LMS自适应算法在对DPSK信号解调中的应用

LMS自适应算法是非盲算法的一种有效而简洁的算法。基于LMS自适应的特点，本文对运用LMS自适应算法对DPSK信号解调进行了探讨。     

基于径向基函数神经网络的自适应滤波器

自适应滤波器在信号检测、信号恢复、数字通信等领域中被广泛应用。传统的自适应滤波器主要在时域中实现。通常采用算法简单、稳健性好的自适应LMS算法。但LMS算法对输入信号的自相关矩阵具有很强的依赖性,因而自适应率不高。本文提出利用RBF神经网络实现的自适应滤波,并将其用于语音除噪和脉象信号的除噪。仿真结果表明该方法具有良好的非线性噪声抑制能力。     

基于非线性空时编码系统的自适应信道估计

用非线性分组编码，在时间选择性衰落信道环境下，将基本LMS自适应算法推广到对二维空时编码信号的权矩阵自适应迭代估计，分析了对输入信号序列编码所生成的非线性编码矩阵之间的相关性，运用解相关LMS自适应算法对衰落信道进行估计．在不同噪声情况下，根据估计信道和噪声统计量，推导了对非线性编码进行解码的最大似然决策方法．仿真试验表明，采用扩展LMS算法和解相关LMS算法跟踪时变衰落信道响应具有较强的鲁棒性和快速收敛性，非线性空时分组编码系统相对干线性编码系统提高了编码系统性能，运用最大似然决策方法进行解码降低了系统误码率．     

自适应滤波技术在汽车悬架振动控制中的应用

对汽车悬架振动主动控制的LMS（lesat mean square）算法进行仿真研究。基于自适应LMS算法的控制器运算简单、适应性强。正弦信号激励两自由度悬架振动系统模型，在计算机上利用matlab软件进行仿真，结果表明LMS算法能显地改善汽车悬架的性能。     

改进的提升小波变步长LMS滤波算法及其应用

通过对变步长LMS自适应滤波算法和提升小波变换理论进行研究,将两种算法换相结合,提出一种新的提升小波变步长LMS自适应滤波改进算法;根据信号特征对更新算子和预测算子自适应的构造,对正交分解的信号进行变步长LMS自适应消噪,提高了收敛速度和稳定性;通过仿真分析,证明了改进的提升小波变步长LMS滤波算法具有较快的收敛速度和更强的抑噪能力;最后,将提出的方法应用于低速重载齿轮箱的故障诊断中,分析结果表明,该方法是一种非常有效的故障特征处理方法。     

基于DWT/LMS直交自适应算法的非线性系统辨识

针对传统的最小均方(LMS)算法在信号处理中的不足,提出了在变换域LMS算法中实现离散小波变换(DWT)的算法,并给出了基于直交DWT／LMS自适应算法的非线性滤波器的结构,该方法实现简单,可减少自适应滤波器输入相量自相关矩阵的谱动态范围,比传统的LMS算法的收敛速度快,增加了系统的稳定性;将其用于非线性系统辨识,能够改善辨识模型的自适应能力,数值仿真结果表明了本文方法的可行性和有效性。     

一种基于改进LMS算法的MIMO-OFDM信道估计方法

最小均方(LMS)算法是一种典型的自适应滤波算法,基于该算法的信道估计算法具有不需要已知信道和噪声统计信息的特点,但是其收敛速度较慢。为此,提出一种基于改进LMS算法的MIMO-OFDM信道估计方法,该方法人为地引入一个时延,即将LMS算法固定自适应步长由随着输入信号功率自适应变化的收敛因子替代,大大降低了收敛时间,具有较好的信道估计性能。     

基于LMS算法和Matlab的自适应滤波器的设计

根据LMS算法性能特点,在Matlab环境下编写了基于LMS算法的有限长自适应滤波器的程序(*.m),用所设计的滤波器对受白噪声干扰的语音信号及正弦波信号进行滤波.理论分析和仿真结果表明,所设计的自适应滤波器具有快速的跟踪能力和收敛性能,且稳态误差较小.     

一种快速收敛的自适应波束形成算法

为了解决传统最小均方(LMS)自适应波束形成算法在低信噪比环境下收敛速度较慢的问题,提出了一种快速收敛的小波域自适应波束形成算法. 该算法利用小波变换软阈值法消除信号中的加性高斯白噪声,并在此基础上将牛顿法应用于LMS算法中,提高了小波域LMS算法的收敛速度. 仿真结果表明,相比传统LMS算法,在低信噪比环境下,该算法收敛速度加快,稳态误差减小,波束形成精确度有较大的提高;同时相对于已有的小波域LMS算法,该算法的收敛速度和精度也有所提高.     

一种变步长自适应滤波算法在信号消噪中的应用

为了解决自适应LMS算法中收敛速度和稳态失调之间的矛盾,在选择自适应算法的步长时,通过在基于箕舌线的变步长LMS算法中引入自相关估计,对信噪比为SNR=16 dB的染噪信号进行处理.仿真结果表明:该算法使均方误差曲线在500个采样点附近达到稳态,均方误差MSE=2.595.时域波形显示,利用变步长自适应滤波算法能有效地滤除信号中的噪声,获得稳定的消噪效果.     

基于LMS算法的自适应语音除噪性能研究

语音除噪是自适应信号处理研究的重点,通过利用matlab分别实现了基于时域定步长LMS算法、时域变步长LMS算法、基于FFT技术的LMS频域快速算法(FLMS)的自适应语音除噪仿真,并成功应用到带噪语音信号除噪方面.经实验表明,时域变步长LMS算法比时域定步长LMS算法的改善性噪比高1dB左右,与FLMS算法除噪性能相当,但FLMS算法的速度明显快于传统时域算法,而具体时间比的大小与总的样本数目有相关联系.     

基于神经网络的自适应相位纠偏器在电液伺服系统中的应用

针对电液伺服系统正弦响应中存在相位滞后的现象,基于Adaline神经网络,使用LMS自适应滤波算法设计了自适应相位纠偏器(APC)。当响应信号对输入信号有相位滞后时,利用LMS算法对神经网络的权值进行调整,经加权后的输入信号作用于控制系统,从而消除相位滞后。该方法并不需要对控制对象进行辨识,能保证控制系统的实时性。仿真和试验结果表明,自适应相位纠偏器能有效消除相位滞后,快速跟踪输入信号。     

基于自适应阈值的提升小波去噪方法

鉴于传统的去噪算法中的阈值很难选取到最优值,设计了自适应的阈值选取器,结合最小均方算法和小渡阈值去噪算法,提出了一种基于LMS算法的小波去噪方法.该方法根据LMS算法来自适应地控制阈值参数,并实现提升小波阈值去噪.仿真结果表明,该方法优于传统去噪方法,可较大程度地减少信号中的噪声,提高输出信号的信噪比,能很好地提取有用信号的特征.     

广义的自适应相干累积算法

根据最小均方误差(LMS)算法、自适应相干累积(ACI)算法及推广的自适应相干累积(GACI)算法在原理上的相关性和推广关系，提出了广义的自适应相干累积(IGACI)算法。它是在GACI的基础上，在算法的权系数迭代公式中引入更多的动量因子，即利用权系数的更多的历史信息，使被检测的单频或调频脉冲信号，在脉冲期间，实现自适应相干累积，从而完成低输入信噪比条件下的信号检测，而无需或很少需要知道信号的先验信息。理论分析和仿真结果证明在低信噪比的情况下，其性能要优于GACI算法。     

基于时频独立分量分析的Wigner-Ville分布交叉项消除法

由于信号混合引起的交叉项严重降低了Wigner-Ville分布的时频分辨率，为此提出一种基于独立分量分析的Wigner-Ville分布交叉干扰项消除法.在无须了解信号混合系数的情况下，通过盲源分离法提取各独立分量信号，给出盲源分离结果不确定的解决方法.建立了包含自项与交叉项的时频分布矩阵，利用时频分布矩阵的联合对角化算法消除独立分量信号之间的交叉干扰项.通过独立分量自项求和重构Wigner-Ville分布，重构的Wigner-Ville分布具有良好的时频分辨率.数值仿真结果验证了算法的有效性.     

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．     

基于LMS算法的自适应均衡器的MATLAB实现

介绍了基于最小均方算法(LMS算法)的自适应均衡器的原理和结构，针对用硬件实现LMS算法的自适应均衡器存在的诸多缺点，利用MATLAB工具对各种结构形式的自适应均衡器在不同信道模型下的收敛速度和精度进行仿真，并介绍了该仿真程序。     

基于EXP_NLMS算法的MIMO自适应均衡器设计方法

MIMO自适应均衡器的作用是通过校正和补偿时变信道来减少码间干扰,因此通过智能算法来优化其控制参数的方法十分必要.本文对基于指数函数的变步长LMS(EXP_NLMS)算法进行了研究,并将其应用到MIMO自适应均衡器设计中,用于控制参数的智能自适应更新.通过基于归一化最小均方(NLMS)算法和EXP_NLMS算法的MIMO自适应均衡器性能进行仿真和对比分析,得出结论,针对MIMO自适应均衡器的设计,EXP_NLMS算法相比NLMS算法收敛速率更快,收敛后更加稳定,效果更好.     

基于FxLMS算法和预测滤波器的数字耳机降噪研究

通常数字降噪耳机的自适应滤波器采用最小均方差(LMS)、归一化最小均方差(NLMS)等算法,但是由于降噪耳机电路中存在次级通道延迟和AD/DA转换延迟,导致这些滤波器输出信号无法与噪声信号协调起来.FxLMS算法能够有效补偿次级通道延迟,同时在FxLMS滤波器基础上,增加预测滤波器用于补偿AD/DA转换延迟.仿真中,用增加预测滤波器的FxLMS滤波器对已采样的发动机噪声进行降噪,并将其降噪效果与LMS自适应滤波器的降噪效果进行比较.结果表明,在处理低频噪声时,改进后的FxLMS滤波器降噪效果优于LMS自适应滤波器.     

基于LMS算法自适应滤波器的设计

对语音信号及噪声信号的特点进行了分析研究,提出了基于LMS算法自适应滤波噪声抵消模型,能够根据背景噪声的能量分布特征,将被污染的语音信号降噪提出,并且不发生信息丢失现象。采用M atlab软件完成数字滤波去噪声的功能。实验数据表明,该算法简单,可靠性高,能在受坦克、卡车噪声污染且较低的信噪比情况下,对语音信号起到去噪增强作用。