一种变步长LMS自适应滤波算法研究

为了解决最小均方(LMS)算法的稳定性及收敛速度(自适应速度)和稳态误差(自适应滤波器的精度)之间的矛盾,本文提出了一种自适应变步长的LMS算法,它的权系数的调整取决于误差曲面在新权值点上的梯度.分析了新算法的收敛特性以及参数选择对算法性能的影响.该算法具有较快的收敛速度、鲁棒稳定性且运算小易于实现的特点.计算机仿真的结果证实了该算法的收敛性能优于标准的LMS算法并且具有较好的实用性.     

本地干扰存在情况下频域自适应回声抵消算法的改进

1引言 在回声抵消系统中,当本地有干扰声源时,回声抵消系统的性能将恶化[1][2].对于本地话语引起的干扰,双边讲话检测器(DTD)是解决该问题的途径之一,但若本地的干扰是持续的,该方法将不可行.Jenq和Hsieh介绍了引入持续的舒适性噪声进行回声通道建模的理论[3];M.R.Asharif利用远端和本地信号的相关性建立了相关最小均方(CLMS)算法和扩展相关最小均方算法(ECLMS)[4].但是,前者在小建模噪声下收敛慢,需要先在无干扰情况下收敛到稳定状态才能良好工作,后者被证实和NLMS算法等价,在小更新步长下完成收敛,因此收敛速度太低而没有实用价值.对于本地持续噪声引起的干扰,本文提出了选用优化的更新步长和交迭系数来使得频率算法能够在有本地干扰的情况下对回声的抵消有良好效果.     

QR分解的最小二乘格型自适应滤波算法在噪声主动控制中应用

在噪声主动控制系统中?,滤波-x递归最小二乘(FxRLS)算法收敛速度快但计算量大。本文提出了格型联合估计滤波器结构与基于QR分解的最小二乘格型(QRD-LSL)自适应滤波算法相结合的噪声控制方法,该方法对联合估计过程进行了改进并得到了基于各阶估计误差的联合过程估计权系数更新关系,格型联合估计器结构简单,QRD-LSL自适应滤波算法数值稳定性好。仿真结果表明本文提出的噪声控制方法有良好的噪声控制效果,收敛速度快,计算量小,稳态误差小,跟踪性能好。     

次级通路估计误差偏移下的滤波-x最小均方算法收敛性能

实现自适应有源噪声控制算法时,次级通路辨识是其关键环节。由于环境干扰等因素的存在,实际的次级通路特性不是恒定的,而是在一定范围内随机变化。次级通路传递函数建模结果与实际通路之间会存在随机偏移误差,将影响自适应有源控制算法的收敛性能,严重的可能导致系统不稳定,因此研究此种情况下的系统收敛性能十分必要。以单频噪声为例,通过建立滤波-x最小均方算法(Fx LMS)的等效传递函数,用线性时不变(LTI)系统的稳定性判据求解算法稳定条件,求得次级通路误差存在时收敛系数的取值范围,然后通过系统极点来分析此时算法收敛特性,并研究收敛系数取值对次级通路误差的承受能力。最后,通过实验证明了分析的有效性。     

基于广义特征子空间快速估计的语音增强算法

给出了一种基于迭代最小二乘并行计算进行广义特征矢量矩阵分解的语音增强算法．这种算法不需要假定噪声类型（白噪声或有色噪声），也无需话音的活动监测，以递推更新的方式实现含噪语音信号和噪声信号的同时对角化，弥补了其它子空间算法在收敛速度和收敛精度上的不足，仿真结果证明了本算法的有效性。     

多环境下卡尔曼滤波多用户算法的性能仿真

盲自适应多用户检测的典型算法主要有:最小均方算法、递归最小二乘算法和卡尔曼滤波算法,而卡尔曼滤波算法的收敛速度快、跟踪性能强,数值稳定性好。本文在同步、异步加性白噪声、用户满载、阵发性强干扰等通信环境下对算法的时间平均信干比(SIR)、平均输出能量(MOE)和误码率(BER)作了仿真测试,对比分析了卡尔曼滤波算法的性能。     

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FxKalman算法的有源控制器设计与实现研究

近年来,对于有源噪声控制算法的性能越来越重视。与基于维纳滤波原理的最小均方滤波(Filtered-x Least Mean Square,Fx LMS)、最小二乘滤波(Filtered-x Recursive Least Square,Fx RLS)算法相比较,基于卡尔曼滤波的有源控制算法(Filtered-x Kalman,Fx Kalman)具有较快的收敛速度和良好的跟踪性能,且对带宽噪声有较好的降噪性能。设计、仿真运行了Fx Kalman算法的有源控制器,并针对单频、窄带和宽带信号,在实验室封闭空间对Fx Kalman算法、Fx LMS算法和Fx RLS算法进行有源控制器验证性实验比较,证实了Fx Kalman有源控制器具有上述优点。而如果初级噪声为单频信号且对算法收敛速度要求不高,Fx LMS算法是最经济稳妥的选择。当需要控制带宽噪声或对算法收敛速度要求较高时,Fx Kalman算法则为最好的选择。     

车内噪声FXFU-LMS声振混合主动控制算法

目前车内振动与噪声主动控制研究主要集中在以振消声或以声消声方面,为解决消声与消振无法同时兼顾的问题,提出一种基于滤波-X最小均方算法(FXLMS)和滤波-U最小均方算法(FULMS)的车内噪声FXFU-LMS声振混合主动控制算法。以在某轿车中采集的振声传递函数为基础,在每次迭代中,首先采用FULMS算法对振动信号进行主动振动控制;然后利用振声传递函数计算出控制前后振动辐射噪声的减少量,得到进行振动主动控制后的耳侧噪声;最后采用FXLMS算法进行主动噪声控制,依次循环直至稳定。结果表明,FXFU-LMS算法能有效抑制车内噪声,且与传统FXLMS、FULMS算法相比,该算法残余误差更小,收敛速度更快,可以兼顾振动与噪声控制,更适用于车内噪声主动控制(ANC)。     

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。