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.     

一种新的变步长LMS自适应算法及其性能分析

通过建立步长因子μ与误差信号e之间的非线性关系,提出一种新的基于箕舌线的变步长LMS算法。该算法具比有传统LMS算法计算量小、稳定性较好、简单易于实时处理等优点。仿真结果表明,其收敛速度、稳定性以及跟踪速度优于传统固定步长LMS算法和SVSLMS算法,且不须进行指数运算,计算复杂度低于SVSLMS算法。     

一种变步长LMS自适应滤波算法及分析

本文对变步长自适应滤波算法进行了讨论,建立了步长因子μ与误差信号e(n)之间另一种新的非线性函数关系.该函数比已有的Sigmoid函数简单,且在误差e(n)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.由此函数本文得出了另一种新的变步长自适应滤波算法,并且分析了参数α,β的取值原则及对算法收敛性能的影响.该算法有较好的收敛性能且计算量少.计算机仿真结果与理论分析相一致,证实了该算法的收敛性能优于已有的算法.     

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.     

一种新的变步长LMS自适应滤波算法

本文通过建立步长因子μ与误差信号之间的非线性函数关系,提出了一种新的变步长LMS(LeastMean Square)算法.该算法具有初始阶段和未知系统时变阶段步长自动增大而稳态时步长很小的特点,且克服了S函数变步长LMS算法(简称SVSLMS算法)在自适应稳态阶段μ(n)取值偏大的缺陷.理论分析和计算机仿真结果表明该算法的性能优于SVSLMS算法.     

变步长自适应滤波算法的研究

本文提出一种采用参考输入信号与误差信号互相关系数估值的变步长自适应滤波算法(VS-NLMS)。与常规的固定步长自适应滤波算法(NLMS)相比,VS-NLMS算法在同样的收敛速度及跟踪速度下能获得更小的稳态误调噪声。理论分析与计算机模拟证实了该算法的优越性。     

一种新的可变步长LMS自适应滤波算法及其算法分析

在讨论基本LMS．变步长NLMS和LMS／F组合自适应滤波算法的基础上提出一种新的可变步长LMS自适应滤波算法,新算法引入修正系数和遗忘因子．并利用和来产生新的步长参与迭代。计算机仿真结果表明,与基本LMS算法或变步长NLMS、LMS／F组合算法相比,新算法在保持算法简单这一特点的同时进一步加快了收敛速度,并能够收敛到更小且稳定的均方误差(MSE)。     

一种具有双瞬变因子的LMS自适应滤波算法

作者在文献〖４〗中提出了一种改进的瞬变步长ＳＰＬＭＳ自适应滤波算法。本文在ＳＰＬＭＳ算法的基础上,进一步提出一种基于瞬变步长、瞬变平滑因子的双瞬变ＳＰＬＭＳ算法－ＤＳＰＬＭＳ算法。该算法除具有常规ＬＭＳ算法简单的优点外,还具有更高的起始收敛速率、更小的权失调噪声和更大的抑噪能力．文中重点讨论了瞬变步长、瞬变平滑因子的变化特性。计算机仿真结果支持了理论分析。     

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.     

一种改进的NLMS算法在声回波抵消中的应用

收敛速度和残余均方误差是衡量最小均方算法性能的重要指标。在声回波抵消算法中,为了寻求收敛速度快和计算量小的自适应算法,在归一化最小均方误差算法基础上,把当前时刻以前的误差引入归一化收敛因子中得到一种新算法,可以减小信号样本波动对权重带来的影响。该算法比传统的归一化最小均方算法收敛性能更好,稳态失调也比其小。计算机仿真结果表明,新算法在自适应回波抵消中的综合性能要优于传统的归一化最小均方误差算法。     

一种新的步长等变化自适应算法

定义了描述信号分离状态的一种测度,并在认真分析相关固定步长和变步长EASI算法的基础上。提出了一种新的步长自适应等变化自适应（EASI）算法。该算法步长是基于分离状态的。其学习速率由信号的分离程度自适应地选取。因而能很好地解决收敛速度和稳态误差之间的矛盾。计算机仿真结果与理论分析相一致,证实了该算法明显优于传统的EASI算法．     

一种变步长凸组合自适应滤波器及其均方性能分析

在分析凸组合最小均方(CLMS)算法性能的基础上,提出一种新的变步长凸组合最小均方(VSCLMS)算法。该算法采用一种变步长滤波器替代原CLMS滤波器组中的恒值大步长滤波器,使新的自适应滤波器能够在噪声、时变,甚至非平稳的环境下保持良好的随动性能,并在收敛的各个阶段均保持快速且稳定的均方特性。理论推导与仿真分析分别验证了新算法与原CLMS算法相比不仅有更快的收敛速度,而且稳态均方性能与跟踪性能也有所提高。     

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.     

一种改进的数字同频直放站自适应反馈干扰抑制算法

基于数字地面电视广播(Digital Terrestrial Television Broadcasting,DTTB)同频直放站的回波干扰抑制,提出了一种变步长块LMS(Variable Step- size Block Normalized Least Mean Square,VSSBNLMS)自适应算法.此算法的目的是为了提高传统回波干扰抑制的自适应算法的收敛速度和降低计算复杂度.其将输入信号分为长度相等的块,在每一个数据块内,权值向量只更新一次,有效地降低了计算复杂度.另外,该算法通过输出误差控制更新步长的变化,与传统的归一化LMS(NLMS)和块LMS(BLMS)算法相比,提高了收敛速度.仿真结果表明,该算法具有良好的收敛速度和回波干扰抑制性能.     

集成多种自适应滤波算法的回声消除器

如何选择自适应算法的步长,从而有效解决收敛速度和稳态失调之间的矛盾是回声消除中的一个重要问题。论文提出一种集成多种自适应滤波算法的回声消除框架,以挖掘不同自适应滤波算法以及不同步长选择之间的互补性,来获得稳定的消除效果。所提算法可以分析同一时刻不同算法的误差,并始终选择一种最好的算法。通过对LMS、NLMS、PNLMS和IPNLMS这四种自适应算法的结合实验,显示了该算法可以集合各种算法以及步长选择的优点,具有更快的收敛速度和良好的稳态特性。     

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。     

一种新的变步长ELMS算法在噪声抵消中的应用

为了寻求高效快速的自适应算法,在ELMS算法基础上,提出了一种用均方误差和误差的相关性来调节步长的混合变步长ELMS（MVSS-ELMS）算法。该算法符合步长调整原则,并在抗噪性、有效性方面有了很大改善,同时具有比传统的LMS,ELMS算法收敛速度快,稳态失调小等优点。计算机仿真结果表明,新算法在自适应噪声抵消中的综合性能优于LMS及ELMS算法。