基于集员滤波的变步长仿射投影算法

常规仿射投影算法(APA)收敛较快,但计算复杂度高.集员仿射投影算法(SM-AP)具有独特的数据选择更新特性,可有效降低算法的执行复杂度,但由于采用标量误差,收敛较慢.本文把集员滤波的时变步长引入到常规的仿射投影算法中得到一种新的基于集员滤波的变步长仿射投影( VS-APA-SM)算法.与集员仿射投影算法(SM-AP)...     

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。     

精确块仿射投影算法与回声抵消

针对回声抵消器的原理和特点，提出了一种有效的自适应滤波算法-精确块仿射投影算法，对算法进行了具体的分析，并与传统的仿射投影算法进行了比较，设计了一个使用数字信号处理器实现算法的回声抵消系统，最后给出了仿真结果，改进后的算法提高了稳健性以及自适应辩识系统的稳定性和可靠性。     

基于投影算法的二维自适应滤波器

提出了一个可以使滤波器的系数同时在水平和垂直方向上更新的二维投影算法,推导了该算法的一些基本性质.为与其他二维自适应算法比较,将该算法应用到二维系统辨识中.仿真结果表明,提出的二维投影算法(MPA)具有好的效果.     

基于仿射投影算法的AR模型参数估计方法

为取得更有效的预报效果,在深入分析传统LMS（Least mean square）算法的基础上,提出利用仿射投影算法对AR模型参数进行自适应估计,利用实测的动态数据结合AIC（Akaike information criterion）准则建立自适应AR（Autoregressive）预报模型,并将该模型应用于船舶运动预...     

解相关变阶仿射投影窄带干扰抑制算法

针对仿射投影算法用于直扩系统窄带干扰抑制收敛速度慢,计算复杂度高的问题,提出了一种解相关变阶仿射投影窄带干扰抑制算法。通过对窄带干扰带来的接收信号强相关性的消除,利用接收信号正交向量优化步长,并采用结合信号特征得到的算法阶数选择机制,提高了收敛速度,降低了计算复杂度。仿真结果表明,该算法降低了归一化均方误差,明显优于变步长仿射投影窄带干扰抑制算法。     

基于可变数据重用因子的变步长仿射投影算法

提出的仿射投影算法可根据输入数据矩阵条件数的变化情况,实时地决定下一步输入矩阵的维数,即数据重用因子和步长,并利用这两个动态量去折中收敛速度和稳态误差之间的矛盾.仿真结果表明,在较大程度节省了运算量的情况下,该算法的收敛速度接近于使用高维输入矩阵的情况,而稳态误差与使用低维输入矩阵时相当,同时收敛稳定性更优.     

基于可变数据重用因子的变步长仿射投影算法

提出的仿射投影算法可根据输入数据矩阵条件数的变化情况,实时地决定下一步输入矩阵的维数,即数据重用因子和步长,并利用这两个动态量去折中收敛速度和稳态误差之间的矛盾．仿真结果表明,在较大程度节省了运算量的情况下,该算法的收敛速度接近于使用高维输入矩阵的情况,而稳态误差与使用低维输入矩阵时相当,同时收敛稳定性更优．     

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。     

自适应FIR滤波器的算法研究

针对有限脉冲响应(finite impulse response,FIR)数字滤波器结构的优化问题,通过在系统辨识模型中的应用,将粒子群优化算法(particle swarm optimization,PSO)与传统自适应最小均方(LMS)算法和递归最小二乘(RLS)算法仿真结果进行对比.实验结果表明了3种算法在不同的应用环境和条件下具有各自的优越性,为今后自适应滤波算法的选择提供了一定的参考信息.仿真结果中PSO算法在低阶滤波器应用中具有快速的收敛性、较高的计算精度以及低复杂度等特点,可以将其作为均衡算法对偏振膜色散进行补偿,为这一研究方向提供了新的思路和方法.     

低信噪比弱信号提取算法研究

采用从强背景噪声中提取话音信号的自适应噪声抵消技术——最小均方误差(LMS)入手，对该算法的性能进行了分析，针对其收敛速度慢、提取信号频带窄的缺点，提出了改进的有动量因子的自适应最小均方误差算法(MLMS)．仿真结果表明，该方法对于解决弱信号提取问题有一定效果．     

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.     

基于稀疏时变水声信道的判决反馈均衡算法

针对常规的判决反馈均衡处理稀疏时变水声信道接收信号时性能下降的问题,本文在最小均方算法和仿射投影算法的基础上,提出了改进的自适应算法。算法引入了随输入信号变化的迭代步长因子及表征系统稀疏特性的l_0范数约束,并且利用通信接收信号的非圆特性的宽线性输入方式改善性能。仿真结果表明:本文提出的算法具有更快的收敛速度和更小的稳态均方误差,仿真和试验数据分析结果证明了应用改进算法的自适应判决反馈均衡器有更低的误码率。     

不确定系统响应上下界分析的改进仿射算法

针对仿射运算时新符号噪声的引入必然造成误差放大的不足,在函数上下界计算中引入了矩阵形式的上下界的仿射计算公式,提出了一种计算上下界的改进仿射算法.该算法在仿射变量进行乘法运算时不会引入新的噪声,相对与传统的仿射算法能得到更紧凑的界限;并通过实例计算演示了该公式的计算过程及计算方法的有效性.将有界不确定性变量的仿射型及改...     

改进的变阶数LMS自适应滤波算法

为了减小分数阶数变阶数最小均方算法(FTLMS)稳态滤波器阶数误差,提出了一种变误差宽度的变阶数LMS算法,并对该算法进行稳态理论分析,给出参数选择的依据.为了验证该算法性能,设置了3种仿真环境:信噪比(SNR)为20 dB、0 dB及冲击响应权系数呈稀疏分布.仿真结果表明,与FTLMS算法相比,在SNR为20 dB及冲击响应权系数呈稀疏分布仿真条件下,当收敛速度相同时,滤波器阶数稳态误差减小为10%,在SNR为0 dB时,滤波器阶数稳态误差减小为1/3.     

非线性系统参数估计的投影算法

研究了非线性系统的时变参数估计问题,给出了基于新的估计准则的非线性系统投影算法－梯度投影算法改进形式,证明了算法的收敛性,并讨论了算法的优缺点,最后给出一个仿真算例,验证了所给算法的有效性。     

改进的凸组合最小均方算法

凸组合最小均方（CLMS）算法能够克服传统最小均方算法收敛速率、跟踪性能和稳态误差之间的矛盾. 但传统CLMS算法使用最速下降法推导参数导致其搜索路径呈“之”字形而使收敛速率变慢,为了解决这个问题,采用共轭梯度法实现参数的更新,同时使用双曲正切函数拟合Sigmoid函数来降低算法的运算复杂度. 为进一步提高算法性能,在所设计的基础上附加瞬时转移结构实现优化. 仿真结果证明,改进算法与传统CLMS、变步长CLMS相比,在噪声、相关信号输入以及非平稳环境下能够保持较好的均方性能和跟踪性能.     

参数跟踪算法的收敛性质

讨论了时变遗志因子和加权配合的递推辨识算法的算法性质和确定性收敛性．证明了估值有界和误差渐近趋于零．指出这类算法具有指数收敛性．     

一种自适应滤波器的设计与仿真

随着科技的高速发展,人们对信号处理的实时性、准确性和灵活性的要求越来越高,自适应滤波器在信号处理中的地位也越来越重要。自适应滤波器是一种含复杂算法的处理器,它的实现主要采用最小均方误差算法,通过调整滤波器系数来实现滤波,以便更好地跟踪信号的变化,最终实现自适应滤波。本文在Matlab环境下设计出自适应滤波器,验证了它的性能。     

自适应有源消声算法的研究

基于信号处理的LMS算法，结合自适应有源消声的特点，提出滤波-XLMS算法，并且利用MATLAB对该算法进行了仿真和性能分析。