一种改进的变步长LMS自适应算法

传统的最小均方误差(LMS)算法难以同时获取较快的收敛速度和较小的稳态误差,而变步长LMS算法可获得二者之间的平衡。对已有的一些变步长LMS算法进行了分析,在变系数步长(VFSS)算法的基础上,引入输入信号因子,并建立步长因子与误差信号之间新的非线性函数关系,提出一种改进的变步长LMS算法,该算法不仅继承了VFSS算法在低信噪比环境下抗噪声性能好的特点,而且能够快速跟踪系统的变化,仿真结果表明改进算法的性能优于现有算法。     

用于DS/CDMA系统多用户检测的变步长符号算法

提出了一种新颖的变步长符号算法用于DS/CDMA系统的多用户检测。这种算法对盲平均符号算法的步长又一次采用二次最小均方误差算法,克服了盲平均符号算法受步长影响的缺点,并利用符号算法计算复杂度低的特点,加快了算法的收敛速度。仿真表明,这种算法能够自动迅速地适应环境的变化并且不受初始步长和学习率的影响,在性能上优于与其类似的自适应接收机。     

一种新的变步长LMS算法在通信对消技术的应用

本文通过分析几种变步长LMS算法,结合VSS-NLMS算发和NLMS算法的优点,采用符号函数降低原有算法的计算复杂度,对变步长参数进行调整,提出了一种改进的变步长LMS算法,通过仿真验证,新提出的算法在收敛速度和稳态误差上也有一定优点,具有工程实际意义。     

一种变步长最小平均p范数自适应滤波算法

在p稳定分布脉冲噪声背景下,为解决固定步长最小平均p范数(LMP)不能同时满足快收敛速度和低稳态误差的问题,该文提出一种对脉冲噪声具有鲁棒性的变步长最小平均p范数(VSS-LMP)自适应滤波算法.该算法利用改进的变形高斯函数来调节步长,采用移动平均法构造变步长函数,克服了定步长算法稳态误差高及抗噪性能差的问题.VSS-...     

基于粒子滤波的MIMO-OFDM时变信道半盲估计

提出一种基于粒子滤波的MIMO-OFDM时变信道半盲估计方法。首先，对粒子滤波算法进行改进，通过对采样粒子分布进行局部优化调整，提出一种局部优化粒子滤波算法。然后，将该粒子滤波算法用于MIMO-OFDM时变信道估计。由于该信道估计过程在频域进行，因而无需已知（或估计）多径信道长度。与现有时变信道半盲估计方法相比，本方法具有估计误差低、对非高斯噪声顽健性强等特点，从而有效改善了接收端的符号检测性。计算机仿真结果证明了本方法的有效性。     

一种T/2分数间隔的变步长盲均衡算法

针对算法固定步长存在收敛速度和剩余误差的性能要求相矛盾的问题,在深入研究分数间隔均衡器(FSE)和修正常模算法的基础上,研究了一种变步长盲均衡算法。该算法利用了与误差函数的非线性函数关系自适应调整步长。利用QPSK信号,对固定步长和变步长的T/2分数间隔修正常模算法进行仿真,结果表明以变步长的盲均衡算法能够提高收敛速度和降低剩余误差,有效地改进了信道均衡性能。     

智能天线中一种迭代的联合信道估计 与符号检测算法

在传统的二维RAKE接收机中,通常使用导频信道来估计信道矢量,进而求取加权系数,用于业务信道符号序列的检测.当导频功率较低时,信道估计误差较大,系统性能较差.本文提出了一种新的算法,先利用导频进行信道矢量的初始估计,然后用带投影的迭代最小二乘法,进行信道和符号序列的联合估计,该算法具有计算复杂度低,收敛速度快的特点.仿真结果表明:与传统二维RAKE接收机相比,该算法使系统的误码性能得到了有效改善.     

基于顽健估计的室内节点定位算法

针对室内强噪声环境高精度、高顽健性定位问题,把顽健估计理论和变尺度法应用于室内定位,提出了基于顽健估计的室内节点定位算法.该算法依据余差大小,采用权值自适应调整机制,对有效测量数据进行保权处理,对可利用测量数据进行降权处理,对有害测量数据进行淘汰处理.采用具有2次收敛特性的变尺度法对目标代价函数进行最小优化,实现节点快速定位.实验表明,该算法具有良好定位精度和定位顽健性,明显优于未采用顽健估计的普通最小二乘定位算法.     

一种新的变步长LMS自适应滤波算法及其仿真

传统变步长LMS算法存在收敛速度慢、易受噪声影响等缺点,为了提高算法性能,论文建立了LMS算法中步长因子μ(n)和误差信号e(n)的相关统计量之间的非线性关系,提出了一种基于改进的双曲正切函数的变步长LMS(HTLMS)算法.算法采用当前误差与上一步误差乘积的绝对值来调节步长,并引入了绝对估计误差的扰动量来更新自适应滤波器抽头向量,因而具有收敛速度快、噪声抑制能力强和稳态误差低等特点.计算机仿真结果表明,在不同信噪比条件下,与多种LMS算法相比,本文算法都具有较快的收敛速度和较好的稳态误差.     

基于迭代变步长LMS的数字域自干扰对消

针对同时同频全双工(Co-frequency and Co-time Full Duplex,CCFD)系统已有的数字域干扰对消方法收敛速度慢和对消比低的问题,本文提出了迭代变步长最小均方(Least Mean Square,LMS)算法,利用该算法实现了快速收敛的高对消比数字域干扰对消.首先,改进Logistic函数,缩短其函数值由大至小的变化区间,再利用该非线性函数计算随迭代次数变化的步长因子值,从而加快干扰对消的收敛速度,高精度递推估计自干扰信道参数,即获得高的对消比.最后,理论分析了该对消方法收敛性和计算复杂度,得到了稳态条件下对消比的闭合表达式.仿真表明,该方法与已有变步长LMS对消方法相比,对消比可增加6dB以上,收敛速度可提高1倍,与最小二乘信道估计干扰对消方法相比,对消比提高了至少10dB.     

Stable adaptive channel estimation method under impulsive noise environments

Channel estimation is one of the key technologies for ensuring reliable wireless communications under impulsive noise environments. This paper studies robust adaptive channel estimation methods for mitigating harmful impulsive noises, which are described as alpha‐stable (α ‐stable) distribution models. Traditional adaptive channel estimation using the second‐order statistics based least mean square (SOS‐LMS) algorithm does not perform well under α ‐stable noise environments, even though it was considered one of attractive approaches for estimating channels in the case of Gaussian noises. Unlike the traditional SOS‐LMS algorithm, in this research, we propose a stable sign‐function‐based LMS algorithm, which can mitigate the impulsive noises. Specifically, we first construct the cost function with minimum ℓ ₁‐norm error criterion and then derive the updating equation of the proposed algorithm. Compared with the traditional SOS‐LMS, the effectiveness of the proposed algorithm is validated via Monte Carlo simulations in various α ‐stable noise scenarios. Copyright © 2015 John Wiley & Sons, Ltd.     

A Novel Normalized Sign Algorithm for System Identification Under Impulsive Noise Interference

To overcome the performance degradation of adaptive filtering algorithms in the presence of impulsive noise, a novel normalized sign algorithm (NSA) based on a convex combination strategy, called NSA-NSA, is proposed in this paper. The proposed algorithm is capable of solving the conflicting requirement of fast convergence rate and low steady-state error for an individual NSA filter. To further improve the robustness to impulsive noises, a mixing parameter updating formula based on a sign cost function is derived. Moreover, a tracking weight transfer scheme of coefficients from a fast NSA filter to a slow NSA filter is proposed to speed up the convergence rate. The convergence behavior and performance of the new algorithm are verified by theoretical analysis and simulation studies.     

一种方向优化最小均方算法

最小均方(Least Mean Square, LMS)算法的更新方向是对最速下降方向的估计,其收敛速度也受到最速下降法的约束。为了摆脱该约束,该文在对LMS算法分析的基础上,提出一种针对LMS算法的分块方向优化方法。该方法通过分析误差信号来选择更新向量,使得算法的更新方向尽可能接近Newton方向。基于此方法,给出一种方向优化LMS(Direction Optimization LMS, DOLMS)算法,并推广到变步长DOLMS算法。理论分析与仿真结果表明,该方法与传统分块LMS算法相比,有更快的收敛速度和更小的计算复杂度。     

自适应天线阵列在宽带CDMA上行链路接收机中的应用

本文提出了一种将自适应天线阵列与横向均衡器相结合。采用局部基于码片速率的信道估计和可变步长自适应算法的宽带CDMA上行链路空-时接收机结构。通过理论分析并结合CDMA2000标准上行链路的计算机仿真,证明这种空-时接收机在瑞利衰落信道下,具有较好的收敛性能和接收性能。     

一种新型变步长CMA盲均衡算法

针对传统固定步长CMA盲均衡算法中收敛速度和剩余误差这对矛盾,提出了一种新型变步长恒模盲均衡算法,即由瑞利分布函数实施对其步长的调节,通过调整该步长公式中的两个参数以加快收敛速度和减小剩余误差,并且在此基础上对该算法进行了改进。用4QAM信号,通过典型电话信道对固定步长的CMA算法,基于瑞利步长的CMA和改进后的CMA算法进行计算机仿真。通过对仿真出的算法收敛曲线以及输出星座图进行分析,最终得出在瑞利步长算法的基础上改进后的CMA算法克服了前两种算法的缺点,即具有收敛速度更快,剩余误差更小的优点。     

少模光纤通信系统中的自适应频域均衡算法

少模光纤模式复用存在模式耦合和差分模式时延,必须通过自适应均衡算法补偿。为了降低长距离少模光纤通信系统中自适应均衡算法的复杂度,采用基于变步长-频域块最小均方算法的多输入多输出均衡器对2×2模分复用系统解复用。利用频域块最小均方自适应算法修正均衡器权系数,并通过变步长函数调整步长因子,兼顾算法收敛速度和收敛性能。算法可通过快速傅里叶变换降低计算复杂度。在112Gbit/s的1000km少模光纤高速通信仿真系统中,保证相同收敛速度情况下,提高信号Q2因子3.7dB,并在可编程现场门阵列上验证了100km少模光纤通信系统时的算法性能。结果表明,该算法能够实现模分复用系统的信号解复用,达到快速收敛、低稳态失调的目的。     

一种新的变步长LMS自适应滤波算法

在对传统LMS算法、变步长SVSLMS算法及归一化LMS算法分析的基础上,提出了一种改进的归一化变步长LMS算法即N-SVSLMS（Normalized-SVSLMS）算法。该算法结合了参考文献中两种算法的思想,得到了改进的归一化LMS自适应算法。该算法在信道环境多变的情况下,收敛速度和稳定性能有了进一步的提高。理论分析及计算机仿真结果表明,N-SVSLMS算法明显优于传统LMS算法、变步长SVSLMS算法及归一化的LMS算法。     

A two-stage affine projection algorithm with mean-square-error-matching step-sizes

This paper proposes a two-stage affine projection algorithm (APA) with different projection orders and step-sizes. The proposed algorithm has a high projection order and a fixed step-size to achieve fast convergence rate at the first stage and a low projection order and a variable step-size to achieve small steady-state estimation errors at the second stage. The stage transition moment from the first to the second stage is determined by examining, from a stochastic point of view, whether the current error reaches the steady-state value. Moreover, in order to prevent the sudden drop of convergence rate on switching from a high projection order to a low projection order, a matching step-size method has been introduced to determine the initial step-size of the second stage by matching the mean-square errors (MSEs) before and after the transition moment. In order to continuously reduce steady-state estimation errors, the proposed algorithm adjusts the step-size of the second stage by employing a simple algorithm. Because of the reduced projection orders and variable step-size in the steady-state, the algorithm achieves improved performance as well as extremely low computational complexity as compared to the existing APAs with selective input vectors and APAs with variable step-size.     

基于模拟退火粒子群优化的恒模算法

传统的固定步长恒模盲均衡算法在收敛速度和稳态剩余误差之间存在着矛盾,影响了恒模算法的均衡性能。为了解决这一缺点,提高恒模算法的性能,本文在介绍恒模盲均衡原理的基础上,提出一种变步长恒模算法,利用粒子群优化算法对均衡器的权向量进行优化,为避免优化过程进入局部极小值引入了模拟退火算法。通过在短波信道中的仿真,证明了该算法不仅加快了收敛速度,并且具有更高的收敛精度。