可变步长自适应时延估计方法研究

在介绍LMS自适应时延估计算法的基础上重点介绍了基于参数模型的自适应时延估计算法ETDGE，并给出了一种利用ETDGE的功率因子估值来估计噪声与信号功率的方法，从而实现加快收敛速率的变步长迭代算法。实验结果表明，基于可变步长的ETDGE算法具有更快的收敛速度和更小的稳态均方估计误差。  

变步长LMS算法在回声抵消器中的应用

针对在回声消除中应用LMS算法出现的不足,提出在定点DSP上应用变步长LMS算法的回声抵消器的设计,仿真比较了变步长LMS算法与定步长LMS算法在收敛速度和稳态误差上的差别,最后介绍了在C54x上的实现时如何兼顾处理速度和精度的设计考虑。  

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.  

稳定的变步长自适应ⅡR陷波器及其在动目标检测中的应用

提出了一种变步长的自适应格型ⅡR陷波器算法,该算法在低信噪比条件下的收敛速度、跟踪速度与收敛精度方面比原变步长算法好,数值稳定性强.首次用两个级联的ⅡR陷波器实现了混响背景下的动目标检测,效果良好.  

采用粒子群算法的自适应变步长随机共振研究

针对传统的自适应随机共振只能实现单参数优化和变步长随机共振计算步长选取困难的缺陷，提出一种基于粒子群优化算法（Particle Swarm Optimization, PSO）的自适应变步长随机共振方法，实现了变步长随机共振最优输出的自适应求解。该方法以双稳系统的输出信噪比作为粒子群算法的适应度函数，通过变步长随机共振系统的结构参数和计算步长的自适应同步选取，能够最优地检测出大参数条件下的微弱信号。仿真数据和工程实际数据的分析表明，该方法简单易行，适用范围广，收敛速度快，能有效的检测出强噪声背景下的高频微弱信号，具有良好的工程应用前景。  

微波管电子束的模拟计算

根据工程实际的需要,对目前使用的微波管电子光学计算程序进行一些改进.一方面重新设计了友好的人机交互界面,另一方面从改进电子枪阴极电子发射模型,考虑温度、相对论效应和电子初始能量等因素的影响,以及计算电子轨迹时采用变步长Runge-Kutta法等来修改原程序算法.通过计算结果的对比,表明改进程序更加接近实验结果,收敛性更好.  

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。  

稳定的变步长自适应IIR陷波器及其在动目标检测中的应用

提出了一种变步长的自适应格型IIR陷波器算法,该算法在低信噪比条件下的收敛速度、跟踪速度与收敛精度方面比原变步长算法好,数值稳定性强。首次用两个级联的IIR陷波器实现了混响背景下的动目标检测,效果良好。  

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.