用于稀疏系统辨识的改进惩罚LMS算法研究

基于加权零吸引因子最小均方算法（RZA-LMS），提出了一种应用于系统辨识的新型自适应滤波算法（ARZA-LMS）。RZA-LMS通过在标准LMS算法迭代过程中添加零吸引因子，促进了滤波器小权系数的收敛，从而在辨识稀疏系统时，加快了算法的整体收敛速度。但是RZA-LMS算法中的零吸引因子，选择了固定的e，过于武断，降低了算法的鲁棒性。通过在参数e与误差信号e之间建立非线性关系，使零吸引因子在最小化MSE更具有灵活性，提出了一种改进的RZA-LMS，提高了对系统辨识的收敛速度和稳定性。最后，计算机仿真验证了新算法的性能明显优于原算法和若干现有稀疏系统辨识的方法。  

汽车转向与主动悬架集成系统的D-LMS控制

以提高汽车行驶平顺性、操纵稳定性和安全性为目点,建立了半车三自由度汽车转向与主动悬架的综合模型,采用基于小波理论的最小均方(LMS)算法对转向与主动悬架集成系统进行控制。计算结果表明,采用LMS控制的转向与主动悬架集成系统使汽车行驶平顺性和操纵稳定性比被动系统明显改善,有效地提高了汽车综合性能;同时LMS能自动调整权系数,且控制算法简单,便于工程应用。