改进型最小均方算法的仿真比较及在语音提取中的应用

介绍噪声抵消的原理和从强背景噪声中自适应滤波提取有用信号的方法,并对基于Sigmoid函数的变步长LMS算法（SVSLMS）、基于箕舌线的变步长LMS算法和基于抽样函数的变步长LMS算法进行对比研究,并将这三种改进型变步长算法用于强背景噪声中语音信号的提取,使其能消除含噪语音信号中的背景噪声,达到提高语音信号质量的目的。计算机模拟仿真结果表明,这三种算法都能通过有效抑制各种干扰来提高强噪声背景中的语音信号的检测特性。相比之下,基于抽样函数的变步长算法具有良好的收敛性能,更小的权噪声,更大的抑噪能力。     

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。     

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。     

汽车车内噪声主动控制变步长NFB-LMS算法

为规避最小均方（Least Mean Square,LMS）算法不能同时提高收敛速度和降低稳态误差的固有缺陷,以及已有变步长LMS算法存在收敛速度慢和稳态误差估计精度差的问题,文中提出了一种基于变步长归一化频域块（Normalized Frequency-domain Block,NFB） LMS算法的汽车车内噪声主动控制方法。为了比较,应用传统的LMS算法、基于反正切函数的变步长LMS算法和变步长NFB-LMS算法分别进行实测汽车车内噪声的主动控制。结果表明,与其他两个算法相比,变步长NFB-LMS算法的收敛速度提高了70%以上,稳态误差减小了90%以上。变步长NFB-LMS算法在处理车内噪声信号时具有很高的效率,为进行汽车车内噪声主动控制提供了一种新方法。     

基于LMS算法的磁悬浮轴承系统振动补偿

主动磁悬浮轴承转子高速旋转时会对系统产生周期性不平衡激振力响应,此响应会降低系统的控制精度、稳定性以及限制转子速度的提高等.针对此响应对系统的影响,首先,从轴承转子机械特性及系统控制过程分析系统周期性力产生的原因;其次,以振动在系统控制过程中体现的正弦形式信号为处理对象,采用最小均方差(LMS)算法与数字PID联合控制的方法实现滤波补偿;然后,通过分析定步长LMS算法与PID参数及被处理信号的频率的相互影响,提出了一种依据转子位移信号频率变化而实时变频切换补偿的控制策略;最后通过实验台实验验证了方法的有效性,为轴承转速的进一步提高奠定基础.     

材料摩擦异响试验台随机振动控制方法研究

为解决车辆在真实道路中的材料摩擦异响测试精度及稳定性问题，开发车用材料摩擦异响试验台系统，基于此系统对其随机振动功率谱密度再现控制方法展开研究。采用变步长频域-X滤波LMS自适应逆控制模型来实时修正系统阻抗函数，实现功率谱密度的高精度再现。采用NI Compact RIO控制器完成数据采集及实时数据处理，对系统振动加速度进行闭环控制，从而实现功率谱密度的实时再现。试验结果表明，采用频域-X滤波LMS自适应逆控制方法可以高精度再现设定功率谱密度，再现误差小于10%，满足实际工程精度要求和实时性要求。     

一种新的变步长LMS自适应滤波算法

通过建立步长因子μ与误差信号e之间的非线性关系，提出一种新的基于抽样函数的变步长LMS算法，并进行了计算机仿真．结果表明，该算法除了具有传统LMS算法计算量小、稳定性较好、简单易于实时处理等优点外，其收敛速度、稳定性以及跟踪速度均优于传统固定步长LMS算法抽样函数、SVSI—MS算法。     

LMS方法的改进及联合EEMD在振动信号去噪中的应用

针对机械振动信号特征提取中的去噪问题,本文联合集合经验模式分解(EEMD)和最小均方算法(LMS)发展了一种自适应去噪方法。首先研究了LMS的固定步长固定阶数、变步长(VS)和变阶数(VT)的算法性能,提出在迭代过程中以比较阶数和步长变化时的最小均方误差期望为收敛方向,发展了一种联合变步长变阶数最小均方算法(VSVT-LMS)的去噪方法;通过对原信号的EEMD分解,使各模式分量窄带化,进而通过VSVT-LMS对每个IMF分量进行去噪,有效避免LMS算法对宽频信号的不稳定性,同时也避免了EMD分解的不唯一性和去噪中阈值的选择问题。最后通过对仿真和实际车辆振动信号去噪,验证了方法在工程上的可行性。     

高精度光纤陀螺信号的在线建模与滤波

针对高精度光纤陀螺随机误差,在分析其一般时间序列模型的基础上,提出了一种改进型二阶自回归AR(2)模型,可以在线建立光纤陀螺随机误差模型.根据该模型,采用卡尔曼滤波算法,实现了光纤陀螺惯导系统在对准与导航过程中光纤陀螺随机误差的实时滤波.滤波结果和Allan方差分析证明,光纤陀螺信号中角随机游走、零偏不稳定性、速率随机游走、速率斜坡和量化噪声五项噪声源误差系数都小于滤波前的二分之一,有效减小了光纤陀螺随机误差,提高了光纤陀螺精度.     

混响背景下基于分数阶傅里叶变换的自适应LMS滤波算法

针对强混响背景下经典的最小均方误差(Least Mean Square,LMS)滤波算法难以有效地实现信混分离的问题,提出一种基于分数阶傅里叶变换的自适应LMS算法。首先将混响信号和自适应LMS滤波算法中的参考信号进行分数阶傅里叶变换,寻找最优变换域,并在分数阶域进行带通滤波,然后将得到的信号进行分数阶傅里叶反变换,最后将基于正态分布曲线的变步长LMS算法应用于此混响条件下进行滤波。仿真和海试数据验证结果表明,在信混比为0 dB的情况下,算法仍可以有效地滤除混响,使信混比提高6dB。     

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。     

一种自适应的主动声呐直达波干扰抑制算法

为了克服主动声呐编队作战条件下的直达波干扰,达到检测微弱目标回波信号的目的．提出了一种基于频域分块自适应滤波算法的直达波抑制方法。这种方法将自适应滤波理论和匹配相关技术相结合,首先对接收数据做频域分块自适应滤波,再利用已知发射信号副本进行匹配相关,最后提取目标回波信号。其中,频域分块自适应滤波算法相比基本最小均方算法,计算复杂度降低,收敛速度快,基本保证了主动声呐每个探测周期内的直达波抑制和目标回波的提取。通过数值仿真实验表明：在强直达波干扰存在条件下,该算法对目标回波的提取在精度和鲁棒性等方面均优于以往的直接匹配相关方法。     

基于前馈神经网络的自适应回声消除方法

回声消除常用的LMS算法收敛性差，而收敛性好的RLS算法计算量大。文章中提出一种全新的求解方法：基于前馈神经网络的自适应回声消除方法。把回声消除模型中求解滤波器系数的问题转化为前馈神经网络神经元权值的训练问题，并运用误差反向传播算法(BP算法)得出神经元权值的递推公式。经仿真计算，能较好地实现回声消除，与原传统算法LMS和RLS计算比较：该方法能得到非常高的计算精度和明显优越的收敛性能，而计算量只有RLS算法的一半。     

自适应控制算法在振动主动控制中的应用

通过试验研究主动控制振动传递的效果。采用频率在线估计和跟踪滤波的自适应控制方法,将以分量型式抑制谐波干扰引起的振动。在控制过程中,通过递推计算进行频率估计,用中心频率随动的带通滤波器进行信号跟踪,并在基本LMS方法的基础上形成自适应控制器。建立了多点控制试验台,实施跟踪滤波的自适应对消。结果表明：自适应方法能够很好地抑制谐波干扰的影响;对于多点隔振,控制通道之间存在强烈耦合作用,整体隔振效果与被控结构的振动模态相关。     

进化论自适应滤波算法及降噪特性研究

基于生物进化论策略的自适应滤波算法，利用其有性繁殖和无性繁殖的随机搜索能力实现全局最优搜索，可克服最小均方法（Least Mean Square，简称：LMS）对于多峰特性问题有可能收敛于某一局部最小值，无法实现全局最优的缺点。提出峰值系数指标PR（Peak Ratio）概念解决进化论自适应滤波器的性能评估问题，提出收敛速度CS（Converge Speed）指标和峰值系数指标PR高度的方法解决最优滤波参数的选取问题，并列进化论自适应滤波器的降噪进行模拟仿真，讨论了滤波长度和进化系数对进化论自适应算法消噪效果的影响及最优滤波参数。     

New algorithms for improved adaptive convex combination of LMS transversal filters

Among all adaptive filtering algorithms, Widrow and Hoff's least mean square (LMS) has probably become the most popular because of its robustness, good tracking properties and simplicity. A drawback of LMS is that the step size implies a compromise between speed of convergence and final misadjustment. To combine different speed LMS filters serves to alleviate this compromise, as it was demonstrated by our studies on a two filter combination that we call combination of LMS filters (CLMS). Here, we extend this scheme in two directions. First, we propose a generalization to combine multiple LMS filters with different steps that provides the combination with better tracking capabilities. Second, we use a different mixing parameter for each weight of the filter in order to make independent their adaption speeds. Some simulation examples in plant identification and noise cancellation applications show the validity of the new schemes when compared to the CLMS filter and to other previous variable step approaches.     

基于饱和约束LMS算法的磁悬浮隔振器控制研究

研究磁悬浮隔振器的抗饱和减振控制,针对限幅抗饱和法容易激起磁悬浮隔振器共振和Boaz Rafaely抗饱和算法的阈值很难确定,如果阈值选择过大容易激起磁悬浮隔振器共振,如果选择过小则损失减振效果这些问题,提出一种饱和约束处理方法,即加入连续惩罚函数方法。推导相应的改进LMS算法并设计出抗饱和自适应前馈控制律。通过仿真和在磁悬浮隔振器系统上进行实验对比,验证这种方法相对于限幅抗饱和算法和Boaz Rafaely抗饱和算法具有一定的优越性。