平稳环境下LMS算法优化分析及其FPGA实现

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。     

一种新的可变步长LMS算法及其性能分析

为了解决基本LMS（Least Mean Square）算法中收敛速度和稳态误差之间的矛盾，提出了一种新的可变步长LMS算法（λNVSS）。该算法通过引入修正系数β和遗忘因子λ，利用当前和过去共M（滤波器阶数）个误差信息来决定下一步的迭代步长。仿真结果显示，λNVSS算法对于平稳过程中的滤波器，能获得较NVSS更快的收敛速度和更小的稳态误差。同时，λNVSS算法还有较好的跟踪跃变系统的能力。     

一种自适应线谱对滤波器的终点误差LMS算法及其学习特性

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。     

基于改进算法的语音增强在激光侦测系统中的应用

为了消除噪声所引起的语音信号的衰落,以自适应滤波器为基础,并综合泄漏最小均方（LMS）算法和变步长LMS算法的优点,提出了适用于激光侦测系统的可变泄漏最小均方（VL-LMS）自适应滤波新算法,对其原理进行了剖析。用实测的带噪语音信号进行了动态仿真,结果表明,该算法能有效地克服基于LMS算法的自适应谱线增强器的不足,具有良好的抑制高斯噪声能力和跟踪性能。     

一种变步长凸组合LMS自适应滤波算法改进及分析

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。     

LMS算法的领域快速实现

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。     

基于FPGA和符号LMS算法的自适应滤波器设计

为了减少实现基于FPGA和LMS算法的自适应滤波器过多消耗硬件资源的问题,提出了符号LMS算法,通过降低乘法运算的次数来提高自适应滤波器的运行速度,并使用流水线技术进行优化。软件仿真验证了符号LMS算法的可行性,硬件仿真证实了采用该算法和流水线技术的自适应滤波器的优越性。     

基于双曲正切函数框架的最小均方算法

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...     

基于LMS算法的自适应滤波器仿真实现

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。     

LMS自适应滤波器的仿真与实现

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。     

基于模糊规则的低轨卫星信道自适应估计算法

低轨卫星通信功率控制需要有对信道增益及时的估计,而由于低轨系统链路增益的时变特性使传统的信道估计方法性能受到限制.基于模糊滤波理论,提出一种在功率控制中使用的自适应LMS信道估计算法,根据分析模型和经验数据建立信道增益及其滑动均值大小的模糊集,利用LMS算法调整模糊隶属函数的参数,使算法具有对信道时变特性一定的适应性.仿真结果表明了算法的有效性.     

低轨卫星信道自适应模糊估计算法

针对功率控制,提出一种利用模糊规则的自适应LMS信道估计算法,通过将信道增益大小和前后变化值的大小划分为若干模糊集,建立将自适应算法和经验值相结合的自适应滤波器,使算法具有对低轨信道时变特性一定的适应性。仿真结果表明了算法的有效性。     

自适应滤波算法研究及其Matlab实现

在对自适应滤波器相关理论研究的基础上,重点研究了LMS自适应滤波算法,给出了不同信噪比条件下,LMS算法的Matlab仿真实现的滤波结果,通过分析仿真结果可以看出,在一定信噪比范围内,LMS算法在未知信号与噪声统计特性的条件下可以达到较好的滤波效果.     

LMS算法的二次稳定性及鲁棒LMS算法

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.     

Sign-sign LMS convergence with independent stochastic inputs

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     

Designing a fuzzy step size LMS algorithm

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     

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。     

A modified LMS algorithm for fast processing — analysis and realization

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.