改进SVSLMS算法在系统辨识中的应用及性能分析

通过建立步长因子μ与误差信号e（n）之间的非线性函数关系,提出了一种改进的自适应可变步长最小均方（LMS）算法。该算法具有在误差e（n）接近0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取值偏大的缺点;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,解决了收敛时间和稳态误差的矛盾。将算法应用到系统辨识中,对比一般的变步长算法,改进的算法在平稳过程中具有更快的辨识速度和更小的稳态误差,同时还具有更好的跟踪时变系统的能力。     

一种新的变步长LMS算法分析

最小均方(LMS)自适应滤波算法易于实现,在很多领域得到了广泛地应用.但是存在加快算法收敛和减小稳态误差之间的矛盾,而固定步长LMS算法无法解决矛盾.用反正切函数alan建立了步长因子与误差之间一种新的非线性函数关系.给出了一种新的变步长LMS算法.反正切函数较Sigmoid函数简单且易于控制,并且可以使步长在误差接近为零时变化缓慢.从而可以使算法具有更小的稳态误差.还分析了参数、对算法性能的影响.计算机仿真结果与理论分析一致,算法的性能优于固定步长LMS算法和SVSLMS算法.     

一种新的LMS自适应滤波算法分析仿真研究

传统变步长最小均方(LMS)算法存在收敛速度慢、易受噪声干扰等缺点,为了提高算法的性能,通过对变步长LMS算法进行分析研究,在步长因子x(n)与误差信号e(n)的相关统计量之间建立一种新的非线性函数关系,提出了一种新的变步长LMS自适应滤波算法。该算法采用误差信号的自相关时间均值来调节步长,并用绝对估计误差的扰动量以加快自适应滤波器抽头权向量的收敛。理论分析与计算机仿真结果表明:与SVSLMS和G-SVSLMS算法比较,该算法具有较快的收敛速度、较小的稳态误差以及较强的抗干扰能力。     

一种新的变步长LMS自适应滤波算法

传统LMS算法的优点是计算简单、易于实现，缺点是收敛速度慢，如果为加快收敛速度而增大步长因子μ，则会导致大的稳态误差，甚至引起算法发散。固定步长因子无法解决收敛速度和稳态误差之间的矛盾。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，得出一种新的变步长自适应滤波算法（SVSLMS）。理论分析和计算机仿真结果表明该算法的性能优于传统的LMS算法和NLMS算法。即在计算量增加不多的前提下，能同时获得较快的收敛、跟踪速度和较小的稳态误差。     

一种改进的变步长LMS自适应滤波算法及性能分析

针对现有LMS（Least Mean Square）算法不能同时提高收敛速度及降低稳态误差的矛盾,提出一种改进的变步长LMS算法,建立了步长参数μ(n)与误差信号e(n)之间的一种新的非线性函数关系: 与现有的算法相比,同时引入记忆因子λ和控制函数取值的参数β(n),使当前步长与上一次迭代所得步长及前M个误差的平方相关。理论分析和计算机仿真结果表明,与现有几种常见的LMS算法相比,改进的算法收敛速度和稳态误差的性能指标得到提高。     

自适应语音消噪算法的研究与应用

针对语音通信中的消噪算法进行了研究。经研究发现,消噪算法在收敛速度与稳态误差之间始终存在着矛盾。为改善语音中的消噪能力,减少误差,在G SVSLMS算法的基础上,提出了一种改进的噪声消除算法,即利用引入一个关于误差的反正切函数来改进步长因子,并通过计算机仿真证实了改进算法具有良好的收敛性能和稳态性能,最后利用传统的LMS算法、G SVSLMS算法和改进算法对带有噪声的信号进行了消噪处理,结果表明：在三种算法中,改进算法的噪声消除效果最好。     

基于NCMA算法的递归步长多模盲均衡算法

为了解决传统常数模盲均衡算法收敛速度缓慢的问题,考虑到M-QAM信号模值分布在几个已知半径圆上的特点,该文给出了一种新的基于归一化常数模（NCMA）的递归步长多模盲均衡算法。这种算法能够自适应地调节步长,使收敛后的步长在达到最优的同时,得到的剩余稳态误差也达到最小。仿真实验表明,该算法能够在计算量增加不大的前提下,具有较好的收敛性能及抗误码性能,其收敛速度也得到较大的改善。     

基于变步长LMS 算法的自适应逆控制系统

针对各种变步长自适应滤波算法,提出了两种收敛速度快、鲁棒性能好的基于变步长X- 滤波、e - 滤波LMS 算法和带反馈补偿的自适应逆控制系统．变步长自适应滤波算法可以使系统获得更快的收敛速度 和较小的稳态误差,提高了控制精度;反馈补偿可以克服系统的零漂移．仿真结果表明,经过改进的基于变 步长X- 滤波、e - 滤波LMS 算法的自适应逆控制系统收敛速度快、稳态误差小、抗噪声扰动能力强．     

基于箕舌线的变步长LMS自适应算法

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，并将其应用于通信降噪。该算法除了具有传统固定步长LMS算法计算量小、稳定性较好、简单、易于实时处理等优点外，计算机仿真结果表明，其收敛速度、稳定性以及跟踪速度优于SVSLMS算法和NLMS算法，且不需进行指数运算，计算复杂度低于SVSLMS算法，用于通信降噪取得了较好的效果。     

一种改进变步长LMS算法的性能研究

在对传统LMS算法、变步长LMS算法及其改进算法分析的基础上,提出了一种改进的变步长LMS算法。新算法通过建立步长因子与误差信号之间的非线性函数关系,使其初始阶段和时变阶段步长自适应增大和稳态阶段步长很小,理论分析及计算机的仿真结果表明,该算法可保证较快的收敛速度和较小的失调,能更好地解决收敛速度和稳态误差的内在矛盾,可更好地应用于自适应系统中。     

动量滤波-eLMS算法及其性能分析

针对有源噪声控制中滤波-e LMS(最小均方算法)算法收敛速度慢,收敛步长取值范围小及受参考信号自相关矩阵特征值分散程度影响较大的缺点,提出一种改进的滤波-e LMS箅法一动量滤波-e LMS算法.算法在滤波-e LMS算法的基础上,结合动量LMS算法,在权系数更新迭代时引入一个动量项,此动量项包含了先前梯度的估计值.理论推导证明算法不仅可以加快系统的收敛速度还可以扩大收敛因子的取值范围.仿真结果表明,动量滤波-e LMS算法具有收敛速度快、稳态误差小的优点.还讨论了算法中不同动量因子对算法收敛性能的影响,确定了它们的最优取值范围.     

改进相关矩阵估计的LMS牛顿算法分析与仿真

在LMS牛顿算法中权值的更新采用了输入信号矢量的相关矩阵估计，不同的估计方法对算法的性能影响很大，该文分析了一种改进相关矩阵估计的LMS牛顿算法，该算法通过对LMS牛顿算法中的相关矩阵采用改进的指数加权估计，大大提高了算法的性能，同时维持了适中的计算复杂度。此外，还比较了LMS牛顿算法与RLS算法，从原理上说明了它们的密切联系；指出算法改善性能的关键在于变步长特性，即步长随着时间增加而逐渐变小，使得算法既可以保持较快的收敛速度，又获得了较小的失调。算法在智能天线中的仿真结果表明，该算法具有比常规LMS牛顿算法更优的性能。     

基于反双曲正弦函数的抗冲激块稀疏自适应滤波算法

针对现有基于最小均方误差（MSE）的块稀疏系统辨识算法抗冲激性能不佳的问题,提出了一种利用反双曲正弦函数替代最小均方误差的改进型块稀疏归一化最小均方（IBS-NLMS）算法。该算法首先构造新的代价函数,利用负梯度最陡下降法求出增量,进而导出了新的滤波器权系数更新公式,在公式迭代过程中出现的冲激噪声会导致权系数的更新量趋于零向量,从而消除了由于非高斯冲激干扰而导致的算法发散问题。同时,理论分析并推导出了该算法的均值收敛过程。块稀疏系统辨识的仿真结果表明,在非高斯冲激噪声干扰和截断变化情况下,改进型算法与块稀疏归一化最小均方（BS-NLMS）算法相比有更快的收敛速度和更小的稳态误差。     

一种快速收敛的变步长自适应谐波检测算法

为解决传统固定步长LMS自适应算法在电网谐波检测中存在的收敛速度和稳态误差之间的矛盾,本文提出了一种快速收敛的变步长自适应谐波检测算法。该算法以误差反馈信号、误差信号在总误差信号中所占的比率以及负载电流的相邻两个采样值之差的和作为自适应反馈量,并通过自适应反馈量的相干平均估计来控制步长的更新;同时对系统权值迭代公式进行改进提高收敛速度;并改传统的固定步长变化范围为时变范围,使步长变化更加平滑。该方法在负载突变的情况下有很好的跟踪性能,可有效的提高初始收敛速度、减小稳态失调。仿真分析及实验证明了该算法在谐波检测中的有效性和准确性。     

改进的CRPF在自主天文导航中的应用

针对传统粒子滤波算法中粒子枯竭的缺陷,提出了一种改进的代价参考粒子滤波(CRPF)方法;该算法以代价函数代替统计参考粒子滤波中的后验概率密度函数,引进风险函数进行一步预测及更新,通过概率质量函数对不同的粒子赋予不同的权重,消除了粒子枯竭问题,并使用了自动调整的遗忘因子,可以处理状态变化剧烈的情况;使用该方法处理天文导航中的非线性、非高斯噪声,仿真结果表明,改进算法提高了滤波的稳定性和精确度,具有较高的使用价值和广泛的应用前景。     

基于改进鲸鱼优化算法的WSN覆盖优化

针对无线传感器网络在随机部署移动节点时,存在分布不均匀导致的覆盖率较低的问题,以网络覆盖率最大化为目标建立网络覆盖优化模型,提出一种基于改进鲸鱼优化算法(IWOA)的网络覆盖优化策略;首先,采用量子位Bloch球面坐标编码初始化种群,提升种群多样性,扩展搜索空间的遍历能力;其次,提出一种基于步长改进的位置更新方式,平衡算法的全局探索和局部搜索能力;最后采用莱维飞行,对个体进行扰动更新,提高跳出局部最优的能力。仿真结果表明,将改进后的鲸鱼优化算法应用在WSN覆盖优化中,与标准鲸鱼优化算法和其他文献中的算法相比,有效减少了传感器节点冗余,表现出更快的收敛速度和更高的覆盖率,进而改善网络监测质量,延长网络生存时间。     

一种改进的变步长仿射投影算法

变步长的仿射投影算法因具有较传统仿射投影算法收敛快、失调小等优点而受到广泛重视。但是因计算量较大,限制了其在实际中的应用。为降低计算的复杂性和减少计算量,该文根据权值部分更新和步长间歇更新的思想提出一种改进方案,即根据某些原则仅选择部分权值进行更新以及每L次迭代只更新一次步长。文中通过一个具有有色输入的线性系统的辩识验证了改进方法的性能。仿真结果表明,改进算法在保证计算收敛性和计算精度的情况下,可有效地减少计算量。     

一种改进惯性权重的变异微粒群优化算法

针对微粒群优化算法的早熟收敛和进化后期收敛速度慢等问题,提出了一种改进惯性权重的变异微粒群优化算法。在算法运行过程中,对适应度值不同的微粒赋予不同的惯性权重,使算法既具有良好的空间探索能力又有良好的局部挖掘能力;在群体最优信息陷入停滞时引入变异算子,对聚集在局部最优微粒附近的微粒的位置和速度进行变异操作,使算法摆脱局部最优点的束缚。对4种典型函数的测试结果表明,新算法的全局搜索能力和收敛速度都得到了提高,并且能够有效避免早熟收敛问题。     

Guaranteed convergence in a class of Hopfield networks

A class of symmetric Hopfield networks with nonpositive synapses and zero threshold is analyzed in detail. It is shown that all stationary points have a one-to-one correspondence with the minimal vertex covers of certain undirected graphs, that the sequential Hopfield algorithm as applied to this class of networks converges in at most 2n steps (n being the number of neurons), and that the parallel Hopfield algorithm either converges in one step or enters a two-cycle in one step. The necessary and sufficient condition on the initial iterate for the parallel algorithm to converge in one step are given. A modified parallel algorithm which is guaranteed to converge in [3n/2] steps ([x] being the integer part of x) for an n-neuron network of this particular class is also given. By way of application, it is shown that this class naturally solves the vertex cover problem. Simulations confirm that the solution provided by this method is better than those provided by other known methods.