共查询到19条相似文献,搜索用时 156 毫秒
1.
变步长LMS算法及其在自适应消噪中的应用 总被引:8,自引:0,他引:8
介绍了一种新的变步长LMS自适应滤波算法。该算法具有较快的收敛速度和较小的失调,并且他不受已经存在的不相关噪声的干扰.将该算法应用于自适应噪声对消系统的仿真中,给出了计算机仿真结果,仿真结果与理论分析是一致的. 相似文献
2.
为了提高LMS自适应滤波算法的性能,在分析已有变步长算法的基础上进行了一些改
进。改进算法用误差信号的自相关来调节步长以实现对不相关噪声的更好抑制,且采
用先固定后变化的方法控制步长,兼顾了暂态和稳态性能。利用改进算法进行了自适应噪声
抵消的仿真实验,结果表明,基于改进变步长LMS算法的自适应噪声抵消器
能有效抵制噪声干扰,对含噪信号具有良好的消噪能力。 相似文献
3.
4.
针对LMS自适应滤波算法在输入信号高度相关时.收敛速度下降导致性能下降,本文从基本的块LMS算法开始,简要介绍了块LMS算法的实现方法,在此基础上重点分析了在变步长块LMS算法中,影响步长因子的要素.提出了一种新的变步长因子迭代算法(SVBLMS),该迭代算法充分考虑输入信号和误差信号对变步长因子的影响.并且迭代的结构简单,计算量小.通过Matlab仿真.仿真结果表明.该迭代算法较其它块LMS算法有更快的收敛速度,更稳定的收敛过程.当输入为有色信号或输入噪声较大时,本算法都能保持良好的性能. 相似文献
5.
一种改进的变步长LMS自适应算法 总被引:1,自引:0,他引:1
为了提高LMS自适应算法的性能,在对一些变步长LMS算法分析的基础上,提出了步长因子μ(n)与误差信号e(n)之间一种新的非线性函数关系,该算法比固定步长LMS算法收敛速度快,稳定性好,另外与文[5]中算法相比,不需要进行指数运算.将该算法应用于自适应噪声抵消系统的仿真中,计算机仿真结果与实际分析相一致. 相似文献
6.
文中介绍了自适应滤波算法的原理和干扰抵消器工作原理,并将LMS算法、NLMS算法和变步长LMS算法分别应用在了干扰抵消器中进行了仿真。仿真的结果表明,三种自适应算法运用到了干扰抵消器中,都可以很好地滤除干扰,提取有用信号。其中运用了变步长LMS算法的干扰抵消器无论在收敛速度和滤波性能上,都要强于其他两种算法。 相似文献
7.
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
8.
9.
10.
11.
多通道有源噪声控制算法的仿真研究 总被引:2,自引:1,他引:1
由于FXLMS算法结构简单、性能稳定和具有全局收敛的特点,在各种自适应有源噪声控制领域中,多采用FXLMS算法及其改进形式。着重讨论了3种多通道有源噪声控制算法,对3种算法收敛性进行了比较,并利用实际采集的车内噪声对算法性能进行了验证。仿真结果表明3种多通道算法能有效地降低车内的低频段噪声。 相似文献
12.
该文首先研究了一种基于离散小波变换(DWT)的干涉图滤波算法,对该算法的噪声模型和处理流程进行了详细的分析,并在其基础上做了基于静态小波变换(SWT)的改进。接着利用实测数据对这两种方法做了实验,通过对实验结果的分析,提出了一种高噪声环境下,在保证残点数降低率的同时,还能提高干涉条纹质量的滤波方法。在此滤波方法的基础上, 进一步提出了基于信噪比门限判断的干涉图两级处理滤波法,并对其处理流程做了详细的讨论。利用实测数据对该方法进行了仿真,实验结果验证了该方法的有效性。 相似文献
13.
14.
15.
针对激光器产生的相位噪声会严重影响相干光正交频分复用(CO-OFDM)系统的性能问题,提出了一种新颖容积卡尔曼滤波(CKF)相位噪声补偿算法。该算法利用导频信息,先通过扩展卡尔曼滤波(EKF)和线性插值算法补偿公共相位误差(CPE)噪声,然后对相位噪声粗补偿后的信号进行预判决,在时域对预判决后的信号进行次符号处理的CKF实现对载波间干扰(ICI)相位噪声的精细补偿。对补偿后的信号进行二次迭代,从而提高补偿效果。分析和仿真表明:提出的新颖CKF算法能有效补偿相位噪声对信号的影响,在相位噪声线宽较大时能有效增强对ICI相位噪声的补偿效果,改善CO-OFDM系统对激光器线宽的容忍度,有效提高系统的性能。 相似文献
16.
传统的线性主动噪声控制算法在噪声信号或噪声通道呈现非线性特性的情况下控制效果不佳。核-滤波最小均方误差算法(Kernel Filtered x Least Mean Square,KFxLMS)通过将输入噪声信号映射到高维再生核希尔伯特空间,再用线性方法在高维空间中进行处理。然而,随着新噪声信号的输入,KFxLMS算法递增的核函数运算需要较高的成本。为进一步改进KFxLMS算法,本文提出了随机傅里叶特征核滤波最小均方误差算法(Random Fourier Feature - Kernel Filtered x Least Mean Square,RFF-KFxLMS)。在仿真实验部分讨论了算法的参数选择,给出了算法的计算耗时,并验证了提出的RFF-KFxLMS算法在非线性噪声通道情况下,针对不同频率分量的正弦噪声都能够达到理想的性能。 相似文献
17.
18.