新的变步长LMS算法及其在自适应噪声对消中的应用

介绍了一种基于均方误差估计的新变步长LMS自适应滤波算法。与传统的LMS算法相比,该算法具有较快的收敛速度和较小的稳态失调。将该算法应用于自适应噪声对消系统的仿真中,给出了计算机仿真结果,仿真结果与理论分析一致,证明了新算法的优越性。     

自适应变异麻雀搜索优化算法

针对麻雀搜索算法前期易陷入局部极值点、后期寻优精度不高等问题，提出一种自适应变异麻雀搜索算法（AMSSA）。先通过猫映射混沌序列初始化种群，增强初始种群的随机性、遍历性，提高算法的全局搜索能力；再引入柯西变异和Tent混沌扰动，拓展局部搜索能力，使陷入局部极值点的个体跳出限制继续搜索；最后，提出探索者-跟随者数量自适应调整策略，利用各阶段探索者和跟随者数量的改变增强算法前期的全局搜索能力和后期的局部深度挖掘能力，提高算法的寻优精度。选取16个基准函数和Wilcoxon检验进行验证，实验结果表明：所提算法与其他算法相比，寻优精度、收敛速度和稳定性都取得较大提升。