一种改进的自适应波束赋形算法

在传统LMS算法的基础上,改进了失调系数,提出了一种新的改进LMS算法用于求解自适应波束赋形的最佳权值。通过理论分析,归一化的LMS算法采用了一个可变因子使瞬时输出误差最小化。仿真结果比较可得,归一化的LMS算法采用了可变步长,比传统LMS算法收敛快,稳态误差和失调相对于LMS都有所改善。     

一种基于指数函数的变步长LMS算法

提出了一种基于指数函数的变步长LMS算法.通过建立误差ε和步长μ的函数关系,实时调整步长,解决了稳态失调系数和收敛速度的矛盾.仿真实验表明,改进算法较原有的普通LMS算法和双曲正切变步长LMS算法有更高的收敛速度和更小的稳态失调系数.     

迭代变步长LMS算法及性能分析

针对固定步长LMS(Least Mean Square)算法(FXSSLMS)不能同时满足快速收敛和小稳态失调误差的问题,该文提出了迭代变步长LMS算法(IVSSLMS)。与已有的变步长LMS算法(VSSLMS)不同,该算法的步长因子不再是由输出误差信号控制,而是建立了与迭代时间的改进Logistic函数非线性关系,克服了定步长算法收敛慢及已有变步长算法抗噪声干扰能力差的问题。最后从理论上分析了算法的性能,给出了其参数取值方法。理论分析和仿真均表明,所提算法能够在快速收敛情况下获得小的稳态失调误差,在有色噪声干扰下稳态失调误差比已有算法降低了约7 dB。     

一种改进的变步长LMS算法

LMS算法由于简单而获得了广泛的应用,大量的深入研究不断地改善了它的性能。LMS算法存在收敛速度和稳态失调之间的固有冲突,变步长因子可以获得二者之间的有效平衡。对已有的一些变步长LMS自适应滤波算法进行了分析,在此基础上提出一种改进的变步长LMS算法,步长因子同时考虑了指数为预测误差的一次和二次幂的2项。算法在保持较快收敛速度的同时,获得更优的稳态预测误差。对比仿真实验证明了算法的优越性。     

OFDM系统自适应盲信道估计新方法

基于无线通信OFDM系统信道估计,提出了两种时域自适应盲估计方法。这些方法通过对极性(符号)LMS算法（SLMS）进行改进,改进算法有几方面优点,一是继承了极性LMS算法简单易实现的特性;二是解决了极性LMS收敛速度慢的缺点;最后结合自适应可变步长及步长调整策略,有效地提高了算法的估计性能。仿真给出了误差曲线以及归一化均方误差曲线,结果表明,和基于极性LMS盲估计方法相比,修正极性LMS和时变步长修正极性LMS盲估计方法均具有很快的收敛速度。由于采用了变步长技术,时变步长修正极性LMS盲估计方法具有更好的估计性能。      

自适应噪声对消的归一化LMS算法

为了克服自适应滤波中固定步长LMS算法存在收敛速度与稳态误差的矛盾,本文通过MATLAB仿真不同步长因子下LMS算法的学习曲线,分析了LMS算法在收敛过程中存在的矛盾,并运用归一化LMS(NLMS)算法来改善上述矛盾。NLMS算法是通过输入变量改变步长因子从而改变算法的收敛特性。本文对NLMS与LMS算法的误差曲线仿真并进行稳态误差效果比较,结果显示NLMS算法的稳态误差精确度明显提高,收敛速度加快。通过将LMS算法与NLMS算法应用于自适应噪声对消中,得到NLMS算法具有收敛速度更快同时稳态误差更小的特性,该算法能够快速对干扰信号作出反应,使除噪效果更好。     

一种改进的变步长LMS算法及在车内降噪中的应用

为了提高传统最小均方(LMS)算法的收敛速度,减小稳态误差,基于Sigmoid函数,提出一种改进步长因子μ的方法。该方法通过建立步长因子μ和误差信号e之间的非线性函数关系,并利用指数函数表示误差信号e和可控参数,实现对步长因子μ进行调整。算法收敛初期步长因子μ相对较大,实现加快算法收敛速度的目的;算法收敛后期适度减小稳态阶段步长因子μ,以达到减小算法稳态误差的目的。将该算法应用于车内噪声的有源控制,并与LMS算法进行仿真比较分析。仿真结果表明,相对于传统LMS算法,该算法有效地加快了收敛速度,同时提高了系统的稳定性。     

一种新的变步长LMS自适应滤波算法及其仿真

传统变步长LMS算法存在收敛速度慢、易受噪声影响等缺点,为了提高算法性能,论文建立了LMS算法中步长因子μ(n)和误差信号e(n)的相关统计量之间的非线性关系,提出了一种基于改进的双曲正切函数的变步长LMS(HTLMS)算法.算法采用当前误差与上一步误差乘积的绝对值来调节步长,并引入了绝对估计误差的扰动量来更新自适应滤波器抽头向量,因而具有收敛速度快、噪声抑制能力强和稳态误差低等特点.计算机仿真结果表明,在不同信噪比条件下,与多种LMS算法相比,本文算法都具有较快的收敛速度和较好的稳态误差.     

一种改进的变步长ELMS算法

在简单讨论基本最小均方(LMS)算法的基础上,引入了扩展的最小均方(ELMS)算法,并分析说明了该算法能达到更小的稳态MSE。改进的变步长ELMS算法是在对有用信号的预测中采用了自适应为归一化的的最小均方(NLMS)预测估计器,步长的迭代中引入遗忘因子i,利用其与误差信号的加权和来产生新的步长参与迭代。理论分析与计算机仿真结果表明,该算法有较好的收敛性能和较小的稳态失调。     

一种改进的变步长LMS自适应滤波算法

传统的固定步长的LMS算法难于同时获取较快的收敛速度与较小的稳态误差,基于这一矛盾,将变步长算法与变换域算法相结合,提出一种改进的LMS自适应算法以获得较快的收敛速度和较小的稳态误差。仿真结果表明,此算法在收敛速度与稳态误差的性能上均不同程度地优于其他同类算法,尤其是在低信噪比的情况下,其性能的优越性更为突出。     

一种新的变步长LMS自适应滤波算法

在对传统LMS算法、变步长SVSLMS算法及归一化LMS算法分析的基础上,提出了一种改进的归一化变步长LMS算法即N-SVSLMS（Normalized-SVSLMS）算法。该算法结合了参考文献中两种算法的思想,得到了改进的归一化LMS自适应算法。该算法在信道环境多变的情况下,收敛速度和稳定性能有了进一步的提高。理论分析及计算机仿真结果表明,N-SVSLMS算法明显优于传统LMS算法、变步长SVSLMS算法及归一化的LMS算法。     

静态环境下基于分段变步长NLMS 的收发隔离技术

收发隔离是干扰机系统中的关键问题,若隔离度不够,轻则削弱干扰机效率,重则造成自激使干扰机不能正常工作。传统的最小均方(LMS)算法应用到基于自适应系统辨识的收发隔离中时,由于精度不够,隔离性能并不理想。针对该问题,提出一种分段变步长归一化LMS(NLMS)算法。该算法利用迭代系数状态因子对迭代系数与真实系数逼近状态进行分段,当迭代系数状态因子处于不同的区间时,采用不同的变步长方案。理论分析和仿真证明:与基于其他LMS 算法的隔离方案相比,基于分段变步长NLMS 算法的收发隔离方案隔离性能有较大的改善。     

基于小波变换的变步长LMS自适应滤波算法

变步长LMS自适应滤波算法通过构造合适的步长因子有效的解决了传统LMS算法收敛速度和稳态误差相矛盾的问题.变换域LMS自适应滤波算法通过正交变换降低了输入信号矩阵的相关性,提高了算法的收敛速度.将这两种算法相结合,提出了一种新的基于小波变换的变步长LMS自适应滤波算法.仿真结果表明,该算法无论是收敛速度还是稳态误差都有了很大的提高.     

一种变步长LMS波束形成算法性能研究

智能天线的自适应算法通过迭代运算获取波束形成的最优权值矢量时,收敛速度和稳态误差是衡量一个算法是否优良的关键因素。它们的好坏直接影响着系统波束形成的性能。系统地分析了传统的最小均方（LMs）算法的收敛速度以及稳态误差的性能,在此基础上提出了一种新的变步长LMS算法,将此算法应用于波束形成,并用Matlab软件进行仿真。仿真结果表明,改进后的算法较传统LMS具有较快的收敛速度和较小的稳态误差。     

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。     

一种约束稳定性最小均方噪声对消算法

研究了最小均方误差(LMS)算法、归一化的最小均方(NLMS)算法及变步长NLMS算法在自适应噪声干扰抵消器中的应用,针对目前这些算法在噪声对消器应用中的缺点,将约束稳定性最小均方(CS-LMS)算法应用到噪声处理中,并进一步结合变步长的思想提出来一种新的变步长CS-LMS算法。通过MATLAB进行仿真分析,结果证实提出的算法与其他算法相比,能很好地滤除掉噪声从而得到期望信号,明显的降低了稳态误差,并拥有好的收敛速度。     

一种类箕舌线函数的变步长归一化自适应滤波算法

在综合考虑自适应滤波算法设计中收敛速度、稳态误差、计算复杂度和跟踪性能等指标的基础上,该文提出一种类箕舌线函数的变步长归一化自适应滤波算法,用类箕舌线函数代替Sigmoid函数作为步长迭代公式,引入基于相关误差的变步长调整原则,在大大增强算法稳定性的同时大幅度提升了算法的收敛速度、跟踪性能,减小了算法的计算复杂度.在M...     

基于DFP的二阶Volterra模型及其对Rössler混沌序列的预测

为克服最小二乘法或归一化最小二乘法在二阶Volterra建模时参数选择不当引起的问题,在最小二乘法基础上,应用一种基于后验误差假设的可变收敛因子技术,构建了一种基于Davidon-Fletcher-Powell算法的二阶Volterra模型（DFPSOVF）.给出参数估计中自相关逆矩阵估计的递归更新公式,并对其正定性、有界性和τ（n）的作用进行了研究.将DFPSOVF模型应用于Rössler混沌序列的单步预测,仿真结果表明其能够保证算法的稳定性和收敛性,不存在最小二乘法和归一化最小二乘法的发散问题.     

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。     

基于小波变换变步长LMS自适应信道均衡的新方法

结合变换域最小均方(LMS)和变步长LMS算法的优势,提出了一种基于小波变换的变步长LMS自适应均衡方法。该方法中步长调整函数采用了改进的Sigmoid函数,该函数具有简单且误差信号接近零时变化缓慢的特点。并且,在训练模式、判决引导模式以及混合模式下,将提出方法和传统均衡方法进行了仿真比较。结果表明,所提出的方法比传统的线性LMS算法、变步长LMS以及小波变换LMS收敛更快、性能更优。