超宽带Rake接收机结构的研究

超宽带信号在室内密集多径环境下会产生严重的时间弥散,信号的传输性能将会下降,Rake 接收是提高超宽带接收机性能的重要手段。然而如何确定接收机的叉指数目成为接收机设计过程中的关键问题。基于 IEEE802.15.3a 室内超宽带多径信道模型,采用二进制相移键控(BPSK)调制方式时,选用最大比合并(MRC)方式对 Rake 接收机的超宽带通信系统的性能进行了仿真。仿真得出了最佳的合并叉指数目,结果表明在最佳的合并叉指数目情况下的系统性能较其他叉指数目情况下的系统性能更为优越,验讧了选取此叉指数目的有效性。此方法大大有利于 Rake 接收机的设计。     

基于神经网络的超宽带Rake接收机研究

在复杂的超宽带多径传输环境中,利用Rake接收机可以有效的提高接收性能,本文在对现有Rake接收机的原理分析研究的基础上,提出基于神经网络的超宽带Rake接收机,并在IEEE802.15.3a信道模型中对其性能进行了仿真,结果表明能有效的提高接收性能.     

一种新的变步长LMS自应用滤波算法

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     

基于模糊推理的变步长LMS自适应滤波算法

LMS算法是一种基于最速下降法的最小均方误差自适应滤波算法.为了提高LMS算法的收敛速度,依据模糊控制原理,推导出一种结构简单的步长与误差的非线性函数关系,进而得出一种新的变步长LMS自适应滤波算法（FVSLMS）,该算法结构简单,易于实现.在理论上,根据万能逼近定理,用FVSLMS算法可以以任意精度逼近步长与误差的非线性函数关系,因此它可以作为以误差调节步长的变步长LMS算法的一类统一形式.最后,通过计算机仿真说明了FVSLMS算法具有较好的收敛性能.     

改进的变步长LMS自适应滤波算法及其仿真

对变步长的(LMS)自适应算法进行了讨论,本文提出了一种新的变步长LMS自适应滤波算法,并用计算机进行了仿真,结果表明该算法在误差接近于零时步长具有缓慢的变化的特性,并且在低信噪比的环境下有更好的抗噪性能,滤波效果更好。     

基于改进LMS算法的TH-UWB接收机

跳时超宽带（TH-UWB）无线通信系统通常采用RAKE接收技术。而信道估计的准确度直接影响系统接收性能。提出一种基于梯度的变步长的LMS算法进行信道估计。与传统LMS算法相比,改进的LMS算法可以获得更小的MSE（Mean Square Error）从而为接收机提供更精确的信道估计量。同时,结果也表明该算法提高了整个接收机性能,并获得更小的BER（Bit Error Rate）。     

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。     

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．     

一种新的变步长LMS自适应滤波算法仿真研究

本文在介绍并分析了LMS算法及其改进算法的基础上,提出了一种新的变步长方法.通过MATLAB仿真对比实验,验证了该算法同固定步长LMS、变步长LMS算法相比,在均方误差和收敛速度方面都有很大的提高.该算法为自适应滤波的稳定和快速收敛提供了一个较好的解决方案.     

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。     

一种改进的变步长LMS自适应算法及分析

现有的变步长LMS算法中,大都采用建立步长因子与误差信号的函数关系的方法,以提高算法的收敛速度和跟踪性能,但由于未考虑输入信号对算法性能的影响,使得当输入信号发生变化后,稳态误差明显增大。为此,在现有算法的基础上,引入了输入信号因子,提出了一种改进算法。该算法可根据瞬时误差和输入信号来调整步长因子,使算法不仅能保持较高的收敛速度和跟踪性能,还可在输入信号变化的情况下,保证较小的稳态误差。理论分析及仿真实验表明新算法的性能优于现有算法。     

变步长LMS自适应滤波器算法仿真研究

本文分析了变步长LMS自适应滤波器算法的基本原理,并使用Matlab对其算法进行了编程设计,给出了具体的程序实现,具有比较强的借鉴作用.     

超宽带传输参考接收机研究

针对超宽带传输参考接收机模板信号包含噪声的问题,引入了一种新型的超宽带传输参考接收机结构,重点分析了该接收机的原理及性能。通过仿真验证,该新型的超宽带传输参考接收机性能相比平均超宽带传输参考接收机有很大提升。     

一种改进变步长因子LMS算法的研究

传统的LMS算法,由于其步长因子μ是事先指定的固定值,因而在迭代过程中不能随着估计误差e（n）来进行相应的调整,所以其收敛性完全由初始条件和步长决定。为了改变这种状况,文章提出了一种步长因子μ（n）随时间变化的LMS算法,其收敛速度快于LMS和NLMS,具有较小的失调,将本算法应用于自适应预测系统,Matlab仿真实验结果与理论分析一致。     

改进的变步长频域批处理LMS算法

现有的单载波频域均衡技术中的定步长频域批处理LMS（Frequency-Domain Block Least Mean Square,FBLMS）算法,在收敛速度和稳态误差之间存在矛盾。针对这个问题,基于对变步长LMS算法的研究分析,提出了一种新的改进的变步长频域批处理LMS自适应滤波算法,通过变步长因子以及频域权系数抽头泄漏能很好地协调收敛速度和稳态误差之间的矛盾,并且还具有较低的算法复杂度的特点。通过Matlab对提出的新算法进行计算机仿真验证,结果表明该算法有较好的收敛速度和较小的稳态误差。     

LMS自适应算法的FPGA设计与实现

自适应算法的实现是自适应滤波技术应用于工程实践的基础。本文在分析LMS(最小均方误差)算法原理的基础上,讨论了算法实现的数制、计算量和迭代流程,在减小计算复杂度的基础上,给出了一种基于FPGA的实现方案。仿真结果表明,该方案能够保证LMS算法的收敛性和稳定性,可以应用于实际的数字信号处理系统。     

基于变步长LMS算法的交流阻抗测钢筋腐蚀

交流阻抗法在钢筋腐蚀测量中应用比较广泛,为了改善交流阻抗法在测量时由于测量阻抗较大而存在响应信号微弱、信噪比较低、误差较大等问题,提出了一种改进变步长LMS自适应滤波算法。针对传统算法收敛速度慢和稳态误差较大的缺点,改进了步长因子和误差之间的函数关系,使步长因子对时变系统有了一定的跟踪能力。在改进算法的基础上,在不同频率的信号环境中进行仿真和实验,结果表明将改进的算法应用于钢筋腐蚀测量,有效地提高了响应信号的信噪比,同时减小了稳态误差,测量精度可以精确到10 mV左右,为钢筋腐蚀测量提供了一种新的思路和方法。     

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.     

一种变步长的百在约束频域LMS自适应滤波算法

基于非约束政适应滤波器的结构，本文提出一种变步长自适应算法，即采用最小二乘法选取最优变步长收敛因子，计算机信民真结构表明，该算法比非约束ＬＭＳ算法具有更快的收敛速度和更好的收敛精度。     

一种基于相关函数的LMS算法

从 Asharif定义的相关函数均方误差 (Mean squares error,MSE)准则 Jr(n)出发 ,在利用牛顿梯度法时用当前时刻的梯度估计代替前一时刻的梯度估计 ,并由矩阵求逆定理导出了一种新的相关函数自适应滤波算法。理论分析表明 ,新的算法对步长因子 μ>0是无条件收敛的 ,该算法应用于回波消除中的计算机数值仿真 ,结果显示其收敛性能良好 ,优于 CLMS算法。