【正文】 s president, who is also a renowned tenor, tells China Daily. During a tour in 1985, he went to a village and met an elderly local man, who told him a story about his friendship with a solider from Shenyang, capital of Northeast China39。s villages and entertain nomadic families, but their fame has s pread around the world. On May 16 and 17, nearly 100 singers and dancers from the troupe performed at Beijing39。t just about sharing art with nomadic families but also about gaining inspiration for the music and dance. Ulan Muqir literally translates as red burgeon, and today39。t help but sing the folk songs, Nasun says. The vastness of Inner Mongolia and the lack of entertainment options for people living there, made their lives lonely. The nomadic people were very excited about our visits, Nasun recalls. We didn39。s Zhangye city during their journey to Kazakhstan, May 5, 2021. The caravan, consisting of more than 100 camels, three horsedrawn carriages and four support vehicles, started the trip from Jingyang county in Shaanxi on Sept 19, 2021. It will pass through Gansu province and Xinjiang Uygur autonomous region, and finally arrive in Almaty, formerly known as AlmaAta, the largest city in Kazakhstan, and Dungan in Zhambyl province. The trip will cover about 15,000 kilometers and take the caravan more than one year to plete. The caravan is expected to return to Jingyang in March 2021. Then they will e back, carrying specialty products from Kazakhstan A small art troupe founded six decades ago has grown into a household name in the Inner Mongolia autonomous region. In the 1950s, Ulan Muqir Art Troupe was created by nine young musicians, who toured remote villages on horses and performed traditional Mongolian music and dances for nomadic families. The 54yearold was born in Tongliao, in eastern Inner Mongolia and joined the troupe in says there are 74 branch troupes across Inner Mongolia and actors give around 100 shows every year to local nomadic people. I can still recall the days when I toured with the troupe in the early 39。 您好，為你提供優(yōu)秀的畢業(yè)論文參考資料，請您刪除以下內(nèi)容， O(∩ _∩ )O 謝謝?。?！ A large group of tea merchants on camels and horses from Northwest China39。這些值 表明， CA 雖然 計算復(fù)雜 但具有其獨特的 優(yōu)勢。這表明了各自增長 了LMS 算法。這對 VS AMSD 是 AMSD = ，而 在CA（ CoLMS） 中 AMSD = 。圖 2（ b）顯示，特別是 在 突然改變了算法的比較 之后 ， 我們 可以觀察 到 CA 的有利特性， AMSD。 我 認為 比較 LMS 算法 [6]，其 加權(quán) 系數(shù)為每個單獨的步長 進行了更新 ，這兩個算法的比較是有意義的。每個算法 AMSD 考慮是： AMSD = （ SA1， μ）， AMSD = （ SA2， μ/ 2）， AMSD = （ SA3， μ/ 8）和 AMSD = 。 圖 2（ a）顯示了每個算法的 AMSD 特點。在 仿真 中，組合 濾波器組 由 3 個 不同的 SA 自適應(yīng)濾波器 步驟 組成 ，即自適應(yīng)濾波器 Q = {μ , μ/2, μ /8}。 這里所有的 仿真 ， dk 由零均值高斯噪聲損壞無 關(guān) ?n? and， SNR = 15 dB. 結(jié)果，獲得了平均超過 100 個獨立運行的 N = 4，如上一節(jié)。 仿真結(jié)果 提出的基于 LMS 的算 法不同類型的自適應(yīng) 組合 濾波器是實行固定和非平穩(wěn) 情況 ，合并后的過濾系統(tǒng)識別 。也就是說，如果 CA 選擇， 那么 在 k 次迭代中，加權(quán)系數(shù)向量 PW ，然后 根據(jù)每一個獨立的 算法計 算出 加權(quán)系數(shù) 在（ k +1） 次迭代： 0)(,1 1 22 ?? ? ? ixf oreT Ti in? ? ?kkpk XeEWW ?21 ??? （ 9） 圖 1 快速平均算法 圖 2 快速平均算法 在前面的示例應(yīng)用 中，圖 1（ b）顯示了這種改進。在這里， CA 將通過增加 計算量 與并行 LMS 算法都得到改善， 同時 還認為，在穩(wěn)定狀態(tài) 下 ， CA 不 能 理想 的接近小步長的 LMS 算法， 原因是該方法的統(tǒng)計 特性。 圖 1（ a） 中提出 ,第一次使用的 CA 與 μ的 LMS，然后在穩(wěn)定狀態(tài)，與 μ/10的 LMS。結(jié)果，獲得了平均超過 100（蒙特卡羅方法） 個 獨立 的 運行， 其中 μ = 。 未知的系統(tǒng)有四個時間不變系數(shù)， 而且 FIR 濾波器的 N = 4。 組合自適應(yīng)濾波器舉例 考慮由兩個不同步驟的 LMS 算法相結(jié)合的系統(tǒng)鑒定。方差估計（步驟 2），忽略 了有助于提高算法的復(fù)雜性，因為他們是剛剛開始的時候 ,他們正在使用單獨適應(yīng)硬件實現(xiàn)。 CA 的復(fù)雜性取決于組成算法（第 1 步），并在決策算法（步驟 3）。對于標(biāo)準的 LMS 算法在穩(wěn)定狀態(tài)， 2n? 和 2q? 是相關(guān)的。需要注意的 是 ,只有未知值 (6)的差異。 在這種情況下，應(yīng)提供良好的跟蹤快速變化（最大的差異），而其他應(yīng)提供小的方差的穩(wěn)定狀態(tài)。 第 4 步 ： 轉(zhuǎn)到下一 個瞬間。因此，檢查了一 對 新的 加權(quán) 系數(shù)，或者，如果 ??kDi 是最后一對，只選擇具有最小方差 的 算法 。根據(jù)（ 4），（ 5）和取舍的標(biāo)準， 如果下式成立那么將會減少這個檢查： ? ? ? ? ? ?qlqmlimi qkWqkW ??? ??? 2, （ 6） 當(dāng) Qqq lm ?, 和以下關(guān)系成立： Qqq hqlqhqmh ????? ,: 222 ??? 如果沒有 ??kDi 相交（大偏差）選擇具有最大的方差的值算法。 第 3 步 ： 檢查 ??kDi 是否相交 對于算法。 提出的聯(lián)合算法 (CA)現(xiàn)在可以被總結(jié)為下面的步驟 : 第 1 步 ： 從不同預(yù)定義設(shè)置 ? ??, 2qqQ i? 中 為算法 計算 ? ?qkWi , 。 由于我們 對 有關(guān)信息 ? ?? ?qkWbias i , 沒有先驗 知識，我們將使用一種特定的統(tǒng)計學(xué)方法得到的標(biāo)準 ,即自適應(yīng)算法選擇的 q 值問題。 置信區(qū)間的定義 ? ? ]9,4[,qkWi ? ? ? ? ? ?? ?qiqii qkWkqkWkD ??? 2,2, ??? （ 5） 接著，從（ 4） 式到 （ 5） 式 我們認為只要 ? ?? ? qi qkWb ia s ???, ? ? ? ?kDkW ii ?* 關(guān)于獨立 q， 這意味著， 對于 小偏差，置信區(qū)間 對 同一的 LMS 的算法 是 不同 的 ， 而對 同一的LMS 的算法 則 相交 。 加 權(quán)系數(shù)周圍分布隨機變量 ??kWi* 和 ? ?? ?qkWbias i , 和方差 2q? ，相關(guān) [4， 9]： 。 基于LMS 算法的 行為 主要依賴于 q， 在每個迭代 中 有一個最佳值 optq ，生產(chǎn)的最佳表現(xiàn)的自適應(yīng)算法。,GLMS: q ≡ a,SA:q ≡ 181。讓 ? ?qkWi ,? ? ? ?? ? ? ?? ? ? ? ? ?? ?? ?? ?? ? ? ?kkWbi as kWEkWkWkWEkViiiiiii ??? ???? *? ?kTkk VVEM S D ??? lim 是 以基本 LMS 算法 為基礎(chǔ)的 第 i 個加權(quán)系數(shù)， 在瞬間選擇參數(shù) q 和 系數(shù) k。在每次迭代 中 選擇 最合適的算法， 選擇最佳的加權(quán)系數(shù)值 。自適應(yīng)濾波器 的 一個重要性能衡量標(biāo)準是其均方差（ MSD）的加權(quán)系數(shù)。 因此，如果噪聲方差為常數(shù)或 是 緩慢變 化的 ，2? 為某一特定的基于 LMS 時間不變的算法。 是因為這兩個梯度噪聲（加權(quán) 系數(shù)的平均值左右的變化）和加權(quán)矢量滯后（平均及最佳值的差額）的影響， [3]。注意：分析直接服從 02?Z? ，如果 [1， 2]的條件是滿 足 的 ，那么 加 權(quán)系數(shù)向量 收斂于維納解。在非平穩(wěn)情況下，未知 系統(tǒng)參數(shù) （即 *kW 最佳載體） 是隨 時間 變化的 。 正在研究中的 自適應(yīng)濾波問題在于 嘗試 調(diào)整權(quán)重系數(shù)，使系統(tǒng)的輸出 kTkk XWy ?跟蹤參考信號， kkTkk nXWd ?? * 中 n 是一個零均值與方差 2n? 的高斯噪聲， *kW 是最佳權(quán)向量（維納向量）。在 kTkkk XWde ?? 中，常數(shù) K 表 式誤差 ， kd 是一個參考信號。 基于 LMS 的算法 讓我們定義輸入信號向量 Tk NkxkxkxX )]1()1()([ ???? ?和矢量加權(quán)系數(shù)為TNk kWkWkWW )]()()([ 110 ?? ?權(quán)重系數(shù)向量計算應(yīng)根據(jù) ： }{21 kkkk XeEWW ???? （ 1） 其中 μ 為算法步 長， E{ 這種方法可以適用于所有的 LMS 的算法，雖然我們在這里只考慮其中幾個。我們提出了一個自適應(yīng)濾波器的性能改善的方法 。這些參數(shù)的影響 關(guān)鍵 在兩個 適應(yīng)階段：瞬態(tài)和穩(wěn)態(tài)濾波器的輸出。但是，因為它并不總是收斂在一個可接受的方式， 所以 有很多的嘗試，以 對 其性能 做 適當(dāng) 改進：符號 算法（ SA）的 [8]，幾何 平均 LMS 算法 （ GLMS） [5]，變步長 LMS（最小均方比） 算法 [6， 7]。最常用的自適應(yīng)系統(tǒng)對那些基于最小均方（ LMS）自適應(yīng)算法及其 改進 （ 基于 LMS 的 算法）。 仿真 結(jié)果證實了提出的自適應(yīng)濾波器的優(yōu)點 。 它由并行 LMS 的自適應(yīng) FIR 濾波器和一個 具有更好的選擇 性 的算法 組成 。). LMSbased algorithm behavior is crucially dependent on q. In each iteration there is an optimal value qopt , producing the best performance of the adaptive al gorithm. Analyze now a bined adaptive ?lter, with several LMSbased algorithms of the same type, but with different parameter q. The weighting coef?cients are random variables distributed around the ??kWi* ,with ? ?? ?qkWbias i , and the variance 2q? , related by [4, 9]: ? ?