论文部分内容阅读
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,为了更精确的修正误差,需将各误差分量分离出来。主要研究周期性误差的分离,分别使用LMS算法和RLS算法构成神经网络自适应线性元件模型,实现周期性误差成分的分离,通过1个动态测试仿真系统进行验证,得出基于RLS算法的神经网络自适应线性元件模型在分离动态测量误差周期性成分时比LMS算法具有更好的实时性,更为高效、准确,说明了该方法的实用性和优越性。