共查询到18条相似文献,搜索用时 906 毫秒
1.
高速自适应滤波器的设计及其现场可编程门阵列(FPGA)实现一直是信号处理领域研究的热点。普通最小均方误差算法(LMS)自适应滤波器运行速度受到计算滤波输出和系数更新时间限制,制约了其信号处理的速度。对于平稳环境,通过对自适应滤波器系数更新方程进行前瞻和松弛近似,对LMS自适应算法进行了优化分析,得到了一种改进的LMS自适应滤波器结构。利用DSP Builder工具建立了四阶改进结构的LMS自适应滤波器模型并进行了一系列的仿真,结合多种电子设计自动化(EDA)工具,最终在EP2C35型FPGA上得到了最高响应速度60.07 MHz的高速自适应滤波器。结果表明,改进的LMS自适应滤波器速度较一般结构滤波器快,但耗费了较多逻辑资源。 相似文献
2.
3.
本文提出了一种计算线谱对(LSP)系数的新算法.该算法以最小均方(LMS)误差型算法为基础,梯度计算使用系统终点误差。对接收到的语音观测样本在一个时序的基础进行迭代更新计算,直接产生LSP系数,形成一个LMS算法的自适应LSP滤波器。实验结果表明,该算法与其它自适应滤器的LMS算法比较,具有更高的收敛率和较低的失调。 相似文献
4.
5.
为了避免单个滤波器在收敛速度与稳态误差上相互制约,从而导致系统性能降低的问题,本文采用凸组合最小均方算法(Combined Least Mean Square ,CLMS ),将快速滤波器和慢速滤波器并联使用,同时为进一步改善CLMS算法的性能,对已有的变步长凸组合最小均方算法(Variable Step-size Convex Combination of LMS ,VSCLMS )做出改进,提出了一种新的VSCLMS算法。在该算法中,对快速滤波器选用以最小均方权值偏差(Minimization of Mean Square Weight Error ,MMSWE)为准则的按步分析的变步长滤波器;对慢速滤波器采用以稳态最小均方误差(Least Mean Square , LMS )为准则的固定步长滤波器。通过理论分析与仿真实验表明,该算法能够在噪声、时变以及非平稳的环境下保持较好的随动性能,且在各个阶段均保持良好的收敛性,与传统的CLMS、VSCLMS算法相比,不仅具有更快的收敛速度,而且拥有稳定的均方性能和较优的跟踪性能,为自适应滤波算法的研究提供了一条可行途径。 相似文献
6.
推导了一种替代时域LMS算法的快速频域算法(FLMS),并对其在语音噪声抵消中的应用进行了计算机仿真。计算机仿真的结果证明:它在自适应滤波器权数超过64时,运算量较时域LMS算法有大幅度的下降,但保持了与时域LMS算法相同的收敛速度,同时对算法的局限性和应用范围进行了讨论。 相似文献
7.
8.
自适应滤波器在自适应控制、噪声消除、信道均衡、系统辨识以及生物医学等领域的应用中发挥着重要作用。由于其简单性、低计算量和易于实现等特点,其中最流行的自适应滤波算法是最小均方(Least Mean Square,LMS)算法。传统的LMS算法在处理高斯信号时具有良好的收敛性能,然而,针对非高斯信号的处理,自适应LMS算法的收敛性较差,甚至无法收敛。为了改进LMS算法在非高斯噪声干扰下的收敛性,本文通过将传统的LMS算法的代价函数嵌入到双曲正切(Hyperbolic Tangent)函数框架中设计了一种新的代价函数,从而提出了一种鲁棒的双曲正切最小均方(Hyperbolic Tangent Least Mean Square,HTLMS)算法。此外,针对HTLMS算法存在收敛速度与稳态误差相矛盾的问题,本文设计了一种可变λ参数的双曲正切最小均方(Variableλ-parameter Hyperbolic Tangent Least Mean Square,VHTLMS)算法。仿真结果表明,在系统辨识应用场景中,与LMS算法、最大相关熵准则(Generalized Maximum Corr... 相似文献
9.
基于LMS算法的自适应滤波器仿真实现 总被引:1,自引:0,他引:1
为了达到最佳的滤波效果,使自适应滤波器在工作环境变化时自动调节其单位脉冲响应特性,提出了一种自适应算法:最小均方算法(LMS算法)。这种算法实现简单且对信号统计特性变化具有稳健性,所以获得了极为广泛的应用。针对用硬件实现LMS算法的自适应滤波器存在的诸多缺点,采用Matlab工具对基于LMS算法的自适应滤波器进行了仿真试验。仿真结果表明,应用LMS算法的自适应滤波器不仅可以实现对信号噪声的自适应滤除,还能用于系统识别。 相似文献
10.
本文概述了LMS算法和LMS滤波器的的基本原理,利用MATLAB和DspBuilder立算法模型,完成LMS自适应滤波器的仿真与设计,有效地提高了FPGA的设计效率.降低了设计人员对硬件的要求。 相似文献
11.
12.
13.
14.
本文在时域内研究LMS算法(least mean square algorithm)的稳定性及鲁棒LMS算法的构造.首先将LMS算法表达式转化为标准的离散时间系统状态方程形式,之后运用线性矩阵不等式(LMI)技术对其二次稳定性进行了分析.针对滤波过程中会出现的输入和测量噪声干扰,本文提出了一种兼顾收敛性、鲁棒稳定性以及鲁棒性能的鲁棒LMS算法,最后给出了仿真算例,通过和一般的LMS算法的比较,体现了这种鲁棒LMS算法的优越性. 相似文献
15.
Sign-sign LMS convergence with independent stochastic inputs 总被引:1,自引:0,他引:1
Dasgupta S. Johnson C.R. Jr. Baksho A.M. 《IEEE transactions on information theory / Professional Technical Group on Information Theory》1990,36(1):197-201
The sign-sign adaptive least-mean-square (LMS) identifier filter is a computationally efficient variant of the LMS identifier filter. It involves the introduction of signum functions in the traditional LMS update term. Consideration is given to global convergence of parameter estimates offered by this algorithm, to a ball with radius proportional to the algorithm step size for white input sequences, specially from Gaussian and uniform distributions 相似文献
16.
Designing a fuzzy step size LMS algorithm 总被引:3,自引:0,他引:3
A new approach in adjusting the step size of the least mean square (LMS) using the fuzzy logic technique is presented. It extends the earlier work of Gan (see Signal Process., vol.49, no.2, p.145-49, 1996) by giving a complete design methodology and guidelines for developing a reliable and robust fuzzy step size LMS (FSS LMS) algorithm. It also presents a computational study and simulation results of this newly proposed algorithm compared to other conventional variable step size LMS algorithms 相似文献
17.
18.
Fast convergence and simplicity of the real-time implementation of the adaptive filter algorithm are desirable in several applications. In this paper, a fast modified least mean square (LMS) algorithm is presented and analysed. The performance of the LMS and the modified LMS algorithm is compared with the help of both simulation and experimental results. Once the algorithms reach the track period (i.e. steady-state conditions), their performance is found to be essentially the same. The tracking performance of the modified algorithm is better as it operates twice as fast as the LMS algorithm. 相似文献