10.3969/j.issn.1002-8978.2011.06.007
基于自适应线性元件的周期误差分离研究
动态测量误差信号通常为多分量的非平稳信号,可能包含非周期性趋势项误差、周期性误差、随机误差等分量.为了更精确地修正误差,需将各误差分量分离出来.用神经网络自适应线性元件方法分解动态测量误差信号的周期性成分,通过一个动态测试仿真系统进行验证,并与EMD方法分解结果对比,得出神经网络自适应线性元件方法在分离周期性成分(特别是频率较大)时比EMD方法更为准确,说明了该方法在动态误差分解中的实用性和优越性.
动态测量误差、神经网络、自适应线性元件、LMS算法、经验模态分解(EMD)
30
TN911.8
2011-10-19(万方平台首次上网日期,不代表论文的发表时间)
共5页
13-17