一种改进的变步长LMS自适应滤波算法

针对自适应滤波领域的最小均方(Least Mean Square, LMS)算法无法权衡稳态误差和收敛速度这一矛盾,提出了一种改进的变步长LMS自适应滤波算法。该算法在基于对数函数的变步长LMS算法的基础上,建立了一种新的步长参数与误差的关系模型。仿真结果表明,提出算法与已有算法相比,能够达到更高的收敛精度及更快的收敛速度,在系统不发生时变时,收敛精度分别提高了5 dB和3 dB,当系统发生时变后,收敛精度分别提高了4 dB和2 dB,不论系统是否发生时变,收敛速度都更快。     

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.     

基于多尺度小波变换的改进型自适应滤波算法

介绍自适应滤波算法、多尺度小波算法的基本原理和两种算法结合的实现过程。针对最小均方(LMS)自适应滤波算法不能同时提高收敛速度和收敛精度,提出变步长LMS自适应算法,在滤波过程中算法先用大步长跟踪,提高收敛速度,接近稳态时用小步长跟踪,提高收敛精度。为了能有更好的滤波效果,应该在算法的步长因子上有所突破。在抽样函数的基础上改进算法,并结合多尺度小波分解,使得滤波的效果更加理想。通过Matlab仿真实验,验证了改进算法具有更好的稳定性和优越性。     

一种改进的快速自适应滤波算法

为了解决传统自适应滤波最小均方(Least Mean Square,LMS)算法中收敛速度与稳态误差之间的矛盾,提出了一种改进算法。该算法在已有变步长LMS算法基础上,引入遗忘因子来影响步长的更新。仿真表明,改进后的算法比原算法不但具有更快的收敛速度,而且具有更小且稳定的稳态误差。     

基于LMS算法的自适应均衡器的MATLAB实现

介绍了基于最小均方算法(LMS算法)的自适应均衡器的原理和结构，针对用硬件实现LMS算法的自适应均衡器存在的诸多缺点，利用MATLAB工具对各种结构形式的自适应均衡器在不同信道模型下的收敛速度和精度进行仿真，并介绍了该仿真程序。     

一种基于改进LMS算法的MIMO-OFDM信道估计方法

最小均方(LMS)算法是一种典型的自适应滤波算法,基于该算法的信道估计算法具有不需要已知信道和噪声统计信息的特点,但是其收敛速度较慢。为此,提出一种基于改进LMS算法的MIMO-OFDM信道估计方法,该方法人为地引入一个时延,即将LMS算法固定自适应步长由随着输入信号功率自适应变化的收敛因子替代,大大降低了收敛时间,具有较好的信道估计性能。     

改进的提升小波变步长LMS滤波算法及其应用

通过对变步长LMS自适应滤波算法和提升小波变换理论进行研究,将两种算法换相结合,提出一种新的提升小波变步长LMS自适应滤波改进算法;根据信号特征对更新算子和预测算子自适应的构造,对正交分解的信号进行变步长LMS自适应消噪,提高了收敛速度和稳定性;通过仿真分析,证明了改进的提升小波变步长LMS滤波算法具有较快的收敛速度和更强的抑噪能力;最后,将提出的方法应用于低速重载齿轮箱的故障诊断中,分析结果表明,该方法是一种非常有效的故障特征处理方法。     

一种变步长LMS算法及仿真

虽然传统LMS算法拥有很多优点如方法简单、运算量小,但是由于固定步长的缘故,在解决稳态误差与收敛性之间的关系时始终处于矛盾状态,这也使的传统LMS算法始终具有收敛速度慢的特性。结合传统的LMS自适应滤波算法,在此基础上对步长因子进行了改进,将步长因子与误差因子间建立函数关系提出变步长LMS新的算法,并通MATLAB仿真,比较了改进后的算法与传统LMS算法,仿真结果显示改进后的算法明显在系统的收敛速度和稳态误差上有所提高。     

MIMO系统自适应均衡算法研究

MIMO信道为频率选择性信道,由于时延扩展而存在色散,因此研究MIMO系统的自适应均衡技术显得尤为重要.通过对自适应均衡技术的两种主要的算法最小均方(LMS)算法和递归最小二乘(RLS)算法的研究可以看出,在不同的步长因子及遗忘因子等参数变化情况下,LMS算法的收敛速度较慢,但均衡简单易实现,RLS算法收敛速度较快,但迭代运算较复杂.结合二者的特点提出了在MIMO系统中引入改进的最小均方算法,即归一化最小均方(NLMS)算法.仿真实验对比表明NLMS算法的计算量与LMS相当,但收敛条件简单,易实现,收敛速度较快,有很实际的应用价值.     

一种变步长自适应滤波算法在信号消噪中的应用

为了解决自适应LMS算法中收敛速度和稳态失调之间的矛盾,在选择自适应算法的步长时,通过在基于箕舌线的变步长LMS算法中引入自相关估计,对信噪比为SNR=16 dB的染噪信号进行处理.仿真结果表明:该算法使均方误差曲线在500个采样点附近达到稳态,均方误差MSE=2.595.时域波形显示,利用变步长自适应滤波算法能有效地滤除信号中的噪声,获得稳定的消噪效果.     

LMS算法自适应噪声抵消系统参数的最佳设计

威德罗(Widrow)提出的LMS算法自适应噪声抵消系统中,由于d(j)=s(j)+n_0,带有随机噪声n_0,不再是一个理想的期望响应。这时自适应滤波器除了有由于LMS近似算法造成的权失调外,还有随机噪声的影响。本文讨论了这种随机噪声对系统性能的影响,以及如何选择系统的加权数目n,收敛因子μ这两个主要参数,使系统性能达到最佳。最后,对得出的结论进行了实验验证。     

基于DSP的回波抵消技术

语音通信中的回波导致通信质量下降,信道中加入自适应FIR数字滤波器以实现回波抵消.自适应滤波器采用最小均方算法(LMS)进行滤波器系数和输出的计算,使用数字信号处理器TMS320C5402芯片完成最小均方算法和回波抵消,实现语音通信质量的提高.     

一种用于自适应噪声对消器的改进LMS算法

归一化IMS（NLMS）算法是目前适应噪声对消器中常用的一种算法,文中根据对输入信噪比的估计,在NLMS算法基础上提出一种改进的LMS算法,在3种不同输入信噪比情况下,对NLMS算法和改进的算法进行了比较,结果表明改进的算法性能明显优于NLMS算法。     

基于径向基函数神经网络的自适应滤波器

自适应滤波器在信号检测、信号恢复、数字通信等领域中被广泛应用。传统的自适应滤波器主要在时域中实现。通常采用算法简单、稳健性好的自适应LMS算法。但LMS算法对输入信号的自相关矩阵具有很强的依赖性,因而自适应率不高。本文提出利用RBF神经网络实现的自适应滤波,并将其用于语音除噪和脉象信号的除噪。仿真结果表明该方法具有良好的非线性噪声抑制能力。     

一种变步长因子及变动量因子的自适应算法

作为对动量ＬＭＳ算法的补充和改进,提出了一种带有变步长和变动量因子的自适应算法,该算法将传统的动量ＬＭＳ算法中的常量步长调节因子与常系数的动量调节因子均改变成随机变量,从而为自适应滤波器提供了更好的收敛特性,计算机模拟的结果表明,给出的算法在平滑随扰动和加快收敛速度方面起到了一定的作用。     

多路LMS自适应算法及其应用

本文讨论多路LMS自适应算法。首先,我们建立了多路LMS自适应系统的基本模型,而后分析了系数调节的统一更新式模型和单独更新式模型。理论分析和计算机模拟均表明,基本的系统模型是成立的,而系数更新的后一种模型有较好的收敛速度。另外,本文简要讨论了这种算法在数据通信中的典型应用。     

用于GPS接收机的快速自适应干扰抑制方法

提出了一种基于Householder变换的快速自适应干扰抑制方法.利用Householder变换构建的广义旁瓣相消器下支路阻塞矩阵,可将期望信号完全阻塞,提高了最小均方误差算法的收敛性,获得了较高的输出信干噪比,并提高了GPS接收机的快速抗干扰性能.理论分析和性能仿真验证了该方法的优越性.     

汽车主动悬架系统LMS自适应控制技术研究

根据汽车行驶平顺性和操纵稳定性的评价方法，确定簧上质量的加速度、车轮与地面问的动载荷以及簧上、簧下质量的动挠度为评价指标。选择LMS自适应滤波算法，通过调整自适应滤波器的权系数使二次性能指标达最小，针对简化的车辆模型，将被动悬架系统与LMS自适应主动控制悬架系统相对比，结果分析表明LMS自适应主动控制策略理论上在悬架系统中的应用是切实可行的，悬架系统性能明显提高。