基于LS-LMS的智能天线自适应干扰抑制方法

针对基于训练序列的智能天线自适应干扰抑制系统,提出了一种最小二乘(Least squares,LS)-最小均方(Least mean squares,LMS)智能天线自适应干扰抑制方法,该方法首先利用小快拍数LS方法为LMS方法提供初始加权矢量,然后用LMS算法更新加权矢量.对LS、LMS和LS-LMS三种算法复杂度分析比较得知新方法的计算量较小,在快拍数较大或阵元与快拍数均较大时都能有效地提高计算效率.仿真实验表明,新方法性能优于LMS算法,具有较快的收敛速度,且收敛速度与干扰环境无关.     

基于小波变换的变步长LMS自适应滤波算法

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.     

一种新自适应滤波快速算法及其 在多路回波消除中的应用

本文提出了一种新的自适应滤波算法,该算法结构简单、计算量适中且收敛速度快,弥补了一般变步长LMS自适应算法计算量小但收敛速度欠佳,以及仿射投影算法(APA)收敛速度快但计算量非常大的缺陷.该算法计算量与一般LMS算法相当,而收敛速度却与APA算法相当,其结构比APA及相应的改进算法要简单得多.我们不仅对所提算法的收敛性及性能进行了分析,而且将它用于多路回波消除中获得了成功,仿真结果表明,该算法与Sankaran(1997)所提NLMS-OCF算法及Benesty(1996)所提APA-MC算法比较,在收敛速度和收敛精度相当的情况下,其计算复杂度大大减少.从而新算法具备更好的实时性.     

变速率部分更新盲均衡算法

对于长抽头系数自适应算法,基于最大化自适应滤波器系数误差向量原则的变速率部分更新算法,能够在大幅度降低算法实现复杂度的同时,解决部分更新算法收敛速度慢的问题。但是,该变速率算法仅适用于LMS结构,对于具有非线性代价函数的部分更新自适应盲均衡算法并不适用。基于同样的最优化思想,通过替换步长计算表达式中的部分统计量,提出了能够适合于部分更新多模盲均衡算法(MMA)的确定性变步长控制算法,并通过递归的方式计算步长值,简化了实现过程。对固定信道和时变信道的数值仿真结果表明,新算法相比传统基于收敛误差的经验性变步长算法具有更快的收敛速度和更好的跟踪性能,有效解决了部分更新自适应盲均衡算法的确定性变速率控制问题,提升了算法的收敛速度和跟踪性能。     

一种稳定的变步长块LMS自适应算法

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.     

一种改进的低复杂度变步长LMS算法

改进型的变步长LMS算法在有效抑制瞬时噪声对经典的变步长LMS算法影响的同时,也增加了算法的计算复杂度,提高了其硬件实现的难度。为降低变步长LMS算法的计算复杂度,提出了一种步长改变因子与前后两个时刻误差的乘积成正比的新的变步长LMS改进算法,在不增加计算复杂度的条件下,有效地抑制了瞬时噪声对迭代步长的影响。仿真结果表明,提出的算法和现有的变步长LMS算法收敛速度相当,但其稳态误差更小,计算复杂度也更低,有利于算法的硬件实现。     

一种新的变步长LMS自适应滤波算法及其仿真

传统变步长LMS算法存在收敛速度慢、易受噪声影响等缺点,为了提高算法性能,论文建立了LMS算法中步长因子μ(n)和误差信号e(n)的相关统计量之间的非线性关系,提出了一种基于改进的双曲正切函数的变步长LMS(HTLMS)算法.算法采用当前误差与上一步误差乘积的绝对值来调节步长,并引入了绝对估计误差的扰动量来更新自适应滤波器抽头向量,因而具有收敛速度快、噪声抑制能力强和稳态误差低等特点.计算机仿真结果表明,在不同信噪比条件下,与多种LMS算法相比,本文算法都具有较快的收敛速度和较好的稳态误差.     

一种方向优化最小均方算法

最小均方(Least Mean Square, LMS)算法的更新方向是对最速下降方向的估计,其收敛速度也受到最速下降法的约束。为了摆脱该约束,该文在对LMS算法分析的基础上,提出一种针对LMS算法的分块方向优化方法。该方法通过分析误差信号来选择更新向量,使得算法的更新方向尽可能接近Newton方向。基于此方法,给出一种方向优化LMS(Direction Optimization LMS, DOLMS)算法,并推广到变步长DOLMS算法。理论分析与仿真结果表明,该方法与传统分块LMS算法相比,有更快的收敛速度和更小的计算复杂度。     

部分更新块LMS均衡算法分析及应用

采用部分更新最小均方(LMS)算法和重叠保留的块信号频域处理结构,针对现场可编程门阵列(FPGA)的硬件实现平台,提出了时频混合部分更新块LMS和周期性块部分更新LMS均衡算法结构。2种新结构均能有效降低均衡算法的实现复杂度。步长收敛条件分析和数值仿真结果表明,新结构能够在适当调整更新步长的情况下,有效跟踪缓变信道的变化,实现与完整块LMS算法相当的性能,能够有效解决高速数据传输中的均衡复杂度过高的问题。     

一种新的变步长LMS自适应算法及其在自适应噪声对消中的应用

许多时变步长(VSS)自适应算法已经提出用来完善标准LMS算法的性能,但实验表明这些算法容易受噪声干扰.本文介绍了一种新的变步长LMS自适应算法,这种算法保证了较小的失调,同时使算法在自适应初始阶段有较快的收敛速度.该算法的优越性在于它不受已经存在的不相关噪声的干扰.本文对该算法的收敛性和稳定性进行了分析,并将该算法应用于自适应噪声对消的仿真实验中,给出了计算机的仿真结果.     

基于迭代变步长LMS的数字域自干扰对消

针对同时同频全双工(Co-frequency and Co-time Full Duplex,CCFD)系统已有的数字域干扰对消方法收敛速度慢和对消比低的问题,本文提出了迭代变步长最小均方(Least Mean Square,LMS)算法,利用该算法实现了快速收敛的高对消比数字域干扰对消.首先,改进Logistic函数,缩短其函数值由大至小的变化区间,再利用该非线性函数计算随迭代次数变化的步长因子值,从而加快干扰对消的收敛速度,高精度递推估计自干扰信道参数,即获得高的对消比.最后,理论分析了该对消方法收敛性和计算复杂度,得到了稳态条件下对消比的闭合表达式.仿真表明,该方法与已有变步长LMS对消方法相比,对消比可增加6dB以上,收敛速度可提高1倍,与最小二乘信道估计干扰对消方法相比,对消比提高了至少10dB.     

全双工射频自干扰改进时变步长NLMS对消算法

针对现有基于最小均方误差准则的全双工射频域自干扰对消算法存在收敛速度与干扰对消比相互制约的矛盾,提出一种改进时变步长归一化最小均方算法。该算法通过建立最小均方误差步长因子与改进时变sigmod函数的非线性关系,利用实时误差信号自相关和时间参量t协同控制步长因子μ(t),较好的兼顾了收敛速度与干扰对消比。分析与仿真表明:在干信比为80dB、步进间隔Δt=1/32ms、信噪比Eb/N0=10 dB的2FSK全双工系统模型下,该算法能够实现88dB的自干扰消除高出同类算法至少1.5dB且收敛速度和抗突发干扰能力提升显著。      

一种新的变步长自适应噪声消除算法

本文针对电力线噪声的特点,提出了一种新的变步长自适应噪声消除算法.在自适应算法的步长与梯度之间建立了新的关系,弥补了基于误差的变步长算法在自适应噪声消除方面的不足,克服了标准LMS算法的收敛性对输入信号的敏感性,并能根据梯度调整步长大小从而实现算法的快速收敛.通过理论分析设计了新的变步长自适应噪声消除算法,并进行了仿真和实测数据验证,证明了算法相对于其他算法的优势.     

基于韦伯分布函数的低复杂度变步长符号算法

针对OFDM系统中传统信道估计算法在冲击噪声环境中性能急剧下降的问题,提出了一种基于韦伯分布函数的顽健型变步长符号算法进行信道估计。在深入研究冲击噪声特性及韦伯分布函数性质的基础上,提出了采用估计误差绝对值的韦伯分布函数控制步长的低复杂度变步长符号算法。该算法在利用传统符号算法顽健性的基础上,采用估计误差的韦伯分布函数动态地改变迭代符号算法的步长,从而能够以较低的复杂度提高变步长符号算法在冲击噪声环境中的收敛速度。算法复杂度分析及仿真结果表明,在冲击噪声环境下所提算法相较于传统自适应滤波信道估计算法能够以更低的复杂度、更快的收敛速度达到相同的信道估计均方误差。     

自适应算法在干扰抵消器应用中的比较研究

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。     

改进仿射投影算法及其在电子回声消除中的应用

在电子回声消除应用中,为提高自适应算法的收敛速度,提出一种改进的仿射投影算法及其快速实现形式.新算法利用回声路径的稀疏结构特征,通过收敛步长控制矩阵,按滤波器各系数幅值大小,等比例地为其指定相应收敛步长,以加快大系数收敛,最终达到加快滤波器整体收敛速度的目的.对新算法进行的统计学分析,为其快速收敛于目标系统的算法特性提供了理论依据.仿真实验表明与传统自适应算法相比,新算法能减小稳态失调并大幅提高收敛速度,其低计算复杂度亦保证了系统的实时性.     

少模光纤通信系统中的自适应频域均衡算法

少模光纤模式复用存在模式耦合和差分模式时延,必须通过自适应均衡算法补偿。为了降低长距离少模光纤通信系统中自适应均衡算法的复杂度,采用基于变步长-频域块最小均方算法的多输入多输出均衡器对2×2模分复用系统解复用。利用频域块最小均方自适应算法修正均衡器权系数,并通过变步长函数调整步长因子,兼顾算法收敛速度和收敛性能。算法可通过快速傅里叶变换降低计算复杂度。在112Gbit/s的1000km少模光纤高速通信仿真系统中,保证相同收敛速度情况下,提高信号Q2因子3.7dB,并在可编程现场门阵列上验证了100km少模光纤通信系统时的算法性能。结果表明,该算法能够实现模分复用系统的信号解复用,达到快速收敛、低稳态失调的目的。     

Variable step-size Griffiths’ algorithm for improved performance of feedforward/feedback active noise control

A new robust computationally efficient variable step-size LMS algorithm is proposed and it is applied for secondary path (SP) identification of feedforward and feedback active noise control (ANC) systems. The proposed variable step-size Griffiths’ LMS (VGLMS) algorithm not only uses a step-size, but also the gradient itself, based on the cross-correlation between input and the desired signal. This makes the algorithm robust to both stationary and non-stationary observation noise and the additional computational load involved for this is marginal. Further, in terms of convergence speed and error, it is better than those by the Normalized LMS (NLMS) and the Zhang’s method (Zhang in EURASIP J. Adv. Signal Process. 2008(529480):1–9, 2008). The convergence rate of the feedforward and feedback ANC systems with the VGLMS algorithm for SP identification is faster (by a factor of 2 and 3, respectively) compared with that using NLMS algorithm. For feedforward ANC, its convergence rate is faster (3 times) compared with Akhtar’s algorithm (Akhtar in IEEE Trans Audio Speech Lang Process 14(2), 2006). Also, for higher main path lengths compared with SP, the proposed algorithm is computationally efficient compared with Akhtar’s algorithm.