共查询到17条相似文献,搜索用时 78 毫秒
1.
适合硬件实现的自适应滤波算法 总被引:2,自引:0,他引:2
文章给出了一种适合硬件实现的自适应算法——改进的LMS算法。对算法的收敛性进行了详细的证明,并使用C语言验证了该算法与基本LMS算法的收敛速度是相同的。 相似文献
2.
3.
本文对基于子带分解的自适应滤波做了研究,给出子带分解下的包含子带间滤波的最优维纳解和LMS算法,并分析了其收敛性能和计算复杂度,与传统的LMS算法相比,基于子带分解的自适应滤波具有更好的性能,计算机模拟结果也体现了这一点。 相似文献
4.
5.
6.
为了改善时变系统中的LMS算法收敛速度,一般可以在变换域进行自适应处理。通过研究和分析分数阶傅里叶变换与时-频平面的关系,提出在分数阶傅里叶变换域进行自适应时-频滤波。所提出的方法首先搜索最佳变换域,然后在分数阶傅里叶变换域进行LMS自适应滤波。仿真结果表明,与目前一些基于变换域的方法对比,新方法通过对时-频平面的旋转,可以显著加速算法收敛性。 相似文献
7.
自适应信号处理的理论和技术已经成为人们常用滤波和去噪技术。文中讲述了自适应滤波的原理以及LMS算法和RLS算法两种基本自适应算法的原理及步骤。并用MATLAB分别对两种算法进行了自适应滤波仿真和实现。 相似文献
8.
本文在Hopfield神经网络和TH线性优化网络的茂盛耻,提出了自适应滤波算法的神经网络实现,理论和计算机模拟均表明该算法的神经网络硬件实现,将大大提高自适应滤波器的时效性。 相似文献
9.
10.
传统固定步长LMS算法的优点是简单且易于实现,但其先天的缺点是在增大步长因子以加快收敛速度的同时也会引起较大的稳态误差。在分析LMS算法的性能基础上,提出基于μ(k )和x(k )之间的非线性关系函数的LMS算法改进形式vμLMS算法,最后通过理论分析和仿真结果表明,vμLMS算法可以较好的克服LMS算法存在的固有缺陷。 相似文献
11.
本文对变步长自适应滤波算法进行了讨论,建立了步长因子μ与误差信号e(n)之间另一种新的非线性函数关系.该函数比已有的Sigmoid函数简单,且在误差e(n)接近零处具有缓慢变化的特性,克服了Sigmoid函数在自适应稳态阶段步长调整过程中的不足.由此函数本文得出了另一种新的变步长自适应滤波算法,并且分析了参数α,β的取值原则及对算法收敛性能的影响.该算法有较好的收敛性能且计算量少.计算机仿真结果与理论分析相一致,证实了该算法的收敛性能优于已有的算法. 相似文献
12.
一种改进的变步长LMS自适应滤波算法 总被引:1,自引:0,他引:1
提出一种改进的变步长LMS(Least Mean Square)算法,该算法在步长参数μ与误差信号e(n)之间建立了一种非线性函数关系,并且分析了参数α,β的取值原则及对算法收敛性能的影响。该关系具有在误差e(n)接近零处缓慢变化的优点,克服了s函数变步长LMS算法在自适应稳态阶段μ(n)取值偏大的缺陷。理论分析和计算机仿真结果表明,改进算法的收敛速度和稳态误差的性能指标都有较大的提高。 相似文献
13.
一种改进的变步长LMS自适应滤波算法 总被引:1,自引:0,他引:1
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。 相似文献
14.
一种新的变步长最小均方自适应滤波算法 总被引:1,自引:0,他引:1
将步长因子与误差信号和测量噪声方差之间的一种函数关系引入自适应滤波器,提出了一种变步长最小均方自适应滤波算法.与已有算法相比,本文算法的步长因子更易于设计和控制.仿真结果表明本算法具有很好的收敛性能,同时也证实了本文算法的有效性. 相似文献
15.
16.
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. 相似文献
17.
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Matlab平台上分析了改进的步长函数中参数\begin{document}$\alpha $\end{document},以及的不同取值对算法的影响,并将该文算法与已有的基于Sigmoid函数和基于箕舌线函数的变步长LMS算法进行了比较,仿真结果表明,该文算法有更快的收敛速度、更好的跟踪能力以及较小的稳态误差和较强的鲁棒性。 相似文献