基于Sigmoid框架的非负最小均方算法

脉冲噪声会导致非负算法在迭代过程中存在过大的误差值,进而破坏算法的稳定性使其性能严重下降,对此该文提出一种基于Sigmoid框架的非负最小均方算法(SNNLMS)。该算法将传统的非负代价函数嵌入Sigmoid框架中得到新的代价函数,新的代价函数具有抑制脉冲噪声影响的特性。此外,为了增强SNNLMS算法在稀疏系统识别问题上的鲁棒性,该文还提出基于反比例函数的反比例Sigmoid非负最小均方算法(IP-SNNLMS)。仿真结果表明SNNLMS算法有效地解决了脉冲噪声造成的失调问题;IP-SNNLMS增强了算法鲁棒性,改进了算法在稀疏系统识别问题中收敛速率上的缺陷。

     

基于双曲正切函数框架的最小均方算法

自适应滤波器在自适应控制、噪声消除、信道均衡、系统辨识以及生物医学等领域的应用中发挥着重要作用。由于其简单性、低计算量和易于实现等特点,其中最流行的自适应滤波算法是最小均方（Least Mean Square,LMS）算法。传统的LMS算法在处理高斯信号时具有良好的收敛性能,然而,针对非高斯信号的处理,自适应LMS算法的收敛性较差,甚至无法收敛。为了改进LMS算法在非高斯噪声干扰下的收敛性,本文通过将传统的LMS算法的代价函数嵌入到双曲正切（Hyperbolic Tangent）函数框架中设计了一种新的代价函数,从而提出了一种鲁棒的双曲正切最小均方（Hyperbolic Tangent Least Mean Square,HTLMS）算法。此外,针对HTLMS算法存在收敛速度与稳态误差相矛盾的问题,本文设计了一种可变λ参数的双曲正切最小均方（Variableλ-parameter Hyperbolic Tangent Least Mean Square,VHTLMS）算法。仿真结果表明,在系统辨识应用场景中,与LMS算法、最大相关熵准则（Generalized Maximum Corr...     

基于Sigmoid函数的变步长LMS自适应滤波算法性能分析

总结了最小均方（LMS）、基于Sigmoid函数的变步长（SVS）-LMS、改进的SVS-LMS和基于误差相关的变步长LMS自适应滤波算法,讨论了各算法的收敛性能、跟踪性能和稳态误差,并通过计算机仿真,分析、验证各种变步长算法的不同性能表现以及误差阶数对算法性能的影响,给出了合理的建议。     

一种方向优化最小均方算法

最小均方(Least Mean Square, LMS)算法的更新方向是对最速下降方向的估计,其收敛速度也受到最速下降法的约束。为了摆脱该约束,该文在对LMS算法分析的基础上,提出一种针对LMS算法的分块方向优化方法。该方法通过分析误差信号来选择更新向量,使得算法的更新方向尽可能接近Newton方向。基于此方法,给出一种方向优化LMS(Direction Optimization LMS, DOLMS)算法,并推广到变步长DOLMS算法。理论分析与仿真结果表明,该方法与传统分块LMS算法相比,有更快的收敛速度和更小的计算复杂度。     

采用归一化最小均方误差准则的LM-BP算法

传统神经网络通常以最小均方误差(LMS)或最小二乘（RLS）为收敛准则,而在自适应均衡等一些应用中,使用归一化最小均方误差（NLMS）准则可以使神经网络性能更加优越。本文在NLMS准则基础上,提出了一种以Levenberg-Marquardt（LM）训练的神经网络收敛算法。通过将神经网络的误差函数归一化,然后采用LM算法作为训练算法,实现了神经网络的快速收敛。理论分析和实验仿真表明,与采用最速下降法的NLMS准则和采用LM算法的LMS准则相比,本文算法收敛速度快,归一化均方误差更小,应用于神经网络水印系统中实现了水印信息的盲提取,能更好的抵抗噪声、低通滤波和重量化等攻击,性能平均提高了4%。      

最小均方算法在航天器振动补偿上的应用

本文应用应用最小均方算法（ＬＭＳ）与输入滤波的最小均方算法协同控制科学仪器视线的指向。指向误差由周期性的干扰和航天器的振动引起。在星上最小均方算法在仪器的伺服机构和误差敏感器之间产生传输函数，最终形成一组对该传输函数协调的知适应横向滤波权度。输入滤波的ＬＭＳ算法是ＬＭＳ的扩展，它调整一组横向滤波权度（对干扰源和伺服机构激励信号之间的传输函数加权）。伺服机构产生的激励抵消干扰响应，从而维持了科学仪器     

一种新型自适应最小均方算法

针对最小均方(LMS)算法应用于功率放大器时存在收敛速度与收敛精度相矛盾的问题,提出了基于步长比较的最小均方算法。在带有P因子的变步长最小均方算法的基础上,采用简化的Sigmoid函数对步长进行改进,通过对前后两次步长的比较来确定是否更新权系数,以误差的自相关时间均值及均方误差的时间均值来调节算法步长,可以加快算法的收敛速度,降低算法的计算量。仿真结果表明,与最小均方算法相比,经过自适应预失真处理后,该算法的误差向量幅度(EVM)值提高了2.653 2%,系统邻信道功率比(ACPR)减少了4 dB。     

基于最小均方误差准则的盲多用户检测新算法

码分多址信号在无线多径衰落信道条件下的盲多用户检测具有很大的理论和实际意义。该文提出了一种直接基于最小均方误差(MMSE)准则的盲多用户检测算法。为保证算法收敛到目标用户,提出了一种基于MMSE准则的新的线性约束方法。该方法能保证检测器收敛到最优MMSE解。此外,该文还设计了一种形式简单、快速收敛的迭代算法。对比现有的最小输出能量(MOE)算法,仿真结果表明本文算法具有较好的性能。     

基于信誉机制的分布式扩散最小均方算法

非安全环境中的无线传感器网络(WSN)可能存在恶意攻击节点,恶意节点将会篡改其观测数据以影响参数估计的准确性。为此,该文提出基于信誉机制的分布式扩散最小均方(R-dLMS)算法和扩散归一化最小均方(R-dNLMS)算法。该算法能够根据各节点对整个网络参数估计的贡献来设置相应的信誉值,从而减小恶意节点对网络攻击的影响。仿真结果表明,与无信誉值的算法相比,该算法的性能得到大幅度提高,且R-dNLMS算法在R-dLMS算法的基础上,算法性能得到进一步提升。     

非高斯背景下基于Sigmoid函数的信号检测

针对非高斯背景下的弱信号检测问题,该文提出一种基于Sigmoid函数的信号检测(SFD)方法。首先依据混合高斯模型对非高斯背景建模,在此基础上系统研究了参数k与SFD的检测性能以及检测特性的关系,确定了k的最佳的取值,并指出SFD在检测性能达到最优的同时也具有恒虚警特性。其次通过固定k值得到了一种新的非参量检测方法,较传统的匹配滤波性能有明显提升。最后进行仿真分析验证了SFD的有效性和优越性。     

一种基于均方偏差分析的通用最小均方算法

无论是传统的定步长还是最近新提出的变步长最小均方(LMS)算法,在处理特定数学特征的信号时需要对算法参数进行先验的估计才能达到较好的效果.但在实际信号处理过程中,算法参数的估计本就是一个很困难的过程.该文分析了LMS算法的均方偏差及收敛特性,并提出一种以相对误差为变量的变步长LMS算法,能够实现步长控制参数的自估计;可...     

一种基于均方偏差分析的通用最小均方算法

无论是传统的定步长还是最近新提出的变步长最小均方(LMS)算法,在处理特定数学特征的信号时需要对算法参数进行先验的估计才能达到较好的效果.但在实际信号处理过程中,算法参数的估计本就是一个很困难的过程.该文分析了LMS算法的均方偏差及收敛特性,并提出一种以相对误差为变量的变步长LMS算法,能够实现步长控制参数的自估计;可以自适应不同数学特征的信号,具体算例表明新算法有更快的收敛速度和较小的均方误差.     

鲁棒总体均方最小自适应滤波:算法与分析

本文研究了在输入输出观测数据均含有噪声的情况下如何有效地进行鲁棒自适应滤波的问题.以总体均方误差(TMSE)最小为准则,基于最速下降原理,通过对总体均方误差梯度进行修正,提出了一种鲁棒的总体均方最小自适应滤波算法.通过与已有算法的对比分析表明,该算法能够有效地降低权向量的每步调整量对噪声的敏感程度.仿真实验的结果进一步表明,该算法的鲁棒抗噪性能和稳态收敛精度明显地高于其它同类方法,而且可以使用较大的学习因子,在高噪声环境下仍然保持良好的收敛性.     

A Robust Least Mean Square Algorithm for Adaptive Array Signal Processing

Least Mean Square (LMS) has been the most popular scheme in the realization of adaptive beamforming algorithms. In this paper a Robust Least Mean Square (R-LMS) algorithm is proposed which uses ratio parameters to control the contribution of product vectors in the weight upgrading process. The idea behind the proposed scheme is inclusion of previous information in place of relying solely on current sample. The performance enhancement by R-LMS algorithm is achieved with insignificant increase in computational complexity of LMS algorithm, so the crux of the conventional technique is not lost. Simulation results are also presented which illustrate that R-LMS provides relatively fast convergence, less Brownian motion and improved stability.     

GSC框架下的最小均方超声波束形成算法

针对传统超声信号幅度变迹方法中主瓣宽度较宽、空间分辨率较低的问题,提出了一种基于广义旁瓣相消器框架下的最小均方超声波束形成算法。该方法基于期望信号最小方差无失真准则,构造广义旁瓣相消器,将接收到的超声信号分解为自适应与非自适应上下两个部分:上支路保留期望信号与噪声信号,且期望信号无失真响应约束得到保证;下支路阻塞期望信号,只含有噪声。将两路信号进行维纳滤波,上下支路噪声得到抵消,期望信号被无失真输出。为了使该算法在硬件上易于实现,采用最小均方算法自适应迭代求取,并给出了FPGA的详细设计过程。仿真实验表明,采用该算法加权的得到的波束与传统幅度变迹方法相比,主瓣更窄,具有抑制干扰和噪声的能力,提高了超声成像的横向分辨率与对比度分辨率。     

A Normalized Least Mean Square Algorithm Based on the Arctangent Cost Function Robust Against Impulsive Interference

In this paper, a normalized least mean square (NLMS) adaptive filtering algorithm based on the arctangent cost function that improves the robustness against impulsive interference is proposed. Owing to the excellent characteristics of the arctangent cost function, the adaptive update of the weight vector stops automatically in the presence of impulsive interference. Thus, this eliminates the likelihood of updating the weight vector based on wrong information resulting from the impulsive interference. When the priori error is small, the NLMS algorithm based on the arctangent cost function operates as the conventional NLMS algorithm. Simulation results show that the proposed algorithm can achieve better performance than the traditional NLMS algorithm, the normalized least logarithmic absolute difference algorithm and the normalized sign algorithm in system identification experiments that include impulsive interference and abrupt changes.