扩散式变阶数最大相关熵准则算法

固定阶数的分布式自适应滤波算法只有在待估计向量的阶数已知且恒定的情况下才能达到相应的估计精度,在阶数未知或时变的情况下算法的收敛性能会受到影响,变阶数的分布式自适应滤波算法是解决上述问题的有效途径。但是目前大多数分布式变阶数自适应滤波算法以最小均方误差(Mean square Error,MSE)准则作为滤波器阶数的代价函数,在脉冲噪声环境下算法的收敛过程会受到较大影响。最大相关熵准则具有对脉冲噪声的强鲁棒性,且计算复杂度低。为提高分布式变阶数自适应滤波算法在脉冲噪声环境下的估计精度,利用最大相关熵准则作为滤波器阶数迭代的代价函数,并将得到的结果代入固定阶数的扩散式最大相关熵准则算法,提出了一种扩散式变阶数最大相关熵准则(Diffusion Variable Tap-length Maximum Correntropy Criterion,DVTMCC)算法。通过与邻域的节点进行通信,所提算法以扩散的方式实现了整个网络的信息融合,具有估计精度高、计算量小等优点。仿真实验对比了在脉冲噪声下DVTMCC算法和其他分布式变阶数自适应滤波算法、固定阶数的扩散式最大相关熵准则算法的收敛性能。仿真结果表明,在脉冲噪声环境下DVTMCC算法能够同时估计未知向量的阶数和权值,性能优于参与对比的算法。     

一种LMS/LMF自适应谐波电流检测方法

在分析了现有谐波电流检测方法不足的基础上,提出了一种改进的最小均方(Least mean square,LMS)与最小四阶矩(Least mean fourth,LMF)相结舍的自适应谐波电流检测算法,利用一种变步长LMS/LMF算法来进行权值更新,用归一化的当前误差信号和上一次误差信号的自相关估计来进行步长迭代.该方法能够获得较快的动态响应速度和较小的稳态误差,而无需像一般自适应算法去折中考虑两者.仿真和实验结果验证了该方法的可行性.     

一种空间分布式变阶数自适应网络滤波算法

现有的自适应网络滤波算法大都假设未知参数向量的阶数已知且恒定,无法解决阶数未知或时变条件下的参数向量估计问题. 以最小化网络均方误差为准则,提出一种空间分布式变阶数自适应网络滤波算法. 该算法仅要求网络中的各节点与相邻节点进行通信,通过扩散的方式实现整个网络数据信息的融合,具有计算量小、可操作性强及估计精度高的特点.仿真表明,提出的算法能够有效地估计和跟踪未知参数向量的阶数和权值.     

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 。     

一种应对非平稳频率失调的窄带主动噪声控制系统

在窄带主动噪声控制(Active noise control, ANC)系统中, 参考信号频率失调(Frequency mismatch, FM)和噪声信号非平稳将会使系统性能下降, 甚至失效. 本文提出一种基于动量最小均方的改进FM补偿算法, 通过在代价函数中引入加权累加的平方误差, 提升系统的追踪和收敛能力. 并分别与基于滤波-X 最小均方(Filtered -X least mean square, FXLMS)、滤波-X 递归最小二乘(Filtered -X recursive least square, FXRLS)和变步长滤波-X最小均方(Variable step-size filtered -X least mean square, VSS-FXLMS)算法的主控制系统结合, 共同完成系统综合性能的提高. 大量仿真分析表明, 新的FM补偿算法在非平稳的FM和离散傅里叶系数翻转的条件下仍能保持较高的追踪能力和合理的残余误差.     

WCDMA系统中的差分最小均方误差多用户检测算法

宽带码分多址(Wideband code division multiple access,WCDMA)系统中现有的自适应多用户检测算法需要训练比特,不能适应快衰落信道。本文根据WCDMA系统中特有的二级扩频体制的特点,提出基于差分最小均方误差(Differential minimum mean square error,DMMSE)准则的自适应多用户检测算法。该算法根据相邻接收符号幅度变化的比率变化自适应调整横向滤波器的权系数,从而不需要通过训练比特开销跟踪信道状态信息的方式来抑制多址干扰。仿真结果表明,在存在多普勒频移的传播环境下,DMMSE算法的误码性能优于现有的自适应最小均方误差(Minimum mean square error,MMSE)算法。     

考虑输出饱和约束的自适应FIR滤波器设计

针对Bershad算法中滤波器输出信号畸变的问题,提出了一种新的考虑输出饱和约束的自适应有限脉冲响应(Finite-impulse-response, FIR)滤波器设计方法,并给出了它的最小均方(Least mean square, LMS)算法实现.理论证明和数值仿真验证了本文算法的有效性.与Bershad算法相比,按照本文算法设计的自适应FIR滤波器不仅严格满足饱和约束条件,输出信号也光滑无畸变,从而克服了Bershad算法的滤波器输出畸变问题.     

有源噪声主动控制中一种改进的变步长算法研究

在噪声有源抑制（ANC）技术中,自适应控制算法的核心是基于最小均方误差的信号跟踪问题,传统算法对提高收敛速度和减小稳态误差不能兼顾。本文提出了一种改进的变步长算法（IVssLMS）,该算法可以在保证稳态误差的同时,有效拓宽计算步长的调节范围,提高计算的迭代收敛速率。仿真试验证明了算法的有效性。     

一种新的变阶仿射投影算法

从改变仿射投影算法的条件出发,迫使仿射投影算法(APA)后验误差等于噪声,提出一种新的变阶仿射投影算法(E-APA)。该算法令迭代过程中阶数正比于误差向量的L2范数的平方与噪声功率之比,通过调节正则化因子来改变二者比值,从而实现了在初始阶段输入阶数较大,在收敛阶段输入阶数较小。实验结果表明该算法收敛速度快,稳态失调小,计算量少,优于目前最好的变阶算法(E-APA)。     

变步长NLMS自适应滤波算法研究

将步长因子μ与误差信号e(n)之间的一种非线性函数关系引入归一化最小均方(NLMS)自适应滤波器,提出了一种变步长NLMS算法.与一些已有算法相比,算法的步长因子易于设计和控制,对于有色输入信号,能够得到较快的收敛速度和较低的稳态失调.仿真结果和理论分析相一致,证实了算法的有效性.     

基于模糊推理的变步长LMS自适应滤波算法

LMS算法是一种基于最速下降法的最小均方误差自适应滤波算法.为了提高LMS算法的收敛速度,依据模糊控制原理,推导出一种结构简单的步长与误差的非线性函数关系,进而得出一种新的变步长LMS自适应滤波算法（FVSLMS）,该算法结构简单,易于实现.在理论上,根据万能逼近定理,用FVSLMS算法可以以任意精度逼近步长与误差的非线性函数关系,因此它可以作为以误差调节步长的变步长LMS算法的一类统一形式.最后,通过计算机仿真说明了FVSLMS算法具有较好的收敛性能.     

基于MBER准则的变阶长自适应均衡器

提出了基于最小误比特率（MBER）准则的变阶长自适应均衡算法--FT-MBER算法。变阶长自适应均衡是未知多径信道均衡的重要技术,准确估计自适应均衡器最佳阶长能同时实现低复杂度和较好的均衡性能,而传统的最小均方误差（MMSE）算法稳态误比特率性能不理想。FT-MBER算法以最小化BER为代价函数,把不同阶长均衡器产生的误比特率之差作为因子调节伪分数阶长,当伪分数阶长变化大于阈值时更新阶长。仿真结果表明该算法比MMSE算法能更有效抑制码间干扰并能准确估计MBER准则下的均衡器最佳阶长。     

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。     

基于随机梯度的变动量因子自适应白化算法

针对自适应白化技术中算法的收敛速度问题, 通过融入具有变动量因子特性的动量项,提出了一种快速的自适应白化算法. 该算法利用动量项来加速系统的收敛速度,并基于随机梯度方法对动量因子进行自适应更新,有效提升了白化系统的整体性能. 仿真实验表明本文算法在平稳和非平稳环境下具有良好的性能.     

一种改进变步长因子LMS算法的研究

传统的LMS算法,由于其步长因子μ是事先指定的固定值,因而在迭代过程中不能随着估计误差e（n）来进行相应的调整,所以其收敛性完全由初始条件和步长决定。为了改变这种状况,文章提出了一种步长因子μ（n）随时间变化的LMS算法,其收敛速度快于LMS和NLMS,具有较小的失调,将本算法应用于自适应预测系统,Matlab仿真实验结果与理论分析一致。     

新的变块长频域批处理LMS算法

针对传统的频域批处理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的问题,不同于变步长LMS算法,提出了一种新的变块长频域批处理LMS算法,采用自适应改变的批处理块块长的方法来协调解决这个矛盾。通过Matlab对提出的算法进行计算机仿真,结果表明相比于传统的FBLMS算法,新算法具有更快的收敛速度和更小的稳态误差。     

改进的变步长LMS自适应滤波算法及其仿真

对变步长的(LMS)自适应算法进行了讨论,本文提出了一种新的变步长LMS自适应滤波算法,并用计算机进行了仿真,结果表明该算法在误差接近于零时步长具有缓慢的变化的特性,并且在低信噪比的环境下有更好的抗噪性能,滤波效果更好。     

二阶Volterra变记忆长度LMP算法

针对实际应用中非线性系统记忆长度未知致使Volterra自适应滤波器可能无法达到最优性能的问题,提出一种二阶Volterra变记忆长度LMP算法。利用Volterra滤波器二阶权系数矩阵的对称性和对称矩阵可对角化分解性质,推导得到了一阶权系数与二阶权系数个数相同的信号矢量与权系数矢量内积的二阶Volterra滤波器输出信号表达式;提出了基于DCT的二阶Volterra自适应滤波器（CSVF）及其LMP算法（CSVLMP）;采用FIR抽头长度的自适应调整思想,提出了基于DCT的二阶Volterra变记忆长度LMP算法（CSVMLMP）。记忆长度未知的非线性系统辨识的仿真结果表明,在[α]稳定分布噪声背景下,该算法在收敛速度、稳态性能和计算复杂度之间达到了较好的折中。