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。     

LMS算法收敛步长的精确求解

本文提出了用步长阀值上下限的算术平均值去计算收敛步长的新方法,通过LMS算法失调量的精确分析,寻出了计算步长的公式.计算机模拟结果证实了本文方法及其步长计算公式的准确性.     

LMS算法的收敛与与步长选取

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高量，并具有较强的抗信号波动能力。     

基于变步长等变化自适应盲源分离算法

对于基于梯度自适应的盲源分离算法，认真选择步长参数以达到好的分离性能是非常必要的。如果为加快收敛速度而增大步长因子，将会导致大的稳态误差，甚至引起算法发散，因此固定步长因子无法解决收敛速度和稳态误差之间的矛盾。本文为EASI算法提出了一种变步长的解决方案。通过建立步长因子与分离矩阵相互差异之间的非线性关系，加快了收敛速度，减小了失调误差。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。     

一种基于指数函数的变步长LMS算法

提出了一种基于指数函数的变步长LMS算法.通过建立误差ε和步长μ的函数关系,实时调整步长,解决了稳态失调系数和收敛速度的矛盾.仿真实验表明,改进算法较原有的普通LMS算法和双曲正切变步长LMS算法有更高的收敛速度和更小的稳态失调系数.     

迭代变步长LMS算法及性能分析

针对固定步长LMS(Least Mean Square)算法(FXSSLMS)不能同时满足快速收敛和小稳态失调误差的问题,该文提出了迭代变步长LMS算法(IVSSLMS)。与已有的变步长LMS算法(VSSLMS)不同,该算法的步长因子不再是由输出误差信号控制,而是建立了与迭代时间的改进Logistic函数非线性关系,克服了定步长算法收敛慢及已有变步长算法抗噪声干扰能力差的问题。最后从理论上分析了算法的性能,给出了其参数取值方法。理论分析和仿真均表明,所提算法能够在快速收敛情况下获得小的稳态失调误差,在有色噪声干扰下稳态失调误差比已有算法降低了约7 dB。     

一种新的变步长ICA自适应算法

结合互信息极小的优化判据，基于估计函数期望平方准则、外点法和最速下降法的思想，本文导出了一种新的变步长独立分量分析(ICA)自适应算法。该算法克服了固定步长在分离矩阵推导过程中出现的稳态失调问题，比基于模拟退火步长的ICA算法有更快的仞始收敛速度和较高的分离精度。同时，该算法还具有较好的时变系统跟踪能力。理论分析和仿真计算结果证实了其可以有效地提高ICA的自适虚性，更准确地完成盲信号分离。     

一种变步长proportionate NLMS自适应滤波算法及其在网络回声消除中的应用

 Proportionate自适应算法利用稀疏冲激响应的结构特征,极大地加速了算法的收敛速度。但是快速收敛与低稳态失调是一对矛盾的需求,固定步长算法必需折中选择一个步长参数来满足应用的要求。本文提出了一种适用于proportionate算法的变步长方法,有效解决了收敛速度和稳态失调之间的矛盾。所提的算法首先利用最小干扰原理,得到了一个proportionate NLMS算法的推导;进而将干扰信号考虑进算法的系数更新过程,通过在每一步迭代中用后验误差去补偿干扰信号的负面作用,得到一个新的优化准则;最后利用这个准侧,推导出了一个适用于proportionate算法的步长调节方法。仿真实验验证了本文方法的有效性。     

基于修正的变步长判决反馈均衡器算法仿真研究

为了适应高速数据传输的要求，达到在多径衰落无线信道上较好的抗噪声性能，可采用自适应判决反馈均衡器。丈中给出了基于LMS的变步长加动量项算法，并与固定步长进行了对比，计算机仿真表明，该算法在收敛速度和稳态失调上都有所提高。     

LMS和归一化LMS算法收敛门限与步长的确定

从LMS算法失调量的准确表达式出发,根据输入信号特征值分布重新研究了LMS,归一化LMS(Normalized LMS,NLMS)算法收敛的必要条件,推导出LMS和NLMS 算法收敛的步长门限,并分析了输入信号特征值分布、滤波器阶数对算法收敛步长门限的影响,推导出满足性能失调下步长的自适应计算公式,减小了应用 LMS,NLMS算法时步长选取的盲目性,与已有的算法相比,具有计算简单、实用、自适应性能强,同时可获得满意失调量的特点,计算机模拟结果表明该方法的正确性。     

归一化子带自适应滤波器步长控制

定步长子带自适应滤波器必须在快的收敛速度和低的稳态失调之间进行折中。根据自适应滤波器系数向量均方偏差与步长之间的函数关系,该文采用使自适应滤波器系数向量均方偏差在每次迭代更新时最速下降的方法,提出一种步长控制算法来解决上述问题。该算法可以兼得快的收敛速度和低的稳态失调。实验结果验证了该方法的有效性。     

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．     

基于分离度的步长自适应自然梯度算法

首先定义了描述信号分离状态的分离度,并利用分离度作为参数来控制自然梯度算法中的步长因子,从而首次提出了一种基于分离状态的步长自适应自然梯度盲源分离算法。由于该算法步长是基于分离度的,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其它固定步长或变步长的自然梯度算法。     

一种新的变步长LMS算法及其应用

提出了一种新的变步长LMS算法,该算法采用相对的误差互相关函数来控制步长更新。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。该算法的优越性在于计算量小且不受已存在的不相关噪声的影响,可很好地应用于实际信号处理中。     

A robust variable step-size LMS-type algorithm: analysis andsimulations

A number of time-varying step-size algorithms have been proposed to enhance the performance of the conventional LMS algorithm. Experimentation with these algorithms indicates that their performance is highly sensitive to the noise disturbance. This paper presents a robust variable step-size LMS-type algorithm providing fast convergence at early stages of adaptation while ensuring small final misadjustment. The performance of the algorithm is not affected by existing uncorrelated noise disturbances. An approximate analysis of convergence and steady-state performance for zero-mean stationary Gaussian inputs and for nonstationary optimal weight vector is provided. Simulation results comparing the proposed algorithm to current variable step-size algorithms clearly indicate its superior performance for cases of stationary environments. For nonstationary environments, our algorithm performs as well as other variable step-size algorithms in providing performance equivalent to that of the regular LMS algorithm     

基于自然梯度的语音盲分离算法

对于自适应自然梯度算法,选择步长参数以达到好的分离性能是非常必要的。提出了一种步长自适应自然梯度算法。由于该算法中的步长基于分离状态,其学习速率由信号的分离程度自适应选取,因而能很好地解决收敛速度与稳态误差之间的矛盾。计算机模拟试验结果显示,该算法优于传统的自然梯度算法。