基于百分位值的自适应顺序形态滤波方法

针对顺序形态滤波的百分位值，在最小均方误差（ＭＳＥ）和最小平均绝对误差（ＭＡＥ）准则下，实现了自适应处理．该滤波算法不仅可以有效地抑制信号中的各种噪声，而且较好地保持了信号的几何特征。计算机仿真结果证实了滤波算法的有效性．     

一种会议电话回波抵消自适应算法

最小均方自适应算法是符合国际电信联盟(ITU)标准G.168的回波抵消自适应算法.然而,单纯符合该标准并不能保证完全满足消费者所期望的典型的话音质量,并且不适用于电话会议的回波抵消系统.为克服这个缺点,本文提出了一种适用于电话会议的回波抵消算法:归一化最小均方(NLMS)自适应算法.这种算法的收敛条件与输入信号特征无关,同时,当输入信号为语音时,NLMS自适应算法的收敛速率更快,稳定性好.仿真实验表明:NLMS算法优于LMS算法.     

LMS算法在平滑伪Wigner分布中的应用

提出了最小均方(LMS)算法在信号时频分布中的一种新的简单应用，频域LMS自适应结构使用信号项与交叉项的连续和时变的状态去模拟平滑伪Wigner—Ville分布，表明相应的平滑窗是一个指数函数，这个指数函数的时间常量在自适应算法中由步长参数所定义.     

基于NDLMS算法的DPSK信号的解调

提出了采用自适应的NDLMS(归一化去相关最小均方误差算法)解调DPSK(差分相移键控)调制信号的方法,并利用SystemView仿真工具对解调性能进行了分析。针对小信噪比下门限失效的问题,利用误差信号来改进门限判决的质量。仿真表明采用自适应算法解调性能良好,且易于数字实现。     

一种结构元素自适应顺序形态滤波器

在最小均方误差和最小平均绝对误差准则下，实现了顺序形态滤波器结构元素的自适应处理。该滤波器不仅可以有效地抑制信号中的各种噪声，而且较好地保护了信号的几何特征。计算机模拟结果验证了滤波算法的有效性。     

MIMO空间相关信道下格规约辅助的信号检测

针对多输入多输出空间相关信道环境,提出了一种基于格规约理论的最小均方误差检测算法.该算法考虑了空间相关性的影响,利用复数Lenstra-Lenstra-Lovász格规约算法克服了传统的线性最小均方误差检测器分集阶数随相关系数增加而减小的缺点,使检测到的信号在高信噪比下可以达到比传统算法低几个数量级的误码率.理论分析与仿真结果表明,在信道为Kronecker相关平坦衰落模型下,接收端采用最小均方误差信道估计,发射端采用QPSK调制未使用信道编码,当比特信噪比大于18dB时,基于格规约理论的最小均方误差检测器的误码率低于传统最小均方误差检测器的误码率;发射端采用(2,1,3)卷积码、接收端采用硬判决Viterbi译码,当信噪比大于16dB时,基于格规约理论的最小均方误差检测器的误码率低于传统最小均方误差检测器的误码率,且基于格规约理论的最小均方误差检测器的分集阶数不受相关系数的影响,等于接收天线数N.     

广义的自适应相干累积算法

根据最小均方误差(LMS)算法、自适应相干累积(ACI)算法及推广的自适应相干累积(GACI)算法在原理上的相关性和推广关系，提出了广义的自适应相干累积(IGACI)算法。它是在GACI的基础上，在算法的权系数迭代公式中引入更多的动量因子，即利用权系数的更多的历史信息，使被检测的单频或调频脉冲信号，在脉冲期间，实现自适应相干累积，从而完成低输入信噪比条件下的信号检测，而无需或很少需要知道信号的先验信息。理论分析和仿真结果证明在低信噪比的情况下，其性能要优于GACI算法。     

基于MPSK信号频偏估计的非线性滤波算法

基于MPSK信号的非线性频偏估计算法，通过对叠加了高斯分布白噪声接收信号的非线性交换分析，将非线性滤波(中值滤波)算法应用于载波频率估计之中．运用Monte Carlo仿真手段对其进行了验证，结果表明，在非线性频率估计中运用中值滤波算法后，其估计的均方误差较之运用均值滤波算法有很大的改善．     

混响环境声信号的在线检测

提出了解混响的一种新方法，采用自适应滤波最小均方ＬＭＳ算法和自适应多小线怀预测滤波技术，通过确定预测步长值，直接估计出最小平方反滤波系数，仿真结果表明，如果信噪比较高，并且为周期信号，则自适应线性预测滤波可用于混响环境下声信号的在线检测。     

用于MMSE合并的受约束LMS算法分析

建立了受约束最小均方(LMS)算法,实现正交频分复用(OFDM)系统中分集信号的自适应最优(MMSE准则)合并,解决了输入信号高度相关时传统自适应算法的收敛速度问题．对接收到的分集信号进行变换,使其具有相同的期望响应,然后并行送入自适应滤波器,在给定的约束条件下,完成分集信号的自适应最优合并．推导出的解析式表明,算法的收敛性能与输入信号的自相关矩阵无关,完全由归一化的步长参数控制．     

多用户检测中自适应串行干扰消除检测器的性能分析

分析现有多用户检测中串行干扰消除检测器的缺陷，在该检测器中加入最小均方误差自适应算法以跟踪时变的信道环境，从而改进该检测器的性能．进行了计算机仿真，结果表明：在同等条件下，对于功率较低的用户来说，自适应串行干扰消除检测器比原有串行干扰消除检测器的性能有较为明显的改善，可消除原有检测器固有的误差累积缺陷．     

基于子空间跟踪的盲多用户检测算法

基于修正的最小均方误差(MMSE)准则,提出了一种适用于多径衰落信道中的同步DS-CDMA盲自适应多用户检测算法。该方法使用了一种改进的信号子空间跟踪算法,将内部模型法则与PAST算法相结合,并在每一次自适应迭代中对信号子空间正交化,解决了传统算法因引入特征值估计误差而导致检测性能下降的问题,提高了算法的跟踪精度和鲁棒性,且计算复杂度较低。仿真结果验证了本文算法的有效性。     

一种基于LS-SVM的CDMA信号接收机自适应核方法

给出了一种基于最小二乘支持向量机(LS-SVM)的码分多址(CDMA)系统信号接收机非线性自适应核算法。LS-SVM使用均方误差原则,优点是能应用于自适应在线的情况,基于LS-SVM的接收检测器复杂度适中,能够实现非线性分类,并能够自适应执行,而且仅仅只需要从用户那里得到较少的训练数据序列。     

一种快速收敛的自适应波束形成算法

为了解决传统最小均方(LMS)自适应波束形成算法在低信噪比环境下收敛速度较慢的问题,提出了一种快速收敛的小波域自适应波束形成算法. 该算法利用小波变换软阈值法消除信号中的加性高斯白噪声,并在此基础上将牛顿法应用于LMS算法中,提高了小波域LMS算法的收敛速度. 仿真结果表明,相比传统LMS算法,在低信噪比环境下,该算法收敛速度加快,稳态误差减小,波束形成精确度有较大的提高;同时相对于已有的小波域LMS算法,该算法的收敛速度和精度也有所提高.     

基于高阶累积量ARMA模型的信号重构

利用三阶累积量ARMA模型的特点及模型拟合的多样性,基于最小均方误差准则提出了估计模型阶次的算法,恢复衰减谐波信号的仿真实验表明该方法具有更好的信号重构性能。     

基于归一化最小均方算法的自适应核RBFNN

为了使自适应核径向基函数神经网络(RBFNN)有更好的收敛速度和稳态误差,提出了以归一化最小均方为学习算法对自适应核RBFNN进行优化的方法。在梯度下降算法的基础上,通过一个可变的步长因子,对归一化最小均方(NLMS)算法进行推导,并将其作为学习算法对自适应核RBFNN的权系数及偏差进行更新训练。在非线性系统辨识及模式分类中的仿真实验结果表明,使用NLMS学习算法训练自适应核RBFNN相较于其他学习算法下的自适应核RBFNN,具有更快的收敛速度及相对较小的稳态误差。     

基于自适应阈值的提升小波去噪方法

鉴于传统的去噪算法中的阈值很难选取到最优值,设计了自适应的阈值选取器,结合最小均方算法和小渡阈值去噪算法,提出了一种基于LMS算法的小波去噪方法.该方法根据LMS算法来自适应地控制阈值参数,并实现提升小波阈值去噪.仿真结果表明,该方法优于传统去噪方法,可较大程度地减少信号中的噪声,提高输出信号的信噪比,能很好地提取有用信号的特征.     

基于稀疏时变水声信道的判决反馈均衡算法

针对常规的判决反馈均衡处理稀疏时变水声信道接收信号时性能下降的问题,本文在最小均方算法和仿射投影算法的基础上,提出了改进的自适应算法。算法引入了随输入信号变化的迭代步长因子及表征系统稀疏特性的l_0范数约束,并且利用通信接收信号的非圆特性的宽线性输入方式改善性能。仿真结果表明:本文提出的算法具有更快的收敛速度和更小的稳态均方误差,仿真和试验数据分析结果证明了应用改进算法的自适应判决反馈均衡器有更低的误码率。     

非平稳时变随机噪声的数字滤波器设计与仿真

非平稳噪声的统计参数是时变的,频率滤波器不能实现对它的抑制,传统的自适应抵消器方法是基于最小均方误差准则(LMS)实现滤波的。针对LMS自适应算法中的固定步长导致收敛速度慢、失调量大的缺点,提出了变步长方法。采用最小二乘准则(LS),根据输入信号信噪比的变化来调整步长,并对滤波器的收敛速度、滤波性能进行了数据仿真,验证了该算法的有效性,实现了对时变非平稳噪声的有效抑制。     

自适应滤波在局部放电检测中的应用

为了消除高压设备局部放电检测中广泛存在的周期性干扰现象,依据自适应噪声干扰抵消技术,设计了一种有限冲击响应(FIR)、最小均方(LMS)误差算法的自适应滤波系统,研究了局部放电中存在的各种周期干扰现象．通过计算机模拟滤波证实,在适当选择滤波各参数的基础上,得出该系统实现方便、运算快速,能有效地解决局部放电检测中的周期性干扰问题．