一种改进变步长LMS算法的性能研究

在对传统LMS算法、变步长LMS算法及其改进算法分析的基础上,提出了一种改进的变步长LMS算法。新算法通过建立步长因子与误差信号之间的非线性函数关系,使其初始阶段和时变阶段步长自适应增大和稳态阶段步长很小,理论分析及计算机的仿真结果表明,该算法可保证较快的收敛速度和较小的失调,能更好地解决收敛速度和稳态误差的内在矛盾,可更好地应用于自适应系统中。     

一种改进的LMS算法及其在噪声对消中的应用

在分析传统定步长LMS(Least Mean Square)算法和变步长LMS算法的基础上,提出了一种改进的变步长LMS算法.新算法利用瞬时误差绝对值三次方的指数形式和遗忘因子同时调整步长,更好地解决了收敛速度和稳态误差的矛盾.将三种算法均用到噪声对消中进行比较,仿真结果表明:新算法收敛速率优于传统定步长LMS算法和变步长LMS算法.     

改进SVSLMS算法在系统辨识中的应用及性能分析

通过建立步长因子μ与误差信号e（n）之间的非线性函数关系,提出了一种改进的自适应可变步长最小均方（LMS）算法。该算法具有在误差e（n）接近0处缓慢变化的优点,克服了S函数变步长LMS算法在自适应稳态阶段μ取值偏大的缺点;具有初始阶段和未知系统时变阶段步长自动增大而稳态时步长很小的特点,解决了收敛时间和稳态误差的矛盾。将算法应用到系统辨识中,对比一般的变步长算法,改进的算法在平稳过程中具有更快的辨识速度和更小的稳态误差,同时还具有更好的跟踪时变系统的能力。     

改进变步长LMS自适应预失真算法研究

在数字预失真过程中,针对传统的最小均方差(LMS)自适应算法收敛速度较慢和稳态误差较大的缺点,通过分析各种改进的变步长LMS算法的优势和劣势,提出了一种组合曲线的归一化变步长LMS数字预失真算法。仿真结果表明,新算法在保证预失真效果的前提下,算法性能得到极大提升。     

改进的变步长频域批处理LMS算法

现有的单载波频域均衡技术中的定步长频域批处理LMS（Frequency-Domain Block Least Mean Square,FBLMS）算法,在收敛速度和稳态误差之间存在矛盾。针对这个问题,基于对变步长LMS算法的研究分析,提出了一种新的改进的变步长频域批处理LMS自适应滤波算法,通过变步长因子以及频域权系数抽头泄漏能很好地协调收敛速度和稳态误差之间的矛盾,并且还具有较低的算法复杂度的特点。通过Matlab对提出的新算法进行计算机仿真验证,结果表明该算法有较好的收敛速度和较小的稳态误差。     

一种基于MVSSLMS的改进算法

在分析传统LMS算法及其改进算法的基础上,提出了一种改进的变步长LMS算法,用误差信号的自相关及均方误差来调节自适应滤波算法的步长,仿真结果表明改进算法的收敛性能良好,优于传统LMS和MVSSLMS算法.     

LMS自适应滤波算法的改进及性能分析

关于研究自适应滤波器算法优化问题,为了改善数字传输系统抗干扰能力,提高稳定性,减小误差,引入了自适应滤波算法,并详细分析了算法步长因子与失调误差e(n)之间关系对算法性能的影响.采用了改进的双曲正切函数为变步长,对传统的LMS算法进行了改进.分析了参数α、β、m对算法性能的影响.算法不但收敛速度快、稳态误差小,而且克服了变步长LMS算法达稳态时,步长变化太快的缺陷.利用MATLAB仿真结果与理论分析相一致,表明了算法具有良好的性能特性,可广泛应用于各种数字通信中.     

改进的自适应LMS算法

LMS（Least Mean Square）算法因其结构简单、稳定性好等优点,得到了广泛的应用,但在收敛速度和稳态失调之间存在着固有矛盾,通过对步长因子的调整可以克服这一矛盾。分析研究了已有的变步长LMS算法,在此基础上提出了一种改进的变步长LMS算法。理论分析和计算机仿真表明该算法不但具有较快的收敛速率,并且具有更小的稳态误差。     

基于相关特性的改进箕舌线变步长LMS算法

基于箕舍线的变步长最小均方(Variable step least mean square,VSLMS)算法是一种经典 的LMS算法,但其步长更新公式易受噪声 干扰的影响,导致自适应滤波器权值在最优权值附近波动。为解决箕舌线变步长LMS算法步 长更新公式易受噪声干扰的问题,根据高斯白噪声相关性比较差的特性,对箕舌线变步长LM S算法进行改进,提出基于相关特性的改进箕舌线变步长LMS算法,使算法的抗噪声干扰能力 明显增强。理论分析和仿真结果表明：若两算法选取相同参数,则基于相关特性的改进箕舌 线变步长LMS算法相对于箕舌线变步长LMS算法具有小的稳态误差;在保证算法收敛的条件下 ,基于相关特性的改进箕舌线变步长LMS算法相对箕舌线变步长LMS算法具有较快的收敛速度 。     

一种改进的变步长自适应滤波算法

为了提高LMS自适应滤波算法的性能,在对传统LMS算法及其改进算法研究的基础上,提出了一种改进的变步长算法.在改进算法中,步长因子与误差信号自相关函数之间建立了一种改进的非线性函数关系.将改进算法应用到系统辨识中,通过计算机仿真结果看出,自适应滤波性能在收敛速度和稳态失调误差等方面得到改善.     

一种改进的变步长LMS自适应滤波算法及性能分析

针对现有LMS（Least Mean Square）算法不能同时提高收敛速度及降低稳态误差的矛盾,提出一种改进的变步长LMS算法,建立了步长参数μ(n)与误差信号e(n)之间的一种新的非线性函数关系: 与现有的算法相比,同时引入记忆因子λ和控制函数取值的参数β(n),使当前步长与上一次迭代所得步长及前M个误差的平方相关。理论分析和计算机仿真结果表明,与现有几种常见的LMS算法相比,改进的算法收敛速度和稳态误差的性能指标得到提高。     

一种改进的LMS均衡算法研究

在分析均衡系统中常见的变步长LMS算法的基础上,提出了一种改进的变步长LMS均衡算法.通过计算机仿真结果表明,该算法在低信噪比及低输入功率时的情况下,其收敛性、稳态误差性能以及运算时间的综合性能优于原算法.     

一种新变步长LMS算法及在自适应波束形成中的应用

LMS算法是智能天线自适应波束形成算法中的经典算法,由于其步长固定,造成收敛速度和稳态失调之间的矛盾。为了解决这一问题,提出一种新的变步长LMS算法,并在算法中引入误差信号的自相关估计,大大降低了噪声的干扰,对算法进行仿真,得到了最优的参数设置。利用蒙特卡罗方法对算法进行了性能评估,与传统的LMS算法、NLMS算法相比,新的变步长LMS算法具有更快的收敛速度和较小的稳态误差及优良的抗噪性能。     

改进的LMS算法自适应滤波器的DSP实现

分析了变步长LMS算法自适应滤波器基本原理,使用MATLAB对其进行仿真,并应用SZ-EPP5402评估板进行了DSP实现,结果表明,变步长LMS算法能够克服固定步长LMS算法的矛盾,具有较快收敛速度与较小稳态误差.     

基于指数函数的归一化变步长LMS算法

在研究归一化最小均方误差(NLMS)算法的基础上,提出一种基于指数函数的变步长LMS算法。通过建立误差 和步长 的函数关系,实时调整步长,并对输入信号完成时域信号解相关,解决稳态失调系数与收敛速度的矛盾。仿真实验结果证明,该算法与传统LMS算法、SVS_LMS算法、NLMS算法以及双曲正切变步长LMS算法相比,具有更高的收敛速度和较小的稳态失调系数。     

基于变步长LMS 算法的自适应逆控制系统

针对各种变步长自适应滤波算法,提出了两种收敛速度快、鲁棒性能好的基于变步长X- 滤波、e - 滤波LMS 算法和带反馈补偿的自适应逆控制系统．变步长自适应滤波算法可以使系统获得更快的收敛速度 和较小的稳态误差,提高了控制精度;反馈补偿可以克服系统的零漂移．仿真结果表明,经过改进的基于变 步长X- 滤波、e - 滤波LMS 算法的自适应逆控制系统收敛速度快、稳态误差小、抗噪声扰动能力强．     

智能天线中变步长LMS自适应波束形成算法研究

波束形成算法是智能天线研究的核心内容,可以使天线有效地接收期望信号并抑制干扰信号,但各种算法均存在计算量大、收敛速度慢、稳态误差大等缺点.为提高系统性能,提出了一种改进的变步长LMS自适应波束形成算法,其步长因子由上一步长因子和自相关误差共同确定.对新算法的性能进行了理论分析,并推导了确保算法收敛的参数α的取值范围.计算机仿真结果与理论分析一致,与现有的变步长算法相比,新的变步长LMS算法具有较快的收敛速度、较小的稳态误差以及较低的算法复杂度,非常适用于智能天线波束形成问题.     

一种新的变步长LMS自适应滤波算法

传统LMS算法的优点是计算简单、易于实现，缺点是收敛速度慢，如果为加快收敛速度而增大步长因子μ，则会导致大的稳态误差，甚至引起算法发散。固定步长因子无法解决收敛速度和稳态误差之间的矛盾。本文通过建立步长因子μ与误差信号之间的非线性函数关系，得出一种新的变步长自适应滤波算法（SVSLMS）。理论分析和计算机仿真结果表明该算法的性能优于传统的LMS算法和NLMS算法。即在计算量增加不多的前提下，能同时获得较快的收敛、跟踪速度和较小的稳态误差。     

一种新的LMS自适应滤波算法分析仿真研究

传统变步长最小均方(LMS)算法存在收敛速度慢、易受噪声干扰等缺点,为了提高算法的性能,通过对变步长LMS算法进行分析研究,在步长因子x(n)与误差信号e(n)的相关统计量之间建立一种新的非线性函数关系,提出了一种新的变步长LMS自适应滤波算法。该算法采用误差信号的自相关时间均值来调节步长,并用绝对估计误差的扰动量以加快自适应滤波器抽头权向量的收敛。理论分析与计算机仿真结果表明:与SVSLMS和G-SVSLMS算法比较,该算法具有较快的收敛速度、较小的稳态误差以及较强的抗干扰能力。     

一种改进的变步长自适应谱线增强算法

传统的变步长最小均方误差(VS-LMS)算法在自适应稳态阶段步长变化较大,为有效解决这一问题,对算法中的参数进行了修改,提出了一种改进的变步长自适应谱线增强算法.新算法根据步长调整原则,通过改进步长因子与误差信号之间的非线性函数关系,使其初始阶段和时变阶段步长自适应增大、稳态阶段步长减小.经理论分析和仿真实验验证,新算法的时域和频域波形信息均优于原算法,具有良好的降噪性和稳定性以及较快的收敛速度,可更好地应用于自适应系统中.