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.     

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。     

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。     

一种新的变步长LMS自适应滤波算法及其应用

针对变步长LMS(Least Mean Square)自适应滤波算法不能同时满足较高收敛速度以及较低稳态误差的问题,根据反馈理论提出了一种新的变步长LMS自适应滤波算法,在原有算法模型中通过引入反馈控制函数建立了一种新的步长与误差的非线性函数模型,使得当前的步长值跟当前误差与前一次误差比值的平方相关,通过MATLAB分析了新函数模型中关键参数对滤波性能的影响并确定了合理的关键参数.仿真结果表明:相比原有的算法,改进的新算法极大地提高了收敛速度,同时也降低了稳态误差.新算法性能良好,将其应用于超宽带无线电引信回波信号的滤波处理中,误差的抑制能力提高了4倍,滤波效果较佳.     

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。     

一种变步长LMS自适应噪声抵消算法研究

通过对传统最小均方误差（leastmean square,LMS）算法迭代因子μ进行分析,讨论了μ与收敛速度及稳态失调的关系,在此基础上研究了一种新的变步长LMS自适应算法,建立了步长因子μ与输入信号及迭代次数n之间的一种新的非线性关系。通过理论分析,该算法与传统LMS算法相比,其收敛速度更快、稳态误差较小,且计算量增加不大,采用Matlab仿真表明了该算法的优越性。     

工作空间噪声主动控制ChFxLMS算法

为改善滤波x最小均方（Filter-x Least Mean Square,FxLMS）算法不能同时兼顾稳态误差与收敛速度的不足,提出一种基于cosh函数的变步长FxLMS（Cosh-FxLMS,ChFxLMS）算法. 通过cosh函数建立误差信号与步长因子间的联系,使得步长因子按照cosh函数特性实时调整;分析不同参数对ChFxLMS算法性能的影响,为算法参数选取作指导;分别将正弦信号和实测织机信号作为输入信号,对ChFxLMS算法性能进行验证,并与FxLMS算法、基于sigmoid函数的变步长FxLMS（Sigmoid-FxLMS,SFFxLMS）算法进行对比. 仿真结果表明,ChFxLMS算法性能在时域和频域上都取得较好的控制效果. 分析结果表明,该算法能较大地降低稳态误差和提高收敛速度. 该研究成果可为工作空间噪声主动控制提供一种新思路.     

改进的变步长自适应滤波及Eckart加权抑噪算法

针对已有的变步长自适应滤波算法对噪声干扰敏感的问题,提出改进的变步长最小均方误差自适应算法,该算法对误差的自相关时间均值估计做遗忘加权补偿,并改步长因子固定范围约束为动态变化约束,一方面克服了单纯采用自相关时间均值估计调整步长所导致的步长因子快速衰减,获得了较快的收敛速度;另一方面相比基于Sigmoid函数的变步长算法,具有更平滑的步长变化和更低的稳态失调噪声.在改进算法中引入Eckart加权进一步抑制了自适应滤波器权系数伪峰,采用滑动窗遗忘加权降低了计算复杂度.将新算法及其Eckart加权应用于自适应时延估计仿真实验,结果表明：相比于已有的2种参数固定条件下的变步长自适应滤波算法,改进算法获得了更好的高斯噪声和突变噪声干扰下的时变时延跟踪性能.     

一种新的变步长LMS 算法及分析

LMS 算法存在收敛速度和稳态误差上的矛盾,当步长因子过大,则收敛速度快,但误差变化 较大; 当步长因子过小,则收敛速度很慢但是误差稳定． 因此,渐渐发展出了多种变步长LMS 算法． 通过建立步长和误差的一种非线性函数关系,提出了一种新的变步长LMS 算法,并且对算法参数 进行分析． 该算法计算简便,计算量低,且在算法收敛初期能够得到较大的步长,而稳态时期能够得 到较小的步长,且在稳态收敛阶段有较为缓慢的步长变化,克服了传统算法在低误差范围内的步长 调整的缺陷． 仿真结果与理论结果相一致,证明了该算法比已有算法拥有更好的收敛性能．     

基于P范数的变尺度扩散公平代价算法

为了进一步提高扩散式自适应滤波算法在不同噪声环境下的性能,提出了一种新的基于P范数的变尺度扩散公平代价函数算法。该算法在公平代价函数的基础上,对误差绝对值项加入了P范数,同时利用类箕舌线函数构造了一个随误差变化的尺度因子来共同控制算法的陡峭程度,进而使算法拥有更快的收敛速度和更小的稳态误差。在高斯噪声环境以及Alpha稳定分布和伯努利-高斯分布的非高斯噪声环境中的仿真结果表明,所提算法拥有更强的鲁棒性和更低的稳态误差,在不同噪声环境下的性能均优于对比算法。     

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。     

小波技术对LMS算法的提高与分析

变步长LMS（Least Mean Square）算法在同时兼顾快速收敛与降低稳态失调误差的问题上做出了很多改进,但仍有较大的提升空间. 本文利用小波技术对变步长LMS算法提出改进. 小波技术具有数学“显微镜”功能,步长因子的变化速度可以通过拉伸窗口来实时调整. 本文将失调误差与收敛速度之间的比值做为小波窗口调整参数,根据两者之间的相对变化实时调整步长因子的变化速度,可实时准确地调整收敛速度,更好地兼顾快速收敛与降低稳态失调误差问题. 仿真证明本文提出的算法比现有技术具有更高的收敛速度和更低的稳态失调误差.     

基于T/2分数间隔的不同变步长盲均衡算法

在分析分数间隔均衡器(FSE)和多模算法的基础上,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,研究以不同变步长的T/2分数间隔多模盲均衡算法.各变步长利用与误差项或均衡输出项的非线性关系自适应调整步长.利用QPSK信号进行仿真分析,结果表明,本算法在收敛速度和稳态误差方面的性能优于固定步长,且相同实验条件下,不同步长的盲均衡算法性能也不同.     

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。     

归一化加权双模式盲均衡算法

恒模算法（CMA）打开信道眼图的能力强,但收敛速度慢,稳态误差大,适于均衡器启动阶段的工作;决策指向算法（DD）收敛速度快,稳态误差低,但要求决策装置正确判决率高,适于跟踪阶段的工作;归一化自适应滤波算法能够动态地调整步长因子,提高收敛速度。结合上述三方面的优势,提出一种归一化的加权双模式盲均衡算法,和切换式双模式算法相比,新算法的主要优势在于无需在两种模式之间切换,降低了接收设备的复杂性。针对16QAM系统的仿真结果表明新算法和切换式算法相比,稳健性更好,收敛速度更快,并且更适合在低信噪比条件下使用。     

基于变学习速率的自适应ICA算法

学习速率的优选问题是自适应ICA算法中的一个重要问题。本文建立了学习速率与相依性测度之间的一种非线性函数关系,以此为基础本文提出了一种新的变学习速率的自适应ICA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,克服了传统算法在稳态阶段步长调整过程中的不足,而且具有很快的收敛速度。计算机仿真结果与理论分析相一致,证实了该算法的性能。     

一种变步长AP-REE算法的研究

为了提高自适应滤波器的滤波性能,提出了一种变步长的AP-REE算法。通过分析AP-REE算法权值误差和权值均方误差的二阶统计量,获得了参数迭代步长的一个优化解,促进了AP-REE算法在迭代方向上均方误差的收敛速度。仿真结果表明,相比较于定步长的AP-REE算法,变步长的AP-REE算法获得了更快的收敛速度。     

基于t分布变换的新变步长LMS算法

为解决在外部环境突变的条件下,最小均方(LMS)算法收敛速度与稳态误差之间难以同时平衡优化这一问题,提出一种基于t分布的新型变步长LMS算法(简称BVTLMS算法)。通过理论推导,对t分布概率密度函数进行变换,得到全新的步长随误差变化的曲线,满足了收敛条件;然后针对不同参数分析对BVTLMS算法的影响,确定最优参数,利用该参数进行仿真。结果表明,在同样的仿真条件下,BVTLMS算法分别与基于分式函数变步长算法和基于正态分布变步长算法相比,具有收敛速度更快、稳态误差更小和更强的跟踪能力优势。采用实际数据进行验证,也证明所提出的BVTLMS算法的优越性。     

基于改进型自适应滤波器谐波电流检测方法

针对传统自适应最少方差算法收敛速度和精度受信噪比影响严重的问题,提出一种改进的变步长自适应算法,能使步长因子跟踪实际基频分量变化,极大地减少了噪声对算法收敛速度和精度的影响.利用自适应滤波的预测功能,消除了数字滤波本身所固有的延时性.仿真和实验结果表明该算法能提高电力谐波检测效果.     

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。