改进的变步长频域批处理LMS算法

现有的单载波频域均衡技术中的定步长频域批处理LMS（Frequency-Domain Block Least Mean Square,FBLMS）算法,在收敛速度和稳态误差之间存在矛盾。针对这个问题,基于对变步长LMS算法的研究分析,提出了一种新的改进的变步长频域批处理LMS自适应滤波算法,通过变步长因子以及频域权系数抽头泄漏能很好地协调收敛速度和稳态误差之间的矛盾,并且还具有较低的算法复杂度的特点。通过Matlab对提出的新算法进行计算机仿真验证,结果表明该算法有较好的收敛速度和较小的稳态误差。     

变步长LMS自适应滤波算法的改进及分析

在对传统LMS算法、变步长LMS算法及其改进算法分析的基础上,提出了一种改进的变步长LMS算法。新算法通过建立步长因子与误差信号之间的非线性函数关系,使其初始阶段和时变阶段步长自适应增大和稳态阶段步长很小,具有收敛速度快,稳态误差小,迅速跟踪跃变系统的变化,并且不易受噪声影响的特点。理论分析和计算机仿真结果表明该算法优于传统算法。     

一种改进变步长LMS算法的性能研究

在对传统LMS算法、变步长LMS算法及其改进算法分析的基础上,提出了一种改进的变步长LMS算法。新算法通过建立步长因子与误差信号之间的非线性函数关系,使其初始阶段和时变阶段步长自适应增大和稳态阶段步长很小,理论分析及计算机的仿真结果表明,该算法可保证较快的收敛速度和较小的失调,能更好地解决收敛速度和稳态误差的内在矛盾,可更好地应用于自适应系统中。     

一种基于MVSSLMS的改进算法

在分析传统LMS算法及其改进算法的基础上,提出了一种改进的变步长LMS算法,用误差信号的自相关及均方误差来调节自适应滤波算法的步长,仿真结果表明改进算法的收敛性能良好,优于传统LMS和MVSSLMS算法.     

新的变块长频域批处理LMS算法

针对传统的频域批处理LMS（Frequency-domain Block Least Mean Square,FBLMS）算法在收敛速度和稳态误差之间存在矛盾的问题,不同于变步长LMS算法,提出了一种新的变块长频域批处理LMS算法,采用自适应改变的批处理块块长的方法来协调解决这个矛盾。通过Matlab对提出的算法进行计算机仿真,结果表明相比于传统的FBLMS算法,新算法具有更快的收敛速度和更小的稳态误差。     

一种新的变步长LMS自适应滤波算法仿真研究

本文在介绍并分析了LMS算法及其改进算法的基础上,提出了一种新的变步长方法.通过MATLAB仿真对比实验,验证了该算法同固定步长LMS、变步长LMS算法相比,在均方误差和收敛速度方面都有很大的提高.该算法为自适应滤波的稳定和快速收敛提供了一个较好的解决方案.     

改进变步长LMS自适应预失真算法研究

在数字预失真过程中,针对传统的最小均方差(LMS)自适应算法收敛速度较慢和稳态误差较大的缺点,通过分析各种改进的变步长LMS算法的优势和劣势,提出了一种组合曲线的归一化变步长LMS数字预失真算法。仿真结果表明,新算法在保证预失真效果的前提下,算法性能得到极大提升。     

基于模糊推理的变步长LMS自适应滤波算法

LMS算法是一种基于最速下降法的最小均方误差自适应滤波算法.为了提高LMS算法的收敛速度,依据模糊控制原理,推导出一种结构简单的步长与误差的非线性函数关系,进而得出一种新的变步长LMS自适应滤波算法（FVSLMS）,该算法结构简单,易于实现.在理论上,根据万能逼近定理,用FVSLMS算法可以以任意精度逼近步长与误差的非线性函数关系,因此它可以作为以误差调节步长的变步长LMS算法的一类统一形式.最后,通过计算机仿真说明了FVSLMS算法具有较好的收敛性能.     

智能天线中变步长LMS自适应波束形成算法研究

波束形成算法是智能天线研究的核心内容,可以使天线有效地接收期望信号并抑制干扰信号,但各种算法均存在计算量大、收敛速度慢、稳态误差大等缺点.为提高系统性能,提出了一种改进的变步长LMS自适应波束形成算法,其步长因子由上一步长因子和自相关误差共同确定.对新算法的性能进行了理论分析,并推导了确保算法收敛的参数α的取值范围.计算机仿真结果与理论分析一致,与现有的变步长算法相比,新的变步长LMS算法具有较快的收敛速度、较小的稳态误差以及较低的算法复杂度,非常适用于智能天线波束形成问题.     

一种新的LMS自适应滤波算法分析仿真研究

传统变步长最小均方(LMS)算法存在收敛速度慢、易受噪声干扰等缺点,为了提高算法的性能,通过对变步长LMS算法进行分析研究,在步长因子x(n)与误差信号e(n)的相关统计量之间建立一种新的非线性函数关系,提出了一种新的变步长LMS自适应滤波算法。该算法采用误差信号的自相关时间均值来调节步长,并用绝对估计误差的扰动量以加快自适应滤波器抽头权向量的收敛。理论分析与计算机仿真结果表明:与SVSLMS和G-SVSLMS算法比较,该算法具有较快的收敛速度、较小的稳态误差以及较强的抗干扰能力。