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.     

一种新的变步长LMS 算法及分析

LMS 算法存在收敛速度和稳态误差上的矛盾,当步长因子过大,则收敛速度快,但误差变化 较大; 当步长因子过小,则收敛速度很慢但是误差稳定． 因此,渐渐发展出了多种变步长LMS 算法． 通过建立步长和误差的一种非线性函数关系,提出了一种新的变步长LMS 算法,并且对算法参数 进行分析． 该算法计算简便,计算量低,且在算法收敛初期能够得到较大的步长,而稳态时期能够得 到较小的步长,且在稳态收敛阶段有较为缓慢的步长变化,克服了传统算法在低误差范围内的步长 调整的缺陷． 仿真结果与理论结果相一致,证明了该算法比已有算法拥有更好的收敛性能．     

一种变步长LMS自适应噪声抵消算法研究

通过对传统最小均方误差（leastmean square,LMS）算法迭代因子μ进行分析,讨论了μ与收敛速度及稳态失调的关系,在此基础上研究了一种新的变步长LMS自适应算法,建立了步长因子μ与输入信号及迭代次数n之间的一种新的非线性关系。通过理论分析,该算法与传统LMS算法相比,其收敛速度更快、稳态误差较小,且计算量增加不大,采用Matlab仿真表明了该算法的优越性。     

一种α稳定分布下的变步长最小ρ-范数算法

本文提出一种新的基于α稳定分布噪声环境下的自适应滤波算法,这种算法针对变步长自适应滤波算法收敛速度和稳态误差相矛盾的不足,建立了步长μ（n）与误差信号e（n）之间的新的非线性函数关系。该函数能够削弱输入端不相关α稳定分布噪声对步长调整的影响,更好地解决稳态误差与收敛时间之间的矛盾。通过系统辨识仿真结果表明,新的算法α对稳定分布下的尖峰脉冲噪声有较强的韧性,比传统的NLMP算法有更快的参数辨识速度和更小的稳态误差,同时还具有很好地跟踪多时变系统的能力。     

基于动态可变分段误差函数的常数模盲均衡算法

为了克服常数模算法（ CMA）收敛速度慢,稳态误差大的缺点,在分析基于可变分段误差函数的常数模盲均衡算法的基础上,提出了基于动态可变分段误差函数的常数模盲均衡算法。该算法利用均方误差（ MSE）来动态调节误差函数的分段点位置,误差函数特性在均衡过程中随着MSE不断变化,使得算法误差模型与发射信号的模型不断匹配,从而具有增加收敛速度和减小稳态误差的特点。分别用混合相位水声信道和最小相位水声信道对提出的新算法进行仿真实验,结果表明：对于混合相位水声信道,新算法的收敛速度明显快于CMA,且具有更小的稳态均方误差;对于最小相位水声信道,新算法的稳态均方误差明显小于CMA,而收敛速度相当。     

一种双模式变步长恒模算法

针对非常模信号,著名的恒模算法表现出较大的稳态误差和较慢的收敛速度.为克服上述缺点,提出了一种双模式变步长恒模算法.新算法通过对输出信号的判决来判断当前均衡器工作是否存在误操作.当均衡器工作正常时算法使用变步长方法,当均衡器工作存在误操作时算法使用零步长方法,从而充分发挥出步长对恒模算法的有利影响.仿真实验结果证明新算法具有比恒模算法更快的收敛速度和更小的稳态误差.     

小波技术对LMS算法的提高与分析

变步长LMS（Least Mean Square）算法在同时兼顾快速收敛与降低稳态失调误差的问题上做出了很多改进,但仍有较大的提升空间. 本文利用小波技术对变步长LMS算法提出改进. 小波技术具有数学“显微镜”功能,步长因子的变化速度可以通过拉伸窗口来实时调整. 本文将失调误差与收敛速度之间的比值做为小波窗口调整参数,根据两者之间的相对变化实时调整步长因子的变化速度,可实时准确地调整收敛速度,更好地兼顾快速收敛与降低稳态失调误差问题. 仿真证明本文提出的算法比现有技术具有更高的收敛速度和更低的稳态失调误差.     

基于蚁群觅食原理的聚类算法的研究及改进

针对基于蚁群觅食原理的聚类算法初期收敛速度较慢的问题,以及未区分各维特征主次的缺陷,本文提出了一种两阶段蚁群聚类算法,以解决上述问题。第一阶段引入各只蚂蚁的实时信息素更新规则改善算法初期收敛速度较慢问题,并为第二阶段提供合理的初始隶属度矩阵;第二阶段利用隶属度矩阵自适应地赋予各维特征不同的权重,再用信息素强度和加权欧氏距离共同指导各只蚂蚁构造解。经过人工数据集和UCI数据集的测试,结果表明两阶段蚁群聚类算法可以加快算法初期收敛速度,同时提高聚类的准确率。     

一种改进的快速自适应滤波算法

为了解决传统自适应滤波最小均方(Least Mean Square,LMS)算法中收敛速度与稳态误差之间的矛盾,提出了一种改进算法。该算法在已有变步长LMS算法基础上,引入遗忘因子来影响步长的更新。仿真表明,改进后的算法比原算法不但具有更快的收敛速度,而且具有更小且稳定的稳态误差。     

归一化加权双模式盲均衡算法

恒模算法（CMA）打开信道眼图的能力强,但收敛速度慢,稳态误差大,适于均衡器启动阶段的工作;决策指向算法（DD）收敛速度快,稳态误差低,但要求决策装置正确判决率高,适于跟踪阶段的工作;归一化自适应滤波算法能够动态地调整步长因子,提高收敛速度。结合上述三方面的优势,提出一种归一化的加权双模式盲均衡算法,和切换式双模式算法相比,新算法的主要优势在于无需在两种模式之间切换,降低了接收设备的复杂性。针对16QAM系统的仿真结果表明新算法和切换式算法相比,稳健性更好,收敛速度更快,并且更适合在低信噪比条件下使用。     

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。     

基于t分布变换的新变步长LMS算法

为解决在外部环境突变的条件下,最小均方(LMS)算法收敛速度与稳态误差之间难以同时平衡优化这一问题,提出一种基于t分布的新型变步长LMS算法(简称BVTLMS算法)。通过理论推导,对t分布概率密度函数进行变换,得到全新的步长随误差变化的曲线,满足了收敛条件;然后针对不同参数分析对BVTLMS算法的影响,确定最优参数,利用该参数进行仿真。结果表明,在同样的仿真条件下,BVTLMS算法分别与基于分式函数变步长算法和基于正态分布变步长算法相比,具有收敛速度更快、稳态误差更小和更强的跟踪能力优势。采用实际数据进行验证,也证明所提出的BVTLMS算法的优越性。     

双滤波器捷联惯导外阻尼导航算法

针对捷联惯导系统导航精度受系统振荡误差严重影响的问题,提出一种基于双滤波器的捷联惯导外阻尼导航算法.该算法设计了两个串行滤波器,第一个滤波器以外速度为参考输入对外部速度作平滑处理并得到捷联惯导系统误差状态估计值,第二个滤波器利用平滑后的高精度外部参考速度,以速度变化量作为外部参考输入进行状态估计,屏蔽速度常值误差对系统的影响,最后,设计信息融合算法,将两个滤波器得到的估计状态进行融合,使得导航结果兼顾双滤波器的优点.仿真验证表明:存在外速常值误差时,相较于滤波器2而言,经过信息融合后的导航误差的地球振荡误差收敛速度明显加快,其短期精度得到显著提高;相较于滤波器1而言,经过信息融合后,其稳态导航精度得到显著提高;该方法具有较高的稳态精度,可缩短外阻尼系统误差收敛时间,有效提高捷联惯导系统导航精度.     

一种改进的MCMA盲均衡算法

为提高盲均衡的收敛速度、进一步降低码间干扰,该文以修正常数模算法为基础,提出了基于停止与前进算法的改进修正常数模算法。并对新算法进行了计算机仿真,结果表明：该新算法克服了常数模算法稳态误差大的缺点,纠正了常模算法存在的相位旋转问题,提高了修正常模算法收敛速度且降低了稳态误差。     

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。     

工作空间噪声主动控制ChFxLMS算法

为改善滤波x最小均方（Filter-x Least Mean Square,FxLMS）算法不能同时兼顾稳态误差与收敛速度的不足,提出一种基于cosh函数的变步长FxLMS(Cosh-FxLMS,ChFxLMS)算法.通过cosh函数建立误差信号与步长因子间的联系,使得步长因子按照cosh函数特性实时调整;分析不同参数对ChFxLMS算法性能的影响,为算法参数选取作指导;分别将正弦信号和实测织机信号作为输入信号,对ChFxLMS算法性能进行验证,并与FxLMS算法、基于sigmoid函数的变步长FxLMS(Sigmoid-FxLMS,SFFxLMS)算法进行对比.仿真结果表明,ChFxLMS算法性能在时域和频域上都取得较好的控制效果.分析结果表明,该算法能较大地降低稳态误差和提高收敛速度.该研究成果可为工作空间噪声主动控制提供一种新思路.     

稀疏似p范数变步长LMS的水下多径抑制算法

针对稀疏似p范数LMS算法存在收敛速度较慢、失调误差较大的不足,本文在建立浅海环境中离散多径干扰模型的基础上,提出一种变步长稀疏似p范数LMS算法,采用与误差有关的函数值来调整零吸引项,同时使用改进的Sigmoid函数变化自适应迭代步长。数值仿真表明:与经典LMS算法和已有的稀疏似p范数LMS算法相比,该算法具有良好的干扰抑制效果,同时具有较快的收敛速度和较小的稳态误差。     

基于ip-iq理论的改进型谐波检测方法

针对传统的i_p-i_q谐波检测方法使用低通滤波器难以实现检测精度与速度平衡的问题,提出了一种使用LMS自适应滤波器与电流平均值法的串联使用代替低通滤波器的方法。为了解决传统定步长LMS算法无法兼顾收敛速度与稳态误差的矛盾,设计了一种改进的基于双曲正弦函数的变步长LMS算法。算法通过使用误差信号的时间均值估计p(n)与参数‖T‖²控制步长因子,减小稳态误差,并引入α(n)对双曲正弦函数的取值进行限制,加快收敛速度;最后通过串联电流平均值模块进一步提高检测精度与速度。使用Matlab软件进行仿真试验,试验结果表明：改进方法在检测精度与速度方面较传统的i_p-i_q谐波检测方法有较大提升,验证了方法的有效性、可行性。     

一种有效的二维频率估计新方法

针对高斯白噪声环境,提出一种三迭代算法估计二维频率．利用二维数据的旋转不变性,构造4个具有对角结构的数据矩阵,在时域进一步扩展,形成一组对角结构的数据矩阵．通过数据矩阵组的联合对角化,实现二维频率的估计,所得二维频率能自动配对．该方法每步迭代具有精确的最小二乘闭式解,消除了多阶段分解算法的误差积累,提高了估计精度．通过和克拉美罗界(CRB)的比较验证了该算法的有效性．     

α稳定噪声环境下IIR自适应滤波递归整体最小P-范数算法

当无限脉冲响应(IIR)系统输入和输出信号被α稳定噪声干扰时.传统的最小平均P-范数(LMP)算法的解会出现较大偏差,而整体最小平均P-范数(TLMP)算法存在收敛速度慢的问题.为此提出一种适用于自适应IIR滤波的递归整体最小P-范数(IIR RTLP)算法,首先整体考虑输入和输出信号受α稳定噪声干扰的影响,使得基于P-范数的误差期望值达到最小;然后采用矩阵求逆引理和幂迭代法递归更新自适应滤波器的系数,使其可跟踪时变系统,并提高算法收敛速度.仿真结果表明,IIR RTLP算法比TLMP算法有较小的系统估计误差和较快的收敛速度.