基于自适应系统辨识的收发隔离技术研究

收发隔离是机载干扰机不可避免的难题。如果收发隔离问题解决不好,轻则削弱干扰机效率,重则造成自发自收,形成自激励。固定步长的归一化最小均方误差(NLMS)算法在解决基于自适应系统辨识的收发隔离的问题时,由于精度不够,隔离效果很不理想。针对此问题提出一种基于先验误差的变步长NLMS算法,该算法依据相邻时刻先验误差的相关系数改变步长因子,改变后的步长因子能够在算法收敛过程中削弱噪声的影响,提高算法精度。理论分析和仿真结果证明:基于文中的变步长NLMS算法的收发隔离方案与基于其他最小均方误差算法的隔离方案相比,隔离性能有较大的改善。     

依据迭代系数状态因子分段的变步长NLMS算法

针对固定步长的归一化LMS算法（NLMS）存在不能同时兼顾收敛速度与稳态误差的问题,本文提出一种依据迭代系数状态因子进行分段的变步长NLMS算法。该变步长NLMS算法采用迭代系数状态因子作为表征迭代系数与实际系数的逼近状态的指标。当迭代系数状态因子值大于1,则说明迭代系数有偏离真实系数的趋势,此时采用步长因子较大的变步长方案;反之,说明迭代系数有逼近真实系数的趋势,应该采样步长因子较小的变步长方案。这样的自适应选择措施使得算法具有较强的收敛能力。理论分析和实验表明:在同样实验条件下,本文算法能够获得比其他文献更快的收敛速度和更小的稳态误差。      

变步长频域快速自适应收发隔离算法研究

针对频域LMS算法收敛速度较慢的缺点,将LMS频域快速算法和变步长技术相结合,提出了一种基于新的Sigmoid函数的变步长频域快速自适应收发隔离算法。理论分析和计算机仿真表明,新算法除具有原频域快速算法的优点外,还具有较快的收敛速度和良好的收敛精度,可以有效地应用于干扰机自适应收发隔离系统中。     

变步长频域快速白适应收发隔离算法研究

针对频域LMS算法收敛速度较慢的缺点，将LMS频域快速算法和变步长技术相结合，提出了一种基于新的Sigmoid函数的变步长频域快速自适应收发隔离算法。理论分析和计算机仿真表明，新算法除具有原频域快速算法的优点外，还具有较快的收敛速度和良好的收敛精度，可以有效地应用于干扰机自适应收发隔离系统中。     

一种新的可变步长LMS自适应滤波算法及其算法分析

在讨论基本LMS．变步长NLMS和LMS／F组合自适应滤波算法的基础上提出一种新的可变步长LMS自适应滤波算法,新算法引入修正系数和遗忘因子．并利用和来产生新的步长参与迭代。计算机仿真结果表明,与基本LMS算法或变步长NLMS、LMS／F组合算法相比,新算法在保持算法简单这一特点的同时进一步加快了收敛速度,并能够收敛到更小且稳定的均方误差(MSE)。     

基于数据复用技术的变步长LMS自适应算法

基于数据复用技术,讨论并给出了一种新的变数据复用率变步长LMS自适应算法。该算法在每一次权值迭代中多次使用当前的输入数据递归运算,而且数据复用的次数采用时变值,并采用功率归一化技术实现变步长因子。理论分析和计算机仿真均表明,该算法与传统的LMS算法相比具有良好的收敛性能,可以有效地应用于天线自适应收发隔离系统中。     

一种新的可变步长LMS自适应滤波算法

在简单讨论基本LMS，变步长NLMS和LMS／F组合自适应滤波算法的基础上提出一种新的可变步长LMS自适应滤波算法，新算法引入修正系数ρ和遗忘因子λi=exp(-i)，并利用ρ和λi来产生新的步长参与迭代，计算机仿真结果表明，与基本LMS算法或变步长NLMS、LMS／F组合算法相比，新算法在保持算法简单这一特点的同时进一步加快了收敛速度，并能够收敛到更小且稳定的均方误差(MSE)。     

一种新的变步长LMS自适应算法及仿真

对变步长自适应滤波算法进行了讨论,给出了一种新的变步长LMS自适应算法,这种新方法通过估计误差信号自相关及均方误差的时域平均来调节自适应算法的步长,具有较好的抗干扰性能,且收敛速度快,稳态误差小。将其应用于干扰机的自适应收发隔离系统中,计算机仿真结果与理论分析一致,表明了该算法具有一定的可行性和优越性。     

一种稳定的变步长块LMS自适应算法

针对LMS自适应滤波算法在输入信号高度相关时.收敛速度下降导致性能下降,本文从基本的块LMS算法开始,简要介绍了块LMS算法的实现方法,在此基础上重点分析了在变步长块LMS算法中,影响步长因子的要素.提出了一种新的变步长因子迭代算法(SVBLMS),该迭代算法充分考虑输入信号和误差信号对变步长因子的影响.并且迭代的结构简单,计算量小.通过Matlab仿真.仿真结果表明.该迭代算法较其它块LMS算法有更快的收敛速度,更稳定的收敛过程.当输入为有色信号或输入噪声较大时,本算法都能保持良好的性能.     

基于S型函数的变步长LMS自适应滤波算法

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。     

自适应噪声对消的归一化LMS算法

为了克服自适应滤波中固定步长LMS算法存在收敛速度与稳态误差的矛盾,本文通过MATLAB仿真不同步长因子下LMS算法的学习曲线,分析了LMS算法在收敛过程中存在的矛盾,并运用归一化LMS(NLMS)算法来改善上述矛盾。NLMS算法是通过输入变量改变步长因子从而改变算法的收敛特性。本文对NLMS与LMS算法的误差曲线仿真并进行稳态误差效果比较,结果显示NLMS算法的稳态误差精确度明显提高,收敛速度加快。通过将LMS算法与NLMS算法应用于自适应噪声对消中,得到NLMS算法具有收敛速度更快同时稳态误差更小的特性,该算法能够快速对干扰信号作出反应,使除噪效果更好。     

一种改进的变步长ELMS算法

在简单讨论基本最小均方(LMS)算法的基础上,引入了扩展的最小均方(ELMS)算法,并分析说明了该算法能达到更小的稳态MSE。改进的变步长ELMS算法是在对有用信号的预测中采用了自适应为归一化的的最小均方(NLMS)预测估计器,步长的迭代中引入遗忘因子i,利用其与误差信号的加权和来产生新的步长参与迭代。理论分析与计算机仿真结果表明,该算法有较好的收敛性能和较小的稳态失调。     

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。     

LMS和归一化LMS算法收敛门限与步长的确定

从LMS算法失调量的准确表达式出发,根据输入信号特征值分布重新研究了LMS,归一化LMS(Normalized LMS,NLMS)算法收敛的必要条件,推导出LMS和NLMS 算法收敛的步长门限,并分析了输入信号特征值分布、滤波器阶数对算法收敛步长门限的影响,推导出满足性能失调下步长的自适应计算公式,减小了应用 LMS,NLMS算法时步长选取的盲目性,与已有的算法相比,具有计算简单、实用、自适应性能强,同时可获得满意失调量的特点,计算机模拟结果表明该方法的正确性。     

一种新的变步长NLMS盲自适应多用户检测算法

首先推导得到最小输出能力准则的无约束形式,得到易于NLMS算法实现形式;在该NLMS算法实现的基础上,通过重复归一化迭代运算推导,得到重复跌代的等效形式;基于该形式提出一种新的变步长NLMS算法,算法复杂度仍然为O(N),算法具有很好的健壮性,并且具有更好的检测综合性能。仿真表明,与文献［5］所提变参数的变步长NLMS算法相比,本文算法收敛速度更快且输出信干比更好。在同步CDMA系统下,其综合性能达到KALMAN,RLS相当水平。      

迭代变步长LMS算法及性能分析

针对固定步长LMS(Least Mean Square)算法(FXSSLMS)不能同时满足快速收敛和小稳态失调误差的问题,该文提出了迭代变步长LMS算法(IVSSLMS)。与已有的变步长LMS算法(VSSLMS)不同,该算法的步长因子不再是由输出误差信号控制,而是建立了与迭代时间的改进Logistic函数非线性关系,克服了定步长算法收敛慢及已有变步长算法抗噪声干扰能力差的问题。最后从理论上分析了算法的性能,给出了其参数取值方法。理论分析和仿真均表明,所提算法能够在快速收敛情况下获得小的稳态失调误差,在有色噪声干扰下稳态失调误差比已有算法降低了约7 dB。     

一种基于追踪算法的干扰对消技术

无人机等小型平台上的雷达干扰机的收发隔离问题会严重影响其侦察与接收同时工作。假设真实耦合路径稀疏的环境下,基础的系统辨识最小方差无偏估计量算法在解决收发隔离问题时,对系统传递函数的辨识精度不够,隔离效果不够理想。针对此问题提出了一种基于系统辨识理论与稀疏理论相结合的追踪算法。该算法利用了干扰机接收天线与发射天线之间干扰耦合路径的稀疏性,可以对耦合路径实现精确辨识,并且算法的鲁棒性较好。理论分析和仿真结果表明:稀疏时不变的耦合环境下,该方法能够取得较理想的隔离度,可以很好地解决小型平台上雷达干扰机的收发隔离问题。     

一种新的变步长LMS自适应滤波算法

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,提出了一种新的变步长LMS(LeastMean Square)算法.该算法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,且克服了S函数变步长LMS算法(简称SVSLMS算法)在自适应稳态阶段μ(n)取值偏大的缺陷.理论分析和计算机仿真结果表明该算法的性能优于SVSLMS算法.     

一种基于LMS自适应滤波的互相关时延估计优化算法

在多站时差定位系统中使用基于LMS自适应滤波的互相关法进行时延估计时,若采用固定步长因子则会在收敛速度和稳态失调之间存在较大矛盾,从而影响时延估计精度。针对这一问题,文中提出了一种基于分段变步长LMS自适应滤波和希尔伯特差值的互相关时延估计优化算法。该方法首先采用分段变步长LMS自适应滤波对信号进行滤波处理,然后将滤波后的信号作互相关运算,最后通过希尔伯特差值法锐化相关函数的峰值,进一步提高时延估计精度。在相同条件下,文中模拟分析了不同算法的时延估计精度。实验结果表明,新的优化算法时延估计精度更高。在不同信噪比下,新方法相较传统时延估计方法精度提高了2.2%以上,具有良好的抗噪声性能。     

基于S函数的改进变步长LMS自适应算法

变步长LMS自适应滤波算法通过构造步长因子来进行权值调整,使算法具有较快的收敛速度和较小的稳态误差。为了进一步改善算法的性能,提出一种基于S函数的改进变步长LMS自适应算法。该算法基于S函数的曲线特点,通过对函数的平移变换得到算法步长因子的表达式。为满足算法的可控性和抗干扰能力的要求,通过引入可控参数和误差向量自相关值来调整步长因子,得到算法的最终模型。详细分析了模型中各参数的取值对步长因子和滤波性能的影响。与现有算法的仿真结果对比表明,该算法在收敛速度、稳态误差及抗干扰能力方面的性能均有了很大的改善。