车内噪声主动控制变步长LMS算法

通过对轨道车辆车内含噪样本数据的分析,应用步长因子μ(n)与误差信号e(n)呈正弦函数关系的变步长LMS算法。分别对自适应滤波器中的权向量按照最速下降算法进行更新,并利用建立的自适应滤波器进行车内噪声主动控制。结果表明,提出的变步长LMS算法解决了LMS算法因固定步长不能同时兼顾算法收敛速度和稳态误差的固有缺陷,具有更快的算法收敛速度和较小的稳态误差。     

一种新型快速收敛的LMS谐波检测算法

针对传统基于固定步长LMS算法在电网谐波检测中存在收敛速度与稳态精度需折中选择的问题,提出了一种新型具有较高收敛速度的改进变步长LMS算法。该算法以同一相位下相邻两时刻的误差信号e(n)、e(n-1)的自相关估计调节步长更新,并且采用归一化处理方式,以误差信号在总电流信号中的比例k(n)、k(n-1)作为新反馈量,同时对新的反馈量进行相干平均估计来调整步长迭代;在权值迭代公式中引入相邻时刻估计误差绝对值之差的扰动量来加快自适应滤波器权矢量的迭代速度。MATLAB/Simulink仿真和实验证明,该方法相对于传统固定步长LMS谐波检测算法在收敛速度和稳态精度上有了进一步的提高,尤其在负载发生突变时的跟踪能力。     

一种改进的变步长LMS自适应滤波算法及其仿真

在分析传统的定步长最小均方(LMS)算法、变步长LMS算法的基础上,通过建立误差信号与步长因子之间的新的非线性映射关系,提出新的改进型变步长LMS自适应算法.通过MATLAB仿真分析,证明了该算法具有较好的收敛速度和较小的稳态误差以及较好的时变系统跟踪能力.     

适用于无线传感器节点的低复杂度CCVSLMS均衡器研究

针对无线传感器节点的均衡算法--最小均方误差(LMS)算法和截断数据LMS算法或截断误差LMS算法(CLMS算法)的收敛速度、稳态误差性能的不足,进行了截断误差和截断数据可变的步长LMS算法(CCVSLMS算法)的研究,该算法通过对误差和数据进行截断处理和建立步长因子μ与截断变化率的线性函数关系来改善收敛速度和稳态误差...     

改进变步长LMS算法及在自适应噪声抵消中的应用

在分析传统LMS算法、变步长LMS算法及其改进算法的基础上，通过建立步长因子μ与误差信号е之间的非线性关系，提出了一种改进的变步长LMS自适应滤波算法，并将其应用于自适应噪声抵消中，还分析了参数对算法性能的影响，结果表明该算法具有较快的收敛速度和较小的稳态失调。文中最后给出了仿真结果，仿真结果与理论分析一致。     

改进变步长LMS算法及在自适应噪声抵消中的应用

在分析传统LMS算法、变步长LMS算法及其改进算法的基础上,通过建立步长因子μ与误差信号е之间的非线性关系,提出了一种改进的变步长LMS自适应滤波算法,并将其应用于自适应噪声抵消中,还分析了参数对算法性能的影响,结果表明该算法具有较快的收敛速度和较小的稳态失调。文中最后给出了仿真结果,仿真结果与理论分析一致。     

变步长LMS自适应均衡算法研究

为解决宽带无线通信中由多径信道产生的符号间干扰,对最小均方(LeastMeanSquares,以下简称LMS)自适应均衡算法进行深入分析。针对LMS算法收敛速度和稳态均方误差相互矛盾的问题,重点研究变步长LMS算法,在现有算法的基础上,进行步长分析,提出一种新型变步长LMS算法。利用信道响应长度、均衡器阶数、收敛误差共同控制迭代步长,简化步长设置,提升算法的收敛速度并降低稳态均方误差。仿真分析表明新型变步长LMS算法有更好的收敛特性。     

一种基于变步长LMS算法的语音增强方法

LMS算法在自适应滤波器中得到广泛应用，但这种方法具有收敛速度慢，对非平稳环境敏感性强，步长需要谨慎选择才能达到收敛和失调的折中等缺点。为了改善非平稳条件下FIR自适应滤波器的性能，文章介绍了一种变步长的LMS算法，这种算法迭代过程中步长在规定的上下限内是关于信噪比的递减函数，用于自适应噪声对消器中去除含噪语音信号中的加性噪声，以解决固定LMS算法中跟踪速度和失调的矛盾。对不同信噪比的含噪语音信号去噪，仿真结果证明该方法优于NLMS(Normalized Least Mean Square)算法，在提高收敛速度的情况下减小了剩余均方误差和失调，但需增加少量的运算量。     

一种提高稳态误差及收敛速度的回声消除算法

以研究回声消除为背景,在分析比较了三种LMS自适应滤波器算法的基础上,提出了改进的LMS自适应滤波器算法。并利用Matlab进行仿真分析,通过绘制误差曲线、学习曲线,证明了改进后的算法在稳态误差以及收敛速度方面都优于之前的算法。该算法能较好地应用到IP电话中的回声消除的自适应滤波问题。     

人工神经网络应用于适应滤波的研究

目的 用神经网络实现Adaline自适应滤波权值调节。方法 在Adaline自适应滤波器中,滤波器的权值调节是通过LMS自适应算法进行调整的,但LMS的自适应算法的收敛速度慢,从而大大影响了Adaline自适应滤波器的滤波性能,作者利用TH网络进行TH－Adaline滤波器系统辨识。并给出了Adaline滤波器权值输出变化曲线的仿真结果。结果与结论 利用TH神经网络来实现滤波器权值调节的Adaline自适应滤波器运算速度比运用LMS算法的Adaline自适应滤波器的收敛速度快。