.3m，平均周期为5～6s。以上述波浪作为仿真中的输入数据，波浪回波时间以波高表示(相差水中声速因子)，得到图3(b)和(c)的结果，其中图3(b)为预测结果，图3(c)为误差输出。若将波浪起伏背景看作是噪声，目标吃水深度为信号，对吃水为1.55m的矩形截面目标，输入信噪比约为-11dB，如图3(a)所示；自适应预测技术相当于抑制了背景噪声，仿真表明，预测误差的方差小于0.1，目标从背景中显著跳出，输出信噪比达42dB，如图3(c)所示。 | 
当前位置：
电子技术 >> DSP >> 算法
相关文章
发表评论