一种改进的变步长LMS自适应算法

传统的最小均方误差(LMS)算法难以同时获取较快的收敛速度和较小的稳态误差,而变步长LMS算法可获得二者之间的平衡。对已有的一些变步长LMS算法进行了分析,在变系数步长(VFSS)算法的基础上,引入输入信号因子,并建立步长因子与误差信号之间新的非线性函数关系,提出一种改进的变步长LMS算法,该算法不仅继承了VFSS算法在低信噪比环境下抗噪声性能好的特点,而且能够快速跟踪系统的变化,仿真结果表明改进算法的性能优于现有算法。     

改进的NLMS算法及其在自适应预测中的应用

通过分析NLMS[1]和VSSLMS[7]两种算法控制时变步长的思想及这两种算法的优缺点,文章提出了一种改进的归一化变步长算法,它同时使用输入信号积累和瞬时误差来控制步长更新.该算法的优越性在于收敛速度快,尤其在系统跳变时也能快速收敛,可很好地应用于自适应预测系统中.理论分析与计算机仿真结果都表明该算法收敛速度快、失调量小、稳定性好, 且在低信噪比的环境中比其他同类算法有更好的性能.     

基于改进LMS算法的自适应旁瓣对消研究

自适应旁瓣对消是雷达抗干扰的有效方法。为了提高雷达旁瓣对消中算法的收敛速度和稳态性能,针对目前定步长LMS算法存在的问题,本文对该算法进行了分析以及步长改进,提出一种基于双曲余弦函数的自适应变步长LMS算法,并对不同的影响因子进行了仿真分析。通过对加噪的信号进行自适应旁瓣对消仿真分析,仿真结果表明改进的自适应变步长LMS算法对消器可以有效地抑制旁瓣干扰信号,提高对消器的收敛速度和稳态性能,提高输出信噪比。     

变步长LMS自适应滤波算法及其分析

对变步长（LMS）自适应滤波算法进行了讨论,通过对Sigmoid函数修正,建立了步长因子与误差信号之间新的非线性函数关系。新函数在误差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,实现了对SVS—LMS算法的改进。理论分析和计算机仿真结果表明,本算法的收敛性能优于SVS-LMS算法。另外,还对本算法与VS-LMS算法进行了比较,仿真结果表明本算法在低信噪比环境下比VS-LMS算法具有更好的抗噪性能。     

一种新的变步长LMS自适应滤波算法

在对传统LMS算法、变步长SVSLMS算法及归一化LMS算法分析的基础上,提出了一种改进的归一化变步长LMS算法即N-SVSLMS（Normalized-SVSLMS）算法。该算法结合了参考文献中两种算法的思想,得到了改进的归一化LMS自适应算法。该算法在信道环境多变的情况下,收敛速度和稳定性能有了进一步的提高。理论分析及计算机仿真结果表明,N-SVSLMS算法明显优于传统LMS算法、变步长SVSLMS算法及归一化的LMS算法。     

变步长自适应滤波算法的统一框架及其矢量扩展

针对大量的变步长自适应滤波算法,提出了一种采用约束最优化方法描述变步长自适应滤波算法的统一框架.在该框架下,不同算法的目标函数或决策变量不同.利用该框架,将非参数变步长归一化最小均方误差(NPVSS-NLMS)算法扩展到矢量空间,导出一种新的变步长仿射投影算法.理论分析与计算机仿真表明,该算法不仅能根据输出误差自适应调整步长,而且对强相关输入信号能够保持良好的收敛速度、很小的稳态误差和很快的跟踪速度.将该算法应用于回波抵消,其稳态误差比NPVSS-NLMS算法低近5dB.     

一种变步长LMS自适应滤波的改进算法

在信号处理领域,变步长LMS自适应滤波算法被广泛应用,其主要优点为具有较强的鲁棒性和简单易实现.但是,该算法在收敛速度上总是差强人意.针对这个问题对现有的变步长LMS自适应滤波算法进行了改进.首先,介绍了典型LMS算法和传统变步长LMS自适应滤波算法的基本原理及其局限性,在此基础上针对现有基于Sigmoid函数变步长最...     

一种改进的变步长LMS自适应算法

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.     

一种新的变步长自适应滤波算法及分析

现有的变步长自适应滤波算法可分为步长一致和步长非一致两种情况,本文着重对步长一致的情况进行分析讨论,给出了统一的表达式,并定性地提出了步长变化的准则.同时在分析了几种现有变步长自适应滤波算法的基础上,提出了一种新的变步长自适应滤波算法.理论分析和不同情况下的仿真实验结果都表明,新算法能够符合文中提出的变步长准则,在保持算法简单的同时能够满足收敛速度,跟踪能力和收敛精度的要求.     

一种基于模糊推理的变步长自适应滤波算法

论文对现有的变步长自适应滤波算法进行了分析,并定性地给出了变步长自适应滤波算法中步长变化应满足的4条准则。根据这些准则,文章提出了一种新的基于模糊推理的变步长自适应滤波算法。理论分析和实验仿真结果都表明,新算法能够符合文中提出的变步长准则,很好地满足了收敛速度和收敛精度的要求。此外,还给出了该算法应用于回声消除中的结果。     

一种基于LMS自适应滤波的互相关时延估计优化算法

在多站时差定位系统中使用基于LMS自适应滤波的互相关法进行时延估计时,若采用固定步长因子则会在收敛速度和稳态失调之间存在较大矛盾,从而影响时延估计精度。针对这一问题,文中提出了一种基于分段变步长LMS自适应滤波和希尔伯特差值的互相关时延估计优化算法。该方法首先采用分段变步长LMS自适应滤波对信号进行滤波处理,然后将滤波后的信号作互相关运算,最后通过希尔伯特差值法锐化相关函数的峰值,进一步提高时延估计精度。在相同条件下,文中模拟分析了不同算法的时延估计精度。实验结果表明,新的优化算法时延估计精度更高。在不同信噪比下,新方法相较传统时延估计方法精度提高了2.2%以上,具有良好的抗噪声性能。     

一种改进的变步长LMS自适应滤波算法

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。     

改进的变步长LMS改进算法

在基于Lorentzian函数的变步长LMS自适应滤波算法的基础上,进行进一步改进,提出了一种新的自适应LMS滤波算法,通过建立新的误差信号e(n)与变步长因子μ(n)之间的关系,消除不相关噪声的影响。并用Matlab对其进行仿真验证,表明该算法解决了收敛速度和稳态误差之间的矛盾,在保证算法的计算复杂度较低的同时,使得算法的抗干扰能力进一步提高,适用于低信噪比条件下的信号提取及滤波,为实际应用提供了更大的灵活性。     

基于改进SAMP算法的UWB多径信道估计

稀疏度自适应匹配追踪（SAMP）算法重构过程中存在其迭代终止条件设置不够合理的情况,需要对SAMP算法进行改进.在信道稀疏度未知时,改进SAMP算法依据残差之差的相对能量小于设定的停止门限来终止迭代过程,通过自适应调整可变步长逐步逼近信道的稀疏度,从而实现了重构UWB信道.仿真结果表明,改进SAMP算法低信噪比时重构精度高于SAMP算法,具有更好的重构性能和广泛的实用性.     

一种用于多址干扰抑制的变步长盲算法

提出了一种适用于直接序列码分多址DS/CDMA系统多址干扰抑制的一种变步长算法.它对常模算法(CMA)的步长又使用了一种变步长LMS算法,让步长在一个确定的范围内根据最小能量原则自适应调节,克服了LMS算法受步长影响的缺点.仿真表明,新算法能够自动地适应环境的变化,有效地抑制多址干扰.     

Improved variable step-size LMS algorithm based on hyperbolic tangent function

In order to improve that the LMS algorithm for determining step size cannot satisfy both rapid convergence and low steady-state misalignment errors,a variable step size algorithm (IVSSLMS) based on an improved hyperbolic tangent function was proposed.The step size feedback factor and the correlation value of the error signal were used to adjust the step size,and the problems of slow convergence speed and poor anti-noise ability of the fixed-step size algorithm was overcame.The performance and parameters settings of the proposed algorithm were analyzed.The simulation results show that IVSSLMS has a faster convergence rate,lower steady-state error and better system tracking capability than the existing variable step size algorithms under high and low SNR conditions.     

采用子带长时信号变化特征的稳健语音活动检测

为提高语音活动检测(VAD)在低信噪比下的准确率,提出了一种基于子带长时信号变化特征的VAD算法.将语音信号转换到频域,并分解为几个不重复的子频带,对这些子带信号分别提取长时信号变化特征,然后采用GMM在线建立语音和非语音模型,以模型的似然比进行VAD判决.实验结果表明,算法在较低的信噪比下能够显著地提高语音活动检测的准确率,且在多种噪声环境和信噪比条件下具有较好的稳健性.应用于语音识别系统的实验表明,该算法能有效提高噪声环境下的语音识别率.     

A novel variable step size adjustment method based on channel output autocorrelation for the LMS training algorithm

The least mean squares (LMS) algorithm, the most commonly used channel estimation and equalization technique, converges very slowly. The convergence rate of the LMS algorithm is quite sensitive to the adjustment of the step‐size parameter used in the update equation. Therefore, many studies have concentrated on adjusting the step‐size parameter in order to improve the training speed and accuracy of the LMS algorithm. A novel approach in adjusting the step size of the LMS algorithm using the channel output autocorrelation (COA) has been proposed for application to unknown channel estimation or equalization in low‐SNR in this paper. Computer simulations have been performed to illustrate the performance of the proposed method in frequency selective Rayleigh fading channels. The obtained simulation results using HIPERLAN/1 standard have demonstrated that the proposed variable step size LMS (VSS‐LMS) algorithm has considerably better performance than conventional LMS, recursive least squares (RLS), normalized LMS (N‐LMS) and the other VSS‐LMS algorithms. Copyright © 2011 John Wiley & Sons, Ltd.