一种新的变步长LMS自适应滤波算法性能分析

在简单介绍了基本的LMS,NLMS自适应滤波算法的基础上,介绍了一种新的可变步长LMS自适应滤波算法,并将该算法应用于自适应噪声对消系统的仿真中.通过计算机仿真,给出了LMS、NLMS和新的可变步长LMS自适应滤波三种算法的性能对比,结果表明该算法具有较快的收敛速度和较小的稳态误差.     

一种改进的变步长LMS算法及其DSP实现

固定步长LMS(least mean square)算法自适应滤波器在收敛速度、时变跟踪能力与稳态误差上对步长因子的要求存在矛盾.变步长LMS算法的步长因子是变化的,能够有效地避免此矛盾.在分析了2种变步长LMS算法的基础上,提出了全新的变步长算法,并在MATLAB环境中进行仿真,之后应用SZ-EPP5402评估板对其进行了DSP实现.仿真结果与DSP实现都表明:变步长LMS算法在一定程度上改善了收敛速度与稳态误差间矛盾,具有更快收敛速度与更小稳态误差.     

一种新的LMS算法及其在明渠流量计中的应用

针对变步长LMS(least mean square)自适应滤波算法存在收敛速度慢和稳态误差比较大的问题,根据变步长滤波算法步长调整原理,提出了一种新的基于多项式的非线性变步长LMS算法,通过MATLAB仿真分析研究新算法中各参数对收敛速度和稳态误差的影响,并和已有的变步长LMS算法进行对比,结果表明该算法比已有的算法...     

改进变步长自适应分布式滤波算法

为提高传统LMS算法在分布式传感器网络自适应滤波中的收敛速度并保持较小的稳态误差,在扩散LMS算法基础上,提出一种基于Sigmoid函数改进变步长的分布式扩散LMS自适应滤波算法,算法通过Sigmoid函数变换构建步长因子与迭代误差之间非线性模型,并通过设置控制因子合理调整模型的步长曲线波型,使得算法在初期使用较大的步长以加快收敛速度,而在后期则采用平稳变化步长以保持较低的稳态误差,从而在在不失传统算法稳态精度的情况下,实现较快的收敛速度。实验结果表明:相比于已有算法,所提算法的估计性能更优。     

提高谐波电流检测性能的LMS/LMF自适应滤波器

为提高基于瞬时无功功率理论的谐波电流检测法在检测精度和收敛速度方面的性能,提出了一种新颖的最小均方(LMS)与最小四阶矩(LMF)相结合的LMS/LMF自适应滤波器算法,根据误差信号自适应地调整LMS和LMF算法在权值更新中的占比,以同时发挥LMF算法收敛速度快和LMS算法稳态精度高的优点。推导了该算法的收敛条件、时间常数和失调公式,分析得出适当减小步长可以更好地兼顾收敛速度和检测精度。仿真和试验结果表明,该算法使低通滤波器动态过程收敛更快,稳态误差更小,从而提高瞬时无功功率理论谐波检测法的性能。     

一种新的自适应滤波算法

为了解决SVS_LMS算法中步长更新函数较为复杂的问题,提出一种改进的LMS自适应滤波算法。新的算法利用瞬时误差的幂函数对步长更新进行控制,同时根据MVSS_LMS算法中误差自相关估计补偿原理,采用当前步长因子和上一时刻步长的相关估计对步长因子进行补偿。通过仿真比较,新的算法相较于SVS_LMS和MVSS_LMS的改进算法具有更快的收敛速度及更小的稳态失调误差。     

一种改进变步长LMS算法及其在系统辨识中的应用

在分析传统LMS算法及变步长LMS的基础上，本文提出了一种改进的变步长LMS算法并应用于系统辨识。新算法利用瞬时误差的四次方和遗忘因子共同来调整步长，进一步解决了收敛时间和稳态误差的矛盾。将新算法应用到系统辨识中时，与传统LMS算法和变步长LMS算法相比，仿真表明新算法有更快的收敛速率。     

汽车多通道多频点自适应降噪方法研究

为了降低汽车驾驶室噪声、营造良好的驾驶和乘坐环境,提出了多通道多频点自适应降噪方法。分析了驾驶室噪声特征,建立了噪声频率与发动机转速关系模型;分析了单通道噪声主动控制方法,提出了自适应步长LMS算法,使收敛因子随噪声误差自适应变化,兼顾了算法收敛速度和稳态误差;以此为基础,设计了多通道多频点噪声主动控制方法。经仿真验证可以看出,自适应LMS算法不仅提高了算法收敛速度,而且降低了稳态误差;经驾驶室两通道降噪实验可以看出,多通道噪声主动控制技术可以实现驾驶室多区域降噪,通道一总声压级降低了4.3dB,通道二总声压级降低了9.8dB,充分证明了设计的多通道噪声主动控制方法的有效性。     

一种新的变步长LMS自适应滤波算法研究及其应用

变步长LMS自适应滤波算法克服了传统自适应滤波算法的不足,通过构造合适的变步长因子,在提高收敛速度的同时保证了较小的稳态误差,在实际中得到了广泛应用。为进一步改善算法性能,首先对传统的和现有改进的变步长LMS算法机理进行了深入分析,在此基础上,提出了一种新的变步长LMS自适应滤波算法。该算法通过建立一个新的步长因子与误差的非线性函数模型,使得算法在不失精度的情况下,具有较快的收敛速度。论文对新算法的机理进行了较为详尽的阐述,对算法中关键参数的选取对滤波性能的影响进行了深入分析,并给出了算法中关键参数的自适应确定方法。仿真实验表明,相对于其他自适应滤波算法,该算法在收敛速度方面有了很大的提高。将新算法应用于对实际龙口水位监测数据的滤波中,取得了良好效果。     

改进LMS算法的仿真及其分析

在机械加工中,机械故障诊断的振动诊断技术在机械故障诊断学中占有重要地位.在振动信号处理方面,自适应信号处理是一个非常重要的分支,该方法能够有效的滤除含有背景噪声的信号,提取出有效的特征信号,但自适应算法有收敛速度与稳态误差之间的矛盾关系与步长因子易受噪声干扰等问题.为解决该问题,本文提出一种改进的变步长LMS算法:在算法中加入步长反馈因子,并对权值进行更新,使算法的收敛速度变快的同时保证了系统的稳定性,并加强了系统的跟踪能力.仿真结果表明:与其他算法相比,本文算法计算简单、收敛速度快、系统跟踪能力强,稳定性更好,能够有效的滤除噪声信号.