一种新的变步长LMS自适应算法及其仿真

在分析标准LMS及VSS类算法的基础上,针对传统VSS类改进算法中步长因子太小而导致收敛速度变慢的缺点,提出一种新的变步长LMS算法,新算法引入了遗忘因子λ(i),(i=0,1,…,L-1),通过遗忘因子来产生新的步长.计算机仿真结果表明,与标准LMS算法、VSS算法、MVSS算法相比,新算法具有更好的收敛性能.     

一种新的变步长LMS自适应滤波算法

对已有的一些变步长自适应滤波算法进行了分析，在此基础上，提出了一种新的自适应算法。理论分析显示该算法能改善文中所述其他算法的不足；仿真结果表明此算法收敛性能良好，优于文中所述其他算法。     

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.     

一种新的变步长LMS算法研究及其仿真

针对传统定步长LMS（FSS—LMS）算法无法兼顾收敛速度和稳态误差这一问题,在对定步长LMS算法的分析基础之上,根据变步长LMs（VSS—LMS）的步长调整原则,通过构造步长因子与H（n）与稳态误差e（n）之间的非线性关系函数,提出了一种基于双曲正割函数的新的变步长LMS算法,并且分析了参数取值对算法性能的影响。仿真结果表明：本文提出的算法具有收敛速度快、抗噪声性能强和稳态误差小等特点。     

一种新的变步长LMS算法及在DSP上实现

最小均方(LMS)自适应滤波算法易于实现,并在很多领域得到了广泛的应用,但它存在着难于同时获取较快的收敛速度与较小的稳态误差这一矛盾,而固定步长LMS算法无法解决.基于这一矛盾,在此提出一种新的变步长LMS自适应滤波算法,用最佳Wiener解和反正切函数建立了步长因子与误差之间一种新的非线性函数关系,该算法具有良好的收敛性能.并通过DSP验证,结果表明该方法实现简单,不依赖模型,具有较强的稳健性.     

变步长LMS算法及其在自适应消噪中的应用

介绍了一种新的变步长LMS自适应滤波算法。该算法具有较快的收敛速度和较小的失调，并且他不受已经存在的不相关噪声的干扰．将该算法应用于自适应噪声对消系统的仿真中，给出了计算机仿真结果，仿真结果与理论分析是一致的．     

一种新的变步长LMS算法

在对基本LMS算法分析的基础上,通过构造步长因子μ与误差信号e（n）之间的非线性函数,提出一种新的变步长最小均方误差（LMS）算法,并且分析了参数的取值对算法性能的影响。该算法通过调整步长参数,使权向量达到最优,有效改善了收敛速度与稳态误差的性能。理论分析和仿真结果表明,与基本LMS算法以及部分同类变步长LMS算法相比,该算法具有更快的收敛速度和更小的稳态误差,进一步验证了新算法优于这里所述其他算法。     

一种改进的变步长LMS自适应滤波算法

提出一种改进的变步长LMS(Least Mean Square)算法,该算法在步长参数μ与误差信号e(n)之间建立了一种非线性函数关系,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。该关系具有在误差e(n)接近零处缓慢变化的优点,克服了s函数变步长LMS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,改进算法的收敛速度和稳态误差的性能指标都有较大的提高。     

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.     

一种改进的变步长自适应滤波器LMS算法

本文提出一种改进的LMS算法(即MS-LMS)，并建立了步长因子μ与误差信号e(n)之间另一种新的非线性函数关系。该关系不仅具有原有算法在误差e(n)接近零处缓慢变化的优点，而且低信噪比环境下比原有算法具有更好的收敛性能。理论分析和计算机仿真结果表明，在低信噪比的环境下，改进算法的收敛速度和稳态误差的性能指标都有较大的提高，并对系统发生的突变表现出较强的鲁棒性。     

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.     

一种新的变步长最小均方自适应滤波算法

将步长因子与误差信号和测量噪声方差之间的一种函数关系引入自适应滤波器,提出了一种变步长最小均方自适应滤波算法.与已有算法相比,本文算法的步长因子更易于设计和控制.仿真结果表明本算法具有很好的收敛性能,同时也证实了本文算法的有效性.     

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.     

一种改进的变步长LMS算法

通过增加误差信号的自相关值对步长变化的影响,对一种变步长LMS算法进行进一步改进,既继承了前者稳态性能好的优点,又增强了算法跟踪信道变化的能力,具有较好的抗干扰性能,而且收敛速度加快,收敛时间变短。这种算法不仅可应用于跟踪信道特性变化较快的信道(如短波通信),而且也非常适用于算法收敛速度和稳定性要求较高的情况。     

改进的变步长LMS算法及其在自适应消噪中的应用

通过建立误差信号e（n）和步长因子μ（n）之间一种新的非线性函数关系，提出了一种改进的变步长LMS算法。该算法较固定步长LMS算法收敛速度快、稳定性好，和已有的基于S函数的变步长LMS算法相比，不需要进行复杂的复数运算，大大减化了计算量。将该算法应用于自适应噪声对消系统的仿真中，计算机仿真结果与理论分析相一致。     

LMS算法的收敛与步长选取

文章提出了ＬＭＳ算法收敛的新概念，并从梯度谱分析的观点探讨了算法的收敛过程，指出步长选取应使算法具有低通性。据此，文章从失调量的准确表达式出发，导出了计算步长的公式。计算机模拟结果表明，按本文方法计算步长可获得满意的失调量，并具有较强的抗信号波动能力。     

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.