基于归一化LMS算法自适应均衡器的Simulink实现

为了克服硬件实现归一化LMS算法自适应均衡器的缺点,构造了数据传输系统中采用归一化LMS算法自适应均衡器的Simulink仿真模型.首先介绍了归一化LMS算法,给出基于归一化LMS算法自适应均衡器的建模过程,最后研究了抽头输入向量相关矩阵的特征值和步长参数对该自适应均衡器性能的影响.仿真结果同时验证了该模型的正确性和Simulink作为仿真工具的有效性.     

基于改进LMS算法的TH-UWB接收机

跳时超宽带（TH-UWB）无线通信系统通常采用RAKE接收技术。而信道估计的准确度直接影响系统接收性能。提出一种基于梯度的变步长的LMS算法进行信道估计。与传统LMS算法相比,改进的LMS算法可以获得更小的MSE（Mean Square Error）从而为接收机提供更精确的信道估计量。同时,结果也表明该算法提高了整个接收机性能,并获得更小的BER（Bit Error Rate）。     

MIMO-OFDM的信道估计算法研究

关于无线通信问题,为提高容量和传输效率,提出了一种基于变步长的LMS的自适应信道估计跟踪算法,用于快时变衰落的MIMO-OFDM系统无线信道估计中.采用LMS分别跟踪信道经QR分解后的两个矩阵,迫使非上三角的元素为零,抑制了部分干扰与噪声.再通过将抽头输入向量的平方欧氏范数进行归一化,用来调整LMS自适应算法的步长,以达到有效跟踪的目的,同时避免了矩阵的求逆运算,降低了实现的复杂度.通过计算机仿真验证了改进的基于变步长的LMS自适应算法在精度和性能上优于原有的算法.     

变步长解相关Volterra LMS算法

Volterra滤波器的非线性使输入向量自相关矩阵包含了输入信号的高阶统计量,导致矩阵特征值扩展很大,因此LMS算法收敛速度一般很慢。从降低输入信号的相关性出发,提出了一种变步长解相关Volterra NLMS算法。解相关能显著加快LMS算法的收敛速度,变步长能够改善算法的稳态性能,两者的有机结合,能明显改善算法性能。仿真结果表明,在不同输入信号相关性情况下,该算法有更好的收敛速度和稳态性能。     

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。     

一种基于改进LMS算法的语音消噪方法

为了提高LMS自适应滤波算法的性能,在对一些变步长LMS算法进行分析的基础上,提出了一种改进的变步长LMS算法。利用所提出的算法对被噪声污染的语音信号进行了消噪仿真实验,并进行了主客观性能测试。仿真结果与性能测试分析表明,采用本算法消除噪声后的语音基本接近原始语音。     

多尺度小波分解下的自适应语音消噪算法研究

将小波变换的理论引入到自适应语音消噪系统中,分析了多尺度小波分解下的LMS自适应消噪算法（MSWD-LMS）的原理,该算法将输入向量分解到多尺度空间,减小了自适应滤波器输入向量自相关矩阵的谱动态范围;将变步长LMS算法与多尺度小波变换的思想结合,提出了一种新的小波自适应语音消噪算法（MSWD-VSS-LMS）,新算法既减少了输入向量自相关矩阵条件数,又克服了固定步长LMS算法在收敛速度与收敛精度方面与步长因子μ的矛盾,获得了更好的语音信号处理的收敛速度和稳定性。仿真结果表明新算法取得了较好的效果。     

基于箕舌线变步长LMS算法的分析与改进

研究系统跟踪性能和误差问题,为了改善基于箕舌线的变步长最小均方(LMS)算法的收敛速度和对信号输入端不相关噪声的抗干扰性,首先对现有的典型变步长LMS算法进行了分析归纳.在箕舌线变步长LMS算法(TCLMS)的基础上通过结合其他典型算法的优点,提出了TCLMS算法的改进算法.算法不仅继承了TCLMS算法计算复杂度低的优点,并且通过引入动量项与前后误差的自相关估计对其收敛速度慢,抗不相关噪声干扰性能差的特性进行了改善.在MATLAB进行仿真,结果表明,改进算法具有收敛速度快,计算复杂度低,稳态误差小,抗噪声能力强等特点.     

一种改进的LMS滤波器在DCG去噪中的应用

研究了LMS自适应滤波器在动态心电信号去噪中的应用。提出了一种适合动态心电信号预处理的变步长LMS改进算法,该算法用误差信号对期望信号的相对误差的平方根来调节步长。实验表明,这种改进滤波器在收敛速度和信噪比两方面都优于固定步长的滤波器。     

步长随输入信噪比变化的LMS算法

介绍了归一化最小均方误差(LMS)算法,分析了它在平稳环境噪声下步长不能自动调整的弊端。然后提出了步长随输入信噪比变化的LMS算法,分析了步长调整规律。根据该算法在噪声抵消的起始阶段收敛性能差并可能出现发散的现象,对该算法进行了修正,即在起始阶段采用归一化LMS算法,之后利用步长随信噪比变化的LMS算法。通过对语音信号的消噪仿真,表明修正的步长随输入信噪比变化的LMS算法收敛性能好,输出信号的信噪比有了较大的提高。     

频率规整线性预测系数的实时提取算法研究

在语音识别特征提取过程中,为克服传统自相关法在计算特征参数时实时性较差的缺点,提出一种用于提取频率规整线性预测系数（WLPC）的自适应最小均方误差（LMS）算法。该方法通过自适应LMS技术,不仅能提取出符合人耳的听觉特性的特征参数,而且实现了对WLPC系数的实时提取。实验采用DTW（动态时间规整）算法,对比了自相关法WLPC预测误差和自适应法WLPC两种特征参数对孤立词识别率的影响结果和预测误差,结果证明了采用该算法具有较高的分类准确率和良好的时间性能。     

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。     

动量滤波-eLMS算法及其性能分析

针对有源噪声控制中滤波-e LMS(最小均方算法)算法收敛速度慢,收敛步长取值范围小及受参考信号自相关矩阵特征值分散程度影响较大的缺点,提出一种改进的滤波-e LMS箅法一动量滤波-e LMS算法.算法在滤波-e LMS算法的基础上,结合动量LMS算法,在权系数更新迭代时引入一个动量项,此动量项包含了先前梯度的估计值.理论推导证明算法不仅可以加快系统的收敛速度还可以扩大收敛因子的取值范围.仿真结果表明,动量滤波-e LMS算法具有收敛速度快、稳态误差小的优点.还讨论了算法中不同动量因子对算法收敛性能的影响,确定了它们的最优取值范围.     

IP电话回声消除LMS改进算法的研究

针对传统LMS算法运算量大收敛性能差的缺点,提出了一种减小运算量并且提高收敛性能的LMS自适应滤波算法.首先从理论上介绍并分析了两种自适应滤波算法--量化误差算法(运算量小)和变步长算法(收敛速度快),接着将这两种算法的优点有机结合,提出了一种改进算法.通过在MATLAB下的辨识仿真研究和对误差曲线的分析,证明了结合后的改进算法在运算量和收敛速度方面都优于传统LMS算法.算法对于IP电话中回声消除的自适应滤波问题提供了一个较好的算法.     

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。     

基于谱减和LMS的自适应语音增强

针对宽带噪声背景下的语音增强问题,将短时语音视为非平稳或宽平稳信号,基于谱减法和自适应滤波的最小均方（LMS）算法,提出了一种FIR型自适应滤波算法（SSLMS）：用减谱法由短时噪声观测语音估计期望信号,作为滤波器输出信号的参考信号;用滤波器的输出与参考信号的差值为误差信号,用LMS算法求得滤波器权系数修正量,并修正滤波器。权系数最速下降调整中,采用了归一化LMS、符号LMS、块LMS技术,以简化保证权系数收敛的步长选择、减少权系数修正的运算量,从而提高自适应速度。对不同的语音在各种信噪比下仿真实验,并与改进的谱减法比较,结果表明,该法增强效果优于谱减法;在信噪比为3 dB时该法的增强效果仍然令人满意。