一种改进的NLMS算法在声回波抵消中的应用

在NLMS算法基础上,把以前时刻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的影响。该算法比传统的NLMS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,所提新算法在自适应回波抵消中的综合性能要优于NLMS算法。     

采用归一化最小均方误差准则的LM-BP算法

传统神经网络通常以最小均方误差(LMS)或最小二乘（RLS）为收敛准则,而在自适应均衡等一些应用中,使用归一化最小均方误差（NLMS）准则可以使神经网络性能更加优越。本文在NLMS准则基础上,提出了一种以Levenberg-Marquardt（LM）训练的神经网络收敛算法。通过将神经网络的误差函数归一化,然后采用LM算法作为训练算法,实现了神经网络的快速收敛。理论分析和实验仿真表明,与采用最速下降法的NLMS准则和采用LM算法的LMS准则相比,本文算法收敛速度快,归一化均方误差更小,应用于神经网络水印系统中实现了水印信息的盲提取,能更好的抵抗噪声、低通滤波和重量化等攻击,性能平均提高了4%。      

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。     

一种改进的同频直放站反馈对消算法

提出了一种用于数字多媒体无线广播同频直放站的反馈对消模型,利用归一化延迟最小均方误差(NDLMS)自适应滤波算法模拟并有效抵消回波干扰.该方法能够以较低的处理延迟完成回波抵消和信号转发,并提高了收敛速率和失调性能,从而有效提高了直放站对不同保护间隔的无线广播系统的适用性.经仿真验证,在天线隔离度较低、直放站增益较大的情况下,该模型能有效对消系统多径回波信号,能等效提高天线隔离度25-30 dB.     

基于动量梯度下降的回声消除算法

针对极端环境话音系统下声学回波影响工作人员正常施工,且常规声学回声消除算法收敛速度慢的问题,提出一种基于动量梯度下降的基于l0范数的改进系数成比例归一化最小均方误差算法（L0-IPNLMS）。该算法将动量因子引入L0-IPNLMS算法中,解决在算法运行过程中梯度下降时梯度摆动幅度可能过大的问题,也提高了自适应滤波器的收敛速度,且残余回声下降明显,声学回波抑制效果更好。仿真实验表明,与L0-IPNLMS算法相比,新算法在模拟随机多音信号与真实语音信号输入时,均方误差（MSE）可以降低3.47 dB和3.69 dB,回波抑制比（ERLE）提高了3.46 dB和3.68 dB,在低信噪比情况下,使用新算法对真实语音信号进行回声消除,收敛速度高于L0-IPNLMS等算法,且收敛效果有明显改进。     

基于箕舌线函数的变步长归一化最小均方算法

对变步长归一化最小均方(VS-NLMS)自适应算法进行了讨论,针对其在自适应过程渐进稳态时对噪声干扰过于敏感的不足做了改进。同时,为了协调其低稳态误差与快速跟踪性能间的矛盾,引入基于相关误差项的变步长调整方案,同时采取了替代Sigmoid函数的箕舌线函数作为步长迭代公式,大大降低了计算复杂度。仿真结果表明,改进后的算法不仅具备优于归一化最小均方算法的收敛性能,同时具备了更小的稳态失调和快速灵敏的时变跟踪能力。     

多径回波信道条件下回波抵消技术研究

主要研究移动通信数字同频直放站的回拨抵消技术。通过对基于最小均方误差原理的自适应滤波器的收敛条件进行分析,发现即使在外信道为单径信道或只考虑多径信道的主径回波信道时,现有利用时延去相关的自适应滤波算法,在原理上存在着不能保证满足收敛条件的问题。针对这一问题,本文提出了将发送信号进行延时后再送入自适应估计器的改进措施,有条件地改善了回波抵消效果,并进一步提出了消除多径回波的新型技术原理。     

一种约束稳定性最小均方噪声对消算法

研究了最小均方误差(LMS)算法、归一化的最小均方(NLMS)算法及变步长NLMS算法在自适应噪声干扰抵消器中的应用,针对目前这些算法在噪声对消器应用中的缺点,将约束稳定性最小均方(CS-LMS)算法应用到噪声处理中,并进一步结合变步长的思想提出来一种新的变步长CS-LMS算法。通过MATLAB进行仿真分析,结果证实提出的算法与其他算法相比,能很好地滤除掉噪声从而得到期望信号,明显的降低了稳态误差,并拥有好的收敛速度。     

一种改进的归一化变步长最小均方误差自适应滤波算法

本文提出了一种改进的归一化变步长最小均方误差自适应滤波算法（MNVS）．它综合了传统的最小均方误差算法（LMS）和归一化变步长最小均方误差算法（NVS）的优点，既具有快速跟踪能力，又允许大动态范围的信号输入．计算机模拟实验结果表明，MNVS算法的性能明显优于LMS和NVS算法，而其计算量增加甚少。     

用于稀疏系统辨识的低复杂度集员NLMS算法

针对现有的稀疏集员(SM,Set-Membership)自适应滤波算法,普遍存在稳态均方偏差(MSD,Mean Square Deviation)的稳定性较低及运算复杂度较高等问题,提出了一种新颖的稀疏集员NLMS(NLMS,Normalized Least Mean Square)算法.该方案提出一种运算复杂度更低的...     

VoIP电话中的回声消除算法

声学回声是降低VoIP通话通信质量的重要问题之一,自适应回声抵消是抑制回声的最有效方法之一,其采用自适应滤波器评估回声路径。常用的NLMS(Normalized Least Mean Square)算法计算复杂度高,实用性差,本文利用FFT技术,实现了NLMS频域快速算法FDNLMS(Frequency Domain Normalized Least Mean Square),将自适应更新变换到频域,逐块进行累加更新,保证收敛性能的同时,极大的降低了运算复杂度。实验表明,在滤波器系数为1024阶时,FDNLMS算法的处理速度比NLMS快12倍。     

基于载波域自适应迭代滤波器的无源雷达多径杂波抑制方法

在无源雷达系统中,监测通道信号中存在零频和非零频多径杂波,影响目标的检测。时域自适应迭代滤波器(如LMS, NLMS, RLS等)常被用于无源雷达杂波抑制,但这些方法只适用于零频多径杂波。该文针对零频和非零频多径杂波的问题,结合数字广播电视信号的正交频分复用波形特征,提出一种基于载波域自适应迭代滤波器的杂波抑制算法。该算法利用同一载频下含有相同多普勒频移的多径杂波的相关性原理,进行杂波抑制。仿真和实测数据处理结果证明了算法的有效性。     

一种变步长自适应算法在GPS空时抗干扰中的应用

GPS空时二维联合抗干扰处理算法能将强干扰以及多径干扰的强度抑制到接近噪底,并且不会对原信号产生严重的损失或者扭曲。研究发现它的干扰抑制性能优于纯空域滤波。但是此算法比纯空域算法的复杂度高,因为需要处理的采样数据协方差矩阵的维数很大,很难做到实时处理。为了解决这一问题,目前工程中普遍采用的是最小均方误差算法(LMS)。通过分析功率倒置(PI)算法,给出了一种变步长的最小均方误差算法(NLMS)。此算法的干扰抑制性能优于最小均方误差算法,能达到多级维纳滤波算法(MSWF)的抑制效果,满足工程需要,并且运算量低,运算时间短,具有更好的可行性和实用性。并将此算法与LMS和MSWF算法进行了仿真对比,验证了其有效性。     

水下脉冲激光探测后向散射噪声自适应滤波算法

在信号处理中抑制水体传输中带来的后向散射噪声,是水下脉冲激光探测的关键技术之一。基于同一水域相邻2次探测后向散射的相关性,提出一种改进的归一化最小均方（NLMS）自适应滤波算法。根据后向散射的强度和滤波后目标信号大小控制步长因子,使其对不同距离、不同强度的目标信号均能取得良好的滤波效果。通过计算机仿真和水池实验对算法进行验证,结果表明,对不同距离、不同反射强度的目标,该滤波器算法均能以较低的阶数有效滤除后向散射噪声,保留目标回波信号。与现有的自适应滤波方法相比,大大减少了滤波所需的计算资源,在水下脉冲激光探测系统上具有一定的应用价值。     

带有旋转因子的多路回波消除自适应滤波算法

本文提出一种带有旋转因子的归一化多路回波消除算法NLMS-RF,并对算法进行了分析和几何解释.进一步地,我们将所提算法扩展成一种带有旋转因子的多路回波消除仿射算法APA-RF.NLMS-RF算法的计算量远小于Sankaran(1999)所提的多路回波消除算法,而APA-RF的计算量与Benesty(1996)所提出的算法的计算量相当.在收敛精度和速度上,NLMS-RF和APA-RF分别较Sankaran(1999) 和Benesty(1996)所提算法有较大的改善.仿真结果表明所提算法的有效性.     

A Robust Least Mean Square Algorithm for Adaptive Array Signal Processing

Least Mean Square (LMS) has been the most popular scheme in the realization of adaptive beamforming algorithms. In this paper a Robust Least Mean Square (R-LMS) algorithm is proposed which uses ratio parameters to control the contribution of product vectors in the weight upgrading process. The idea behind the proposed scheme is inclusion of previous information in place of relying solely on current sample. The performance enhancement by R-LMS algorithm is achieved with insignificant increase in computational complexity of LMS algorithm, so the crux of the conventional technique is not lost. Simulation results are also presented which illustrate that R-LMS provides relatively fast convergence, less Brownian motion and improved stability.     

一种改进的可变步长LMS算法及性能分析

为解决自适应算法的收敛速度和稳态误差两者间的矛盾,对归一化的最小均方(NLMS)算法、变步长算法及可变步长NVSS算法进行了研究,并结合变步长的思想,提出了一种新的可变步长算法。新的算法中引入合适的遗忘因子与修正参数来建立与步长因子间的函数关系,加快了算法收敛速度的同时,也能在非平稳的环境中有好的跟踪能力。最后把不同的算法应用到系统辨识系统中,通过MATLAB进行实验仿真,结果证实了新提出的算法有快的收敛速度和跟踪时变系统的能力。     

VoIP回声消除器设计及算法研究

本文提出了一种与线性预测编解码器相结合的新声学回声消除器,由去相关可变步长的NLMS自适应算法和基于回声路径失配方差的双端通话检测算法所组成.Matlab仿真结果表明,与Gordy所提出的回声消除算法相比,本文提出的算法在双端通话和回声路径改变时判别更准确,收敛速度更快;在收敛状态时,ERLE值平均提高了15dB,失调误差平均降低了10dB,具备更好的回声消除性能.