基于LMS算法的自适应滤波器仿真实现

为了达到最佳的滤波效果,使自适应滤波器在工作环境变化时自动调节其单位脉冲响应特性,提出了一种自适应算法:最小均方算法(LMS算法)。这种算法实现简单且对信号统计特性变化具有稳健性,所以获得了极为广泛的应用。针对用硬件实现LMS算法的自适应滤波器存在的诸多缺点,采用Matlab工具对基于LMS算法的自适应滤波器进行了仿真试验。仿真结果表明,应用LMS算法的自适应滤波器不仅可以实现对信号噪声的自适应滤除,还能用于系统识别。     

自适应算法LMS和RLS的仿真分析

在目前的移动通信领域中,克服多径干扰,提高通信质量是一个非常重要的问题,而自适应滤波器能很好的解决这个问题,自适应滤波器的核心是自适应算法。具体地讲述自适应算法的理论体系,模型及具体实施,分析两种典型的算法最小均方算法(LMS)和递归最小二次方算法(RLS),并根据仿真的结果得出结论。     

一种用于QAM解调信号的LMS自适应均衡器

设计了一种用于QAM(Quadrature Amplitude Modulation)解调信号的LMS自适应均衡器。此均衡器采用线性自适应算法中的最小均方算法(LMS)．其结构由线性横向滤波器和需要训练序列的滤波器抽头系数更新模块组成．它可实现16／64／256点的QAM解调。利用MATLAB／Simulink对LMS自适应均衡器的收敛速度、误码率等指标进行仿真模拟,仿真结果表明,此LMS自适应均衡器对通过非理想信道的QAM传输信号具有较好的均衡性能。     

OFDM系统自适应盲信道估计新方法

基于无线通信OFDM系统信道估计,提出了两种时域自适应盲估计方法。这些方法通过对极性(符号)LMS算法（SLMS）进行改进,改进算法有几方面优点,一是继承了极性LMS算法简单易实现的特性;二是解决了极性LMS收敛速度慢的缺点;最后结合自适应可变步长及步长调整策略,有效地提高了算法的估计性能。仿真给出了误差曲线以及归一化均方误差曲线,结果表明,和基于极性LMS盲估计方法相比,修正极性LMS和时变步长修正极性LMS盲估计方法均具有很快的收敛速度。由于采用了变步长技术,时变步长修正极性LMS盲估计方法具有更好的估计性能。      

基于粒子群优化算法思想的组合自适应滤波算法

根据粒子群优化(PSO)算法的社会心理学指导思想并结合自适应FIR滤波器的特点,设计了合适的惯性项、认知项与社会项表达式,并将之应用于组合自适应滤波器的子自适应滤波器更新中,提出了基于PSO算法思想的组合自适应滤波算法,分析了新算法的计算复杂度。理论分析与不同条件下的自适应系统辨识仿真结果表明,新算法可以在不明显提高计算量的条件下较好地平衡自适应滤波器的稳态失调与跟踪能力,其收敛性能优于其它几种较新的LMS算法。     

一种基于多尺度小波变换的自适应滤波新算法

将多尺度小波变换的理论引入到LMS自适应滤波器的设计中,分析了基于多尺度正交小波变换的自适应滤波算法的原理;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滤波算法(MSWT-MVSS-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,获得了更好的收敛速度和稳定性.仿真结果表明新算法是有效的和优越的.     

平稳环境下LMS算法优化分析及其FPGA实现

高速自适应滤波器的设计及其现场可编程门阵列（FPGA）实现一直是信号处理领域研究的热点。普通最小均方误差算法（LMS）自适应滤波器运行速度受到计算滤波输出和系数更新时间限制,制约了其信号处理的速度。对于平稳环境,通过对自适应滤波器系数更新方程进行前瞻和松弛近似,对LMS自适应算法进行了优化分析,得到了一种改进的LMS自适应滤波器结构。利用DSP Builder工具建立了四阶改进结构的LMS自适应滤波器模型并进行了一系列的仿真,结合多种电子设计自动化（EDA）工具,最终在EP2C35型FPGA上得到了最高响应速度60.07 MHz的高速自适应滤波器。结果表明,改进的LMS自适应滤波器速度较一般结构滤波器快,但耗费了较多逻辑资源。     

一种新的群时延自适应均衡算法

为了补偿无线信道群时延特性所带来的影响,基于盲均衡器结构提出了一种优化的自适应均衡算法.该算法是基于最小均方误差准则的变步长LMS算法,通过自适应调节判决反馈均衡器两组横向滤波器的抽头系数,实现对信道群时延的自适应补偿.通过对16-QAM信号的仿真结果表明,新算法能够对有效补偿信道群时延带来的影响,并且明显降低系统的误码率.     

一种用于数字QAM接收机的盲均衡器实现

提出了一种适用于数字QAM接收机的自适应盲均衡器实现方案。该均衡器采用多模算法(MMA)和最小均方算法(LMS)，称为MMA—LMS算法结合判决反馈结构(DFE)，即采用前向滤波器和反馈滤波器两级滤波器组实现，提高了信道的适应性能和降低均衡器的阶数。仿真结果表明，该均衡器比一般采用恒模算法(CMA)的横式均衡器有更好的性能，更易于硬件实现。     

基于最小离差准则的自适应滤波器设计

实际系统中存在大量的具有脉冲性质的非高斯噪声，本文介绍利用实数维低阶矩理论，根据最小离差准则设计自适应滤波器，去除一类服从稳定分布的噪声，并给出了基于LMAD算法的自适应滤波器．实验表明，这种滤波器去除SaS分布噪声的性能比基于LMS算法的滤波器优越。     

鲁棒总体均方最小自适应滤波:算法与分析

本文研究了在输入输出观测数据均含有噪声的情况下如何有效地进行鲁棒自适应滤波的问题.以总体均方误差(TMSE)最小为准则,基于最速下降原理,通过对总体均方误差梯度进行修正,提出了一种鲁棒的总体均方最小自适应滤波算法.通过与已有算法的对比分析表明,该算法能够有效地降低权向量的每步调整量对噪声的敏感程度.仿真实验的结果进一步表明,该算法的鲁棒抗噪性能和稳态收敛精度明显地高于其它同类方法,而且可以使用较大的学习因子,在高噪声环境下仍然保持良好的收敛性.     

基于广义最小均方的自适应递归滤波算法

本文提出了一种广义最小均方(GLMS)算法,分析了GLMS算法的性能,并根据GLMS算法,导出一种自适应递归滤波(ARF)算法。在推导中,ARF算法避开了超稳定定理,从而考虑自适应系统的严格正实条件和Popov不等式是不必要的。计算机模拟表明ARF算法具有很高的收敛速度。     

自适应加权FIR-Myriad混合滤波算法

针对FIR滤波器滤除脉冲噪声以及加权Myriad滤波器滤除高斯噪声的不足,提出基于FIR滤波器和加权WMy滤波器有效组合的一类新的非线性滤波器FIR-WMyH滤波器.利用神经网络中的反向传播算法,在均方误差准则下,推导了一个基于统计梯度的自适应算法.基于稳定α分布脉冲噪声模型下的仿真结果说明了该算法的良好的性能.     

用SystemView仿真LMS自适应算法

最小均方误差(LMS)算法是自适应信号处理中最常用的算法.本文在给出LMS算法的原理的基础上,设计了一种单一频率的自适应陷波器的仿真方案.采用SystemView通信系统仿真工具,仿真了该自适应陷波器工作过程,给出了各点工作波形,并通过实验给出了不同参数条件下的陷波器收敛性能.实验结果表明,在合适的参数条件下,LMS算法可以兼顾收敛速度和稳态误差两方面的性能,实现性能良好的陷波器.同时,由于采用迭代算法,LMS算法更适合DSP或FPGA的数字实现.     

基于自适应算法的四波混频抑制技术

介绍了一种新的基于自适应算法的四波混频抑制技术。在四通道波分复用系统中,观察到了较为严重的四波混频现象,产生的新波长光中,光信噪比(O SNR)最高高达35 dBm。基于最小均方算法(LMS)的自适应滤波器可自动区分信号光波长和新产生的FWM光波长,并对FWM光进行幅度调制。在输出信号光的脉冲重复频率为10kHz,脉宽为500ns,单脉冲能量为30μJ的条件下,通过实验验证了该自适应滤波器可有效的抑制四波混频效应,同时也改善了系统的误码率(BER)。     

Sparse LMS/F algorithms with application to adaptive system identification

Standard least mean square/fourth (LMS/F) is a classical adaptive algorithm that combined the advantages of both least mean square (LMS) and least mean fourth (LMF). The advantage of LMS is fast convergence speed while its shortcoming is suboptimal solution in low signal‐to‐noise ratio (SNR) environment. On the contrary, the advantage of LMF algorithm is robust in low SNR while its drawback is slow convergence speed in high SNR case. Many finite impulse response systems are modeled as sparse rather than traditionally dense. To take advantage of system sparsity, different sparse LMS algorithms with l_p‐LMS and l₀‐LMS have been proposed to improve adaptive identification performance. However, sparse LMS algorithms have the same drawback as standard LMS. Different from LMS filter, standard LMS/F filter can achieve better performance. Hence, the aim of this paper is to introduce sparse penalties to the LMS/F algorithm so that it can further improve identification performance. We propose two sparse LMS/F algorithms using two sparse constraints to improve adaptive identification performance. Two experiments are performed to show the effectiveness of the proposed algorithms by computer simulation. In the first experiment, the number of nonzero coefficients is changing, and the proposed algorithms can achieve better mean square deviation performance than sparse LMS algorithms. In the second experiment, the number of nonzero coefficient is fixed, and mean square deviation performance of sparse LMS/F algorithms is still better than that of sparse LMS algorithms. Copyright © 2013 John Wiley & Sons, Ltd.     

VLSI implementation of a new LMS-based algorithm for noise removal in ECG signal

Least mean square (LMS)-based adaptive filters are widely deployed for removing artefacts in electrocardiogram (ECG) due to less number of computations. But they posses high mean square error (MSE) under noisy environment. The transform domain variable step-size LMS algorithm reduces the MSE at the cost of computational complexity. In this paper, a variable step-size delayed LMS adaptive filter is used to remove the artefacts from the ECG signal for improved feature extraction. The dedicated digital Signal processors provide fast processing, but they are not flexible. By using field programmable gate arrays, the pipelined architectures can be used to enhance the system performance. The pipelined architecture can enhance the operation efficiency of the adaptive filter and save the power consumption. This technique provides high signal-to-noise ratio and low MSE with reduced computational complexity; hence, it is a useful method for monitoring patients with heart-related problem.     

基于混合编程的高精度激光多普勒信号处理技术

针对激光多普勒信号中存在较大噪声干扰的实际情况,为了抑制这些噪声干扰,提高激光多普勒测速仪的测量精度,提出了对激光多普勒信号进行最小均方差(LMS)自适应滤波后作快速傅里叶变换(FFT),基于混合编程思想对所得到的频谱,先进行频谱细化,再进行频谱校正的信号处理方法,并对理想正弦信号和实测多普勒信号分别进行仿真计算和实验研究。仿真和实验结果表明：LMS自适应滤波技术可以有效抑制激光多普勒测量中的多频率噪声的干扰,此技术能够适应于很宽的信噪比范围,大大提高多普勒信号的信噪比;频谱细化技术可以提高激光多普勒信号的频谱分辨率,频谱校正技术可以准确地校正多普勒频率,使校正后的频率更加接近于真实值;信号处理精度比直接进行FFT提高2~3倍。     

基于频域块LMS算法的实时虚拟暗室测试方法

针对电磁辐射现场测试被测设备信号和干扰未知的情况,提出了一种基于频域块最小均方算法的实时虚拟暗室测试方法。该方法采用双通道接收机,根据测试通道和背景通道中干扰信号的相关性设计自适应滤波器,在频域对背景通道信号滤波以趋近测试通道中的干扰分量,采用瞬时双通道信号迭代更新滤波器系数,滤波器系数收敛后系统输出中只有被测设备信号。仿真与分析表明,该方法在背景通道有无被测设备信号泄露的情况下都能有效抑制干扰,与基于时域最小均方算法的方法相比,在滤波器长度相同的情况下其计算复杂度更低,适用于实时现场测试。     

Adaptive notch filter design under multiple identical bandwidths

Digital notch filters are applied to remove or suppress the narrow-band interferences in digital signals, while preserving other components unchanged. Under the condition of the identical notch bandwidths, a novel design method is put forward in this paper to realize the adaptive notch filter with infinite-impulse response (IIR). Firstly, a specially simplified all-pass filter is introduced to construct an IIR non-adaptive notch filter, which serves as the core part in the adaptive one. Secondly, the criterion of least-mean-square (LMS) is applied to design the desired adaptive notch filter (ANF). The designed ANF can track and suppress multiple non-harmonic interference components simultaneously. Finally, the effectiveness and practicability of the proposed design method are verified by a set of experimental results.