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。     

基于广义最小均方的自适应递归滤波算法

本文提出了一种广义最小均方(GLMS)算法，详细地分析了GLMS算法的性能，并根据GLMS算法，导出了一种自适应递归滤波(ARF)算法。在推导中，ARF算法避开了超稳定定理，从而考虑自适应系统的严格正实条件和Popov不等式是不必要的。计算机模拟表明ARF算法具有很高的收敛速度。     

恶意攻击下改进的分布式扩散最小均方算法

给出一种改进的分布式扩散最小均方算法,以改善无线传感器网络中攻击节点对网络估计性能的影响。根据攻击节点及正常节点估计值与待估目标参量的差值,确定采集数据被篡改程度,将其归一化后,作为融合权重,代替原扩散最小均方(DLMS)算法中固定的融合权重。仿真结果显示,通过动态改变融合权重,改进算法的全局均方偏差值有所降低,且对网络所受攻击强度的改变不敏感。     

适用LDPC码的基于最小均方误差准则的改进译码算法

提出了一种适用于LDPC码的基于最小均方误差准则的UMP BP-based改进译码算法。该算法结合了两种UMP BP-based改进译码算法(normalized UMP BP-based译码算法和offset UMP BP-based译码算法)的处理方法，并基于最小均方误差准则得到相应的归一化因子和偏移量因子。仿真结果表明，当使用码长为1008，码率为1/2的(3,6)规则LDPC码时，所提算法和上述两种算法相比，在BER=10-6时，可以节省0.03dB。     

一种改进的凸组合仿射投影符号算法

针对传统的凸组合仿射投影符号算法收敛速度慢和计算量大的问题,提出了一种基于S型函数的快速凸组合仿射投影符号算法。该算法用新的S型函数代替传统算法中的sigmoid函数,改进了联合参数的迭代公式,避免了复杂的指数运算,减少了计算量。同时,采用瞬时转移方案,使凸组合算法在初始自适应过程或在突然发生变化之后能加快小步长慢速算法的自适应过程,进而提升凸组合算法的收敛速度。在系统辨识和声学回声消除环境下的仿真实验表明,该算法具有良好的均方性能和跟踪性能,与传统的凸组合仿射投影算法相比具有更快的收敛速度和更低的计算复杂度。     

有噪自回归信号参数估计的最小均方算法

提出了噪声中自咽归信号未知参数包括信号的功率和噪声方差的估计问题,通过把基本自回归模型的阶数增加一阶,提出了一种以估计噪声方差为基础的新的最小均方算法,这种方法的特点是能够得到自回归模型参数的一致估计,与以前噪声中自回归信号未知参数的估计方法相比,该方法的优点是,在没有前置滤波的情况下直接利用含有噪声的观测数据不需要参数抽取而直接估计自回归信号的参数和噪声方差,计算机仿真和数字模拟结果证实和说明了这种理论。     

基于维特比算法和最小均方算法的自适应判决反馈均衡性能比较

对AWGN信道下具有串扰的通信系统进行了基于维特比算法和最小均方算法(LMS)自适应判决反馈均衡的计算机仿真.然后对它们的性能曲线进行了分析,得出基于维特比的最大似然估计法(MLSE)在对抗码间串扰时要优于基于LMS算法的自适应反馈均衡法的结论.     

基于中值滤波的分布式扩散最小均方算法

研究无线传感网潜在的恶意攻击节点对系统整体估计性能的影响,从节点选择的角度入手,改进原有扩散最小均方算法的融合步骤。针对接收到的相邻居节点估计值采用中值滤波处理,替代原来的融合方法,以降低恶意攻击节点对整个网络的影响。通过改变恶意节点攻击强度或恶意节点度,对改进算法进行仿真,结果显示全局均方偏差值有所降低,且改进算法对恶意节点攻击强度和恶意节点度的改变并不敏感。     

最小均方误差LB估计的性质

给出了最小均方误差ＬＢ估计的一些性质，包括ＬＢ估计优于ＬＳ估计的充要条件，ＬＢ估计可容许估计的充要条件，还给出了文献中尚涉及的一些ＬＢ估计。     

MIMO系统自适应均衡算法研究

MIMO信道为频率选择性信道,由于时延扩展而存在色散,因此研究MIMO系统的自适应均衡技术显得尤为重要.通过对自适应均衡技术的两种主要的算法最小均方(LMS)算法和递归最小二乘(RLS)算法的研究可以看出,在不同的步长因子及遗忘因子等参数变化情况下,LMS算法的收敛速度较慢,但均衡简单易实现,RLS算法收敛速度较快,但迭代运算较复杂.结合二者的特点提出了在MIMO系统中引入改进的最小均方算法,即归一化最小均方(NLMS)算法.仿真实验对比表明NLMS算法的计算量与LMS相当,但收敛条件简单,易实现,收敛速度较快,有很实际的应用价值.     

基于新拟牛顿法的自适应均衡技术

为了解决现代通信信道的码间干扰问题,提出了一种基于新拟牛顿法的自适应均衡算法,该算法用对称正定Hesse矩阵代替传统LMS/Newton法自相关矩阵的逆估计,克服了传统自相关矩阵估计误差对算法收敛性能的影响.信道均衡仿真结果表明,该算法具有较快的收敛速度和较低的误码率.     

自动调整遗忘因子的 LKL 辨识方法及应用

介绍了一种自动调整遗忘因子的最小二乘方法,并将它引入到ＬＫＬ（最小二乘,Ｋａｌｍａｎ滤波,最小二乘）方法中．大量数字仿真表明这种方法对于小样本快速时变系统的辨识是有效的．自动调整遗忘因子的ＬＫＬ辨识方法应用到灯泡销售预测中,获得较为满意的结果．     

轧辊温度自适应控制系统建模

论述压延革生产线轧辊温度的微机自适应控制系统数学模型.根据实测过程数据对系统模型进行离线最小二乘辨识,求得大致估计的系统模型参数.经过检验后,得出在线辨识所需的系统模型.     

Unsupervised FIR adaptive filtering and its frequency domain analysis

An unsupervised minimum mean square error FIR adaptive filtering(UAF) algorithm is proposed to estimate the system’s input signal.The algorithm only uses the system’s output signal and noise variance without requiring knowledge of a reference signal.The frequency analysis shows that the UAF is a multi-spot bandpass filter with passing frequency determined by the system’s input signal.Namely,the UAF chooses the expected frequency and extremely restricts the unwanted frequency signal by using weight-updating scheme in time domain.However,the UAF presents the Gibbs phenomenon since the ideal filter is infinitely long which is unrealizable.The simulation and experimental results show that the UAF could effectively reduce the amplitude of the noise and improve the signal to noise ratio.     

卡尔曼滤波自适应天线加权矢量收敛性分析

提出了将卡尔曼滤波器应用于自适应天线，分析了卡尔曼滤波算法初值与天线阵加权矢量收敛性的关系，推导出加权矢量收敛条件．实验考察了收敛条件的有效性，并与最小均方算法进行了比较．     

利用二元光学技术进行激光光强叠加的研究

以一维为例,采用共轭梯度算法研究了利用二元光学技术进行激光光强叠加的可能性,并分析了由于蚀刻误差和入射激光束位置偏离引起的误差。数值模拟结果表明：在二元光学元件位相32阶量化的情况下,设计误差小于0．13％、效率大于95．7％,可以很好地实现光强叠加功能。     

S波段两状态LMS信道模型的自适应长期预测

针对S波段模型参数可变的窄带两状态陆地移动卫星信道模型,基于加权预测思想提出一种自适应长期预测方法.首先将卫星通信下行链路的阴影遮蔽建模为两状态马尔科夫链的Gilbert-Elliot信道模型,然后利用加权预测思想预测未来长期内的信道状态,并基于最小均方算法由迭代自适应跟踪方法更新线性自回归模型的系数,进而预测出未来的信道衰落序列.研究结果表明:该方法能精确地预测出未来长期内的信道状态和衰落序列,且相比长期预测方法,改善预测性能,并具有实时性和低复杂度优点,可用于窄带LMS通信系统自适应传输性能分析.