MIMO系统自适应均衡算法研究

MIMO信道为频率选择性信道,由于时延扩展而存在色散,因此研究MIMO系统的自适应均衡技术显得尤为重要.通过对自适应均衡技术的两种主要的算法最小均方(LMS)算法和递归最小二乘(RLS)算法的研究可以看出,在不同的步长因子及遗忘因子等参数变化情况下,LMS算法的收敛速度较慢,但均衡简单易实现,RLS算法收敛速度较快,但迭代运算较复杂.结合二者的特点提出了在MIMO系统中引入改进的最小均方算法,即归一化最小均方(NLMS)算法.仿真实验对比表明NLMS算法的计算量与LMS相当,但收敛条件简单,易实现,收敛速度较快,有很实际的应用价值.     

一种会议电话回波抵消自适应算法

最小均方自适应算法是符合国际电信联盟(ITU)标准G.168的回波抵消自适应算法.然而,单纯符合该标准并不能保证完全满足消费者所期望的典型的话音质量,并且不适用于电话会议的回波抵消系统.为克服这个缺点,本文提出了一种适用于电话会议的回波抵消算法:归一化最小均方(NLMS)自适应算法.这种算法的收敛条件与输入信号特征无关,同时,当输入信号为语音时,NLMS自适应算法的收敛速率更快,稳定性好.仿真实验表明:NLMS算法优于LMS算法.     

基于EXP_NLMS算法的MIMO自适应均衡器设计方法

MIMO自适应均衡器的作用是通过校正和补偿时变信道来减少码间干扰,因此通过智能算法来优化其控制参数的方法十分必要.本文对基于指数函数的变步长LMS(EXP_NLMS)算法进行了研究,并将其应用到MIMO自适应均衡器设计中,用于控制参数的智能自适应更新.通过基于归一化最小均方(NLMS)算法和EXP_NLMS算法的MIMO自适应均衡器性能进行仿真和对比分析,得出结论,针对MIMO自适应均衡器的设计,EXP_NLMS算法相比NLMS算法收敛速率更快,收敛后更加稳定,效果更好.     

一种改进的快速自适应滤波算法

为了解决传统自适应滤波最小均方(Least Mean Square,LMS)算法中收敛速度与稳态误差之间的矛盾,提出了一种改进算法。该算法在已有变步长LMS算法基础上,引入遗忘因子来影响步长的更新。仿真表明,改进后的算法比原算法不但具有更快的收敛速度,而且具有更小且稳定的稳态误差。     

一种改进的变步长LMS自适应滤波算法

针对自适应滤波领域的最小均方(Least Mean Square,LMS)算法无法权衡稳态误差和收敛速度这一矛盾,提出了一种改进的变步长LMS自适应滤波算法.该算法在基于对数函数的变步长LMS算法的基础上,建立了一种新的步长参数与误差的关系模型.仿真结果表明,提出算法与已有算法相比,能够达到更高的收敛精度及更快的收敛速...     

一种变步长LMS自适应噪声抵消算法研究

通过对传统最小均方误差（leastmean square,LMS）算法迭代因子μ进行分析,讨论了μ与收敛速度及稳态失调的关系,在此基础上研究了一种新的变步长LMS自适应算法,建立了步长因子μ与输入信号及迭代次数n之间的一种新的非线性关系。通过理论分析,该算法与传统LMS算法相比,其收敛速度更快、稳态误差较小,且计算量增加不大,采用Matlab仿真表明了该算法的优越性。     

一种快速收敛的自适应波束形成算法

为了解决传统最小均方(LMS)自适应波束形成算法在低信噪比环境下收敛速度较慢的问题,提出了一种快速收敛的小波域自适应波束形成算法. 该算法利用小波变换软阈值法消除信号中的加性高斯白噪声,并在此基础上将牛顿法应用于LMS算法中,提高了小波域LMS算法的收敛速度. 仿真结果表明,相比传统LMS算法,在低信噪比环境下,该算法收敛速度加快,稳态误差减小,波束形成精确度有较大的提高;同时相对于已有的小波域LMS算法,该算法的收敛速度和精度也有所提高.     

基于动态可变分段误差函数的常数模盲均衡算法

为了克服常数模算法（ CMA）收敛速度慢,稳态误差大的缺点,在分析基于可变分段误差函数的常数模盲均衡算法的基础上,提出了基于动态可变分段误差函数的常数模盲均衡算法。该算法利用均方误差（ MSE）来动态调节误差函数的分段点位置,误差函数特性在均衡过程中随着MSE不断变化,使得算法误差模型与发射信号的模型不断匹配,从而具有增加收敛速度和减小稳态误差的特点。分别用混合相位水声信道和最小相位水声信道对提出的新算法进行仿真实验,结果表明：对于混合相位水声信道,新算法的收敛速度明显快于CMA,且具有更小的稳态均方误差;对于最小相位水声信道,新算法的稳态均方误差明显小于CMA,而收敛速度相当。     

一种基于自适应KLMS的卫星网络流量预测算法

针对传统预测模型已不再适用于卫星网络的问题,提出了一种自适应步长和自适应核宽度的核最小均方算法（AKLMS）.通过核函数将非线性数据从低维输入空间映射到高维特征空间进行操作,并且在迭代过程中根据瞬时误差自适应地调整步长和核宽度.仿真结果证明,与核最小均方算法（KLMS）和最小均方算法（LMS）相比,AKLMS算法在收敛速度和预测流量精度方面都有大幅提升,为卫星网络的流量规划和路由设计提供了强有力的决策支持.     

归一化加权双模式盲均衡算法

恒模算法（CMA）打开信道眼图的能力强,但收敛速度慢,稳态误差大,适于均衡器启动阶段的工作;决策指向算法（DD）收敛速度快,稳态误差低,但要求决策装置正确判决率高,适于跟踪阶段的工作;归一化自适应滤波算法能够动态地调整步长因子,提高收敛速度。结合上述三方面的优势,提出一种归一化的加权双模式盲均衡算法,和切换式双模式算法相比,新算法的主要优势在于无需在两种模式之间切换,降低了接收设备的复杂性。针对16QAM系统的仿真结果表明新算法和切换式算法相比,稳健性更好,收敛速度更快,并且更适合在低信噪比条件下使用。     

基于NLMS算法的自适应AQM控制机制的研究

针对RED算法在网络拥塞控制中使得队列波动较大的缺点,提出了一种归一化最小均方（NLMS）算法,并研究了NLMS算法在主动队列管理中的具体实现。仿真实验通过对NLMS算法、RED算法、REM算法、LRC-RED算法性能的比较,表明NLMS算法具有较好的动静态性能,且能够提高队列稳定性,降低丢包率。     

Nonparametric VSS-APA based on precise background noise power estimate

The adaptive algorithm used for echo cancellation(EC) system needs to provide 1) low misadjustment and 2) high convergence rate. The affine projection algorithm(APA) is a better alternative than normalized least mean square(NLMS) algorithm in EC applications where the input signal is highly correlated. Since the APA with a constant step-size has to make compromise between the performance criteria 1) and 2), a variable step-size APA(VSS-APA) provides a more reliable solution. A nonparametric VSS-APA(NPVSS-APA) is proposed by recovering the background noise within the error signal instead of cancelling the a posteriori errors. The most problematic term of its variable step-size formula is the value of background noise power(BNP). The power difference between the desired signal and output signal, which equals the power of error signal statistically, has been considered the BNP estimate in a rough manner. Considering that the error signal consists of background noise and misalignment noise, a precise BNP estimate is achieved by multiplying the rough estimate with a corrective factor. After the analysis on the power ratio of misalignment noise to background noise of APA, the corrective factor is formulated depending on the projection order and the latest value of variable step-size. The new algorithm which does not require any a priori knowledge of EC environment has the advantage of easier controllability in practical application. The simulation results in the EC context indicate the accuracy of the proposed BNP estimate and the more effective behavior of the proposed algorithm compared with other versions of APA class.     

基于场景的焦平面阵列非均匀性校正算法研究

为了克服基于传统神经网络法的红外焦平面阵列(IRFPA)非均匀性校正算法收敛速度慢和校正精度不高的缺点，提出了一种新的基于场景的IRFPA非均匀性校正算法.该算法利用校正误差的均方值和增益因子的均值包含的信息，提出了一种新的误差函数，并将误差函数作为目标函数，利用最陡下降法，得到计算增益校正因子和偏移量校正因子的迭代公式.在迭代运算中，设计了一个自适应步长因子来代替传统迭代公式中常量步长因子，最终得到了有较高运算效率的IRFPA非均匀性校正算法.对模拟的红外非均匀性图像序列进行了校正，并分析了算法性能曲线和校正结果，发现本文算法与传统神经网络法相比具有更好的校正效果和更快的收敛速度.     

改进的LMS自适应时延估计方法

针对传统的基于SINC插值的自适应时间延迟估计方法估计误差较大、收敛速度较慢等问题,提出了一种新的插值方法和相应的自适应时延估计方法.根据LMS自适应时延估计方法中最优权表达式的有关参数特点,采用自适应算法对参数进行估计并进行了理论分析.计算机仿真结果表明,与基于SINC插值的自适应时延估计方法相比,在不同信噪比条件下,新方法所需自适应滤波器抽头长度小且具有较快的收敛速度和较好的稳态均方误差,具有广泛的适用性.     

工作空间噪声主动控制ChFxLMS算法

为改善滤波x最小均方（Filter-x Least Mean Square,FxLMS）算法不能同时兼顾稳态误差与收敛速度的不足,提出一种基于cosh函数的变步长FxLMS（Cosh-FxLMS,ChFxLMS）算法. 通过cosh函数建立误差信号与步长因子间的联系,使得步长因子按照cosh函数特性实时调整;分析不同参数对ChFxLMS算法性能的影响,为算法参数选取作指导;分别将正弦信号和实测织机信号作为输入信号,对ChFxLMS算法性能进行验证,并与FxLMS算法、基于sigmoid函数的变步长FxLMS（Sigmoid-FxLMS,SFFxLMS）算法进行对比. 仿真结果表明,ChFxLMS算法性能在时域和频域上都取得较好的控制效果. 分析结果表明,该算法能较大地降低稳态误差和提高收敛速度. 该研究成果可为工作空间噪声主动控制提供一种新思路.     

改进的凸组合最小均方算法

凸组合最小均方（CLMS）算法能够克服传统最小均方算法收敛速率、跟踪性能和稳态误差之间的矛盾. 但传统CLMS算法使用最速下降法推导参数导致其搜索路径呈“之”字形而使收敛速率变慢,为了解决这个问题,采用共轭梯度法实现参数的更新,同时使用双曲正切函数拟合Sigmoid函数来降低算法的运算复杂度. 为进一步提高算法性能,在所设计的基础上附加瞬时转移结构实现优化. 仿真结果证明,改进算法与传统CLMS、变步长CLMS相比,在噪声、相关信号输入以及非平稳环境下能够保持较好的均方性能和跟踪性能.     

Fast nonlinear Shrinkage LMS Newton equalization algorithm over the satellite nonlinear channel

The adaptive Volterra equalizer is an effective technique for compensating the nonlinearity over satellite channels. However, its adaptive algorithm has a slow convergence speed. To counteract this problem, a new shrinkage least mean square Newton algorithm is devised for the adaptive Volterra equalizer over the satellite nonlinear channel. A noise-free posteriori and priori error signal is obtained by using a known Shrinkage method and L1-L2 minimization formulation. Furthermore, by minimizing the energy of the noise-free posteriori error signal, the SHLMS Newton method is able to provide a variable step size to update the weight vector for the adaptive Volterra equalizer, significantly enhancing the convergence speed. Simulation results indicate that the SHLMS Newton adaptive Volterra equalizer can effectively correct signal amplitude and phase distortions and satellite nonlinear channel distortion.Additionally, the SHLMS Newton algorithm can obtain a faster convergence speed than the traditional algorithms.     

改进的l0范数LMS算法与分析

提出一种改进的基于l0范数的最小均方( LMS)算法。采用误差的相关函数值调整权系数步长因子以及零吸引项,增强系统的抗噪声性能;并且引入一种修正的权系数步长因子更新方法,进而使系统具有较快的跟踪速度。对提出的算法进行理论分析,最后在不同信噪比下进行仿真验证并与已有的基于l0范数的LMS算法进行比较。理论分析结合仿真验证都表明新提出算法具有较快的跟踪速度和较强的抗噪声性能。