基于最陡下降的最优稳健宽带波束形成算法

针对导向矢量失配问题,提出一种基于最陡下降法的最优宽带稳健波束形成算法.该算法基于宽带波束形成的时域模型,根据多频点约束下导向矢量的不确定范围,利用最陡下降法求解最优角加载量,并推导出真实的导向矢量.同时将真实导向矢量和角加载协方差矩阵相结合,求解最优加权值.仿真结果验证了该算法的稳健性.     

一种快速收敛的自适应波束形成算法

为了解决传统最小均方(LMS)自适应波束形成算法在低信噪比环境下收敛速度较慢的问题,提出了一种快速收敛的小波域自适应波束形成算法. 该算法利用小波变换软阈值法消除信号中的加性高斯白噪声,并在此基础上将牛顿法应用于LMS算法中,提高了小波域LMS算法的收敛速度. 仿真结果表明,相比传统LMS算法,在低信噪比环境下,该算法收敛速度加快,稳态误差减小,波束形成精确度有较大的提高;同时相对于已有的小波域LMS算法,该算法的收敛速度和精度也有所提高.     

基于自适应阈值的提升小波去噪方法

鉴于传统的去噪算法中的阈值很难选取到最优值,设计了自适应的阈值选取器,结合最小均方算法和小渡阈值去噪算法,提出了一种基于LMS算法的小波去噪方法.该方法根据LMS算法来自适应地控制阈值参数,并实现提升小波阈值去噪.仿真结果表明,该方法优于传统去噪方法,可较大程度地减少信号中的噪声,提高输出信号的信噪比,能很好地提取有用信号的特征.     

一种变步长并行LMS算法的研究

分析了几种常见的LMS算法，并通过理论分析，提出了一种变步长并行LMS算法，提高了LMS算法的收敛速度，使其适应高速数据处理需求。研究了变步长并行LMS算法的原理和具体实现步骤，同时通过变换算法的特性参数进行了MATLAB仿真研究，结果表明该算法具有一定的先进性。     

LMS算法的最佳计算步长研究

LMS算法在线性滤波中得到广泛应用.人们对其进行了许多研究,给出了算法收敛的充分条件和对于固定计算步长的误差上下限算法.但以往对计算步长的定量研究尚很不充分.由于LMS算法中权向量输入数据的统计特性,迭代计算中应突出使用较近的历史数据.另外,由于LMS算法是噪声梯度法,须使其计算步长逐渐缩小,以保证LMS算法的稳态均方差趋向于系统的最小均方差.据此,提出了一种估计最佳计算步长的新方法.新方法中将LMS算法中的各步权增量向量旋转后放至同一平面,在此基础上利用凸函数外推法求出计算步长的当前最佳估计值.这样,能使LMS算法的偏差较快地趋向于零.该法被用于汽车语言信号噪声消抵的计算机模拟,结果令人满意.     

一种基于改进LMS算法的MIMO-OFDM信道估计方法

最小均方(LMS)算法是一种典型的自适应滤波算法,基于该算法的信道估计算法具有不需要已知信道和噪声统计信息的特点,但是其收敛速度较慢。为此,提出一种基于改进LMS算法的MIMO-OFDM信道估计方法,该方法人为地引入一个时延,即将LMS算法固定自适应步长由随着输入信号功率自适应变化的收敛因子替代,大大降低了收敛时间,具有较好的信道估计性能。     

软件可靠性预测模型的优选问题研究

针对软件可靠性预测模型过多且难以选择的实际问题,基于混合专家网络,采用基于梯度下降法的变步长LMS算法,解决软件可靠性预测模型选择优化问题．并通过实例分析,验证了该算法应用于模型优选的有效性．     

一种改进的变步长LMS自适应滤波算法

针对自适应滤波领域的最小均方(Least Mean Square,LMS)算法无法权衡稳态误差和收敛速度这一矛盾,提出了一种改进的变步长LMS自适应滤波算法.该算法在基于对数函数的变步长LMS算法的基础上,建立了一种新的步长参数与误差的关系模型.仿真结果表明,提出算法与已有算法相比,能够达到更高的收敛精度及更快的收敛速...     

一种变步长LMS自适应噪声抵消算法研究

通过对传统最小均方误差（leastmean square,LMS）算法迭代因子μ进行分析,讨论了μ与收敛速度及稳态失调的关系,在此基础上研究了一种新的变步长LMS自适应算法,建立了步长因子μ与输入信号及迭代次数n之间的一种新的非线性关系。通过理论分析,该算法与传统LMS算法相比,其收敛速度更快、稳态误差较小,且计算量增加不大,采用Matlab仿真表明了该算法的优越性。     

超声-电火花加工中的放电间隙实时控制

超声-电火花复合加工控制系统是1个典型的高度非线性、强耦合的时变复杂系统，控制系统的性能是决定复合加工性能好坏的关键.针对超声-电火花复合加工系统的这一特点，设计了新型模糊神经网络控制器.神经网络采用添加动量项的LMS算法(最陡下降法)自学习得到模糊控制规则，并随系统变化对其进行优化.该控制算法优化了控制过程，提高了控制系统的实时性.通过普通电火花加工设备提取出加工效果试验数据，建立加工效果与放电参数之间的关系模型，对放电间隙进行实时控制，试验结果表明新型控制器的控制效果优于传统加工效果.     

超声-电火花加工中的放电间隙实时控制

超声-电火花复合加工控制系统是1个典型的高度非线性、强耦合的时变复杂系统，控制系统的性能是决定复合加工性能好坏的关键．针对超声-电火花复合加工系统的这一特点，设计了新型拱糊神经网络控制器,神经网络采用添加动量项的LMS算法（最陡下降法）自学习得到模糊控制规则，并随系统变化对其进行优化．该控制算法优化了控制过程，提高了控制系统的实时性．通过普通电火花加工设备提取出加工效果试验数据，建立加工效果与放电参数之间的关系模型，对放电间隙进行实时控制，试验结果表明新型控制器的控制效果优于传统加工效果．     

Massive MIMO网络中低复杂度的MMSE检测方法

设计出大规模多入多出(massive MIMO)网络中一种有效、低复杂度的最小均方误差(MMSE)接收机结构。该接收机基于最陡下降和最小均方算法,能够避免大规模矩阵求逆运算。数学推导结果证明,这2种算法应用于MMSE检测时是收敛的。此外,分析了影响收敛速度的因素。仿真结果表明,应用于Massive MIMO网络中时该接收机收敛速度较快,切实可行。     

非线性LMS算法实现盲源分离

在经典的最小均方(LMS)算法中引入非线性函数,得到一种非线性LMS算法.该算法根据LMS算法建立了相应的对照函数,用自然梯度推导出了自适应盲源分离算法,并且分别给出了实数算法和复数算法的详细推导过程.结果发现得到的算法即为最大化熵和最小化互信息(ACY)算法,从而揭示了ACY算法与LMS算法的关系,同时也得到ACY算法的复数形式.计算机仿真试验验证了算法的有效性.     

一种改进的LMS自适应低压电力线通信信道估计方法

在分析了低压电力线信道特性的基础上,对OFDM低压电力线通信中的LMS自适应信道估计算法进行了研究。基于低压电力线的多径传输特性和慢时变特性,提出了一种改进算法,该算法利用低压电力线的多径传输特性实现了对LMS算法更新步长的调整。在OFDM低压电力线通信信道下对该算法进行仿真,结果表明该算法对低压电力线信道具有更好的估计性能。     

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.     

改进的提升小波变步长LMS滤波算法及其应用

通过对变步长LMS自适应滤波算法和提升小波变换理论进行研究,将两种算法换相结合,提出一种新的提升小波变步长LMS自适应滤波改进算法;根据信号特征对更新算子和预测算子自适应的构造,对正交分解的信号进行变步长LMS自适应消噪,提高了收敛速度和稳定性;通过仿真分析,证明了改进的提升小波变步长LMS滤波算法具有较快的收敛速度和更强的抑噪能力;最后,将提出的方法应用于低速重载齿轮箱的故障诊断中,分析结果表明,该方法是一种非常有效的故障特征处理方法。     

结构型单调变分不等式的新邻近点交替方向法

对于带有分离结构的单调变分不等式,利用邻近点交替方向法的迭代点产生了一个下降方向,然后确定了沿着该下降方向的步长。通过重新构造下降步中的下降方向,选择相关的最优步长,提出了一种新的邻近点交替方向法。在适当的假设条件下,证明了算法的收敛性。     

一种求解非线性方程组的混沌优化算法

针对非线性方程组的求解问题提出一种混合算法,将方程组转换成一个优化问题。利用优化问题的非线性共轭梯度法与混沌优化方法相结合,提出了一种新的混合优化算法。该算法能使非线性共轭梯度法跳出局部最优,最终获得全局最优。算法的收敛性也进行了证明,数值结果表明该算法是有效的。     

一种混合遗传算法及其在线性系统辩识中的应用

提出一种将LMS算法和实数编码遗传算法相结合的混合遗传算法。相对于传统算法，将其应用于线性系统辩识，特别是IIR系统的辩识，具有明显优势。IIR系统的性能函数存在多个局部极小值，该算法首先利用遗传算法的全局最优性，在大范围内搜索可能的极值，并限制系统参数随机搜索的范围，以保证IIR系统的稳定性，再在遗传算法中嵌入一个LMS算子，在极值点附近进行快速搜索，从而达到全局最优与快速搜索的有机结合，提高了辨识精度和计算效率。仿真结果验证了该算法用于线性系统辨识的有效性和实用性。     

基于场景的焦平面阵列非均匀性校正算法研究

为了克服基于传统神经网络法的红外焦平面阵列(IRFPA)非均匀性校正算法收敛速度慢和校正精度不高的缺点，提出了一种新的基于场景的IRFPA非均匀性校正算法.该算法利用校正误差的均方值和增益因子的均值包含的信息，提出了一种新的误差函数，并将误差函数作为目标函数，利用最陡下降法，得到计算增益校正因子和偏移量校正因子的迭代公式.在迭代运算中，设计了一个自适应步长因子来代替传统迭代公式中常量步长因子，最终得到了有较高运算效率的IRFPA非均匀性校正算法.对模拟的红外非均匀性图像序列进行了校正，并分析了算法性能曲线和校正结果，发现本文算法与传统神经网络法相比具有更好的校正效果和更快的收敛速度.