LMS自适应滤波器算法在粉体速度测量中的应用

针对浓相粉体流动速度快 ,波动大等特点 ,采用最小均方误差 L MS自适应滤波器处理粉体流动信号的基本方法 ,首先研究电容传感器的空间滤波效应 ,然后利用 L MS准则估计脉冲响应函数 ,准确寻峰 ,能够克服相关法的卷积涂污作用的影响 .最后给出对实际测量信号的处理结果 .     

基于双曲函数的变步长LMS算法及其分析

提出一种基于双曲函数的变步长最小均方(LMS)算法.通过对双曲余弦函数进行数学变换,建立起误差信号与步长因子的LMS算法,根据误差信号的变化来自动调节步长的大小.仿真结果证明:所提出的LMS算法比标准的LMS算法有着更快的收敛速度等优点.     

基于谱减和LMS的自适应语音增强

针对宽带噪声背景下的语音增强问题,将短时语音视为非平稳或宽平稳信号,基于谱减法和自适应滤波的最小均方（LMS）算法,提出了一种FIR型自适应滤波算法（SSLMS）：用减谱法由短时噪声观测语音估计期望信号,作为滤波器输出信号的参考信号;用滤波器的输出与参考信号的差值为误差信号,用LMS算法求得滤波器权系数修正量,并修正滤波器。权系数最速下降调整中,采用了归一化LMS、符号LMS、块LMS技术,以简化保证权系数收敛的步长选择、减少权系数修正的运算量,从而提高自适应速度。对不同的语音在各种信噪比下仿真实验,并与改进的谱减法比较,结果表明,该法增强效果优于谱减法;在信噪比为3 dB时该法的增强效果仍然令人满意。     

基于自相关的LMS自适应滤波器期望响应构建

针对低信噪比条件下,谱减法和频谱法构建最小均方(Least Mean Square,LMS)自适应滤波器期望响应误差大的问题,在分析LMS自适应滤波原理的基础上,提出用自相关法构建LMS自适应滤波器期望响应。首先,根据噪声在不同时刻互不相关的特点,对输入信号进行采样延迟;然后,为了从低信噪比环境中检测出周期信号,对延迟后信号求自相关;最后,将自相关信号作为期望响应。通过仿真分析对方法进行了验证,可以在低信噪比下准确构建期望响应进行LMS自适应滤波。     

步长随输入信噪比变化的LMS算法

介绍了归一化最小均方误差(LMS)算法,分析了它在平稳环境噪声下步长不能自动调整的弊端。然后提出了步长随输入信噪比变化的LMS算法,分析了步长调整规律。根据该算法在噪声抵消的起始阶段收敛性能差并可能出现发散的现象,对该算法进行了修正,即在起始阶段采用归一化LMS算法,之后利用步长随信噪比变化的LMS算法。通过对语音信号的消噪仿真,表明修正的步长随输入信噪比变化的LMS算法收敛性能好,输出信号的信噪比有了较大的提高。     

基于自适应滤波器的电网谐波电流预测法

提出一种新的基于LMS算法自适应滤波器的有源电力滤波器(APF)参考电流的预测方法，针对传统LMS算法的缺陷(如收敛速度慢、对非平稳输入信号的适应性差等)作了3点改进，这些改进措施可有效提高自适应滤波器的综合性能．仿真与实验结果证明，采用该方法可有效减小延时对APF补偿效果的影响．     

一种基于MVSSLMS的改进算法

在分析传统LMS算法及其改进算法的基础上,提出了一种改进的变步长LMS算法,用误差信号的自相关及均方误差来调节自适应滤波算法的步长,仿真结果表明改进算法的收敛性能良好,优于传统LMS和MVSSLMS算法.     

基于LMS的网络流量预测

通过对网络流量的考察．提出使用自适应最小均方误差方法（LMS）对网络流量进行预测,以及如何针对网络流量特性对LMS预测效果进行优化的方法．并分别使用网络仿真实验和实际IP流量数据对LMS的预测效果进行实验研究。实验表明．使用LMS对网络流量进行预测是可行的。     

信号检测系统中预处理滤波算法的研究

针对信号检测系统中原始信号采集后的预处理滤波问题,分别采用FIR滤波算法和LMS滤波算法对该问题加以分析和讨论。通过功率谱密度、小波能量系数分析评价体系,验证了预加重信号在能量谱提升方面起到的作用,同时得出LMS滤波算法在信号预处理方面优于FIR滤波算法的结论。最后将该预处理滤波算法信号检测系统应用于整体传感器信号的测试检测中,该实验取得了较好的效果。     

基于自适应滤波的多模噪声抑制研究

多数研究都是将噪声当作高斯噪声处理,但实际上在多模噪声(整体上属于非高斯噪声)背景下,信号受损严重。用传统的LMS自适应算法不能很好的抑制噪声,格里菲斯LMS算法收敛速度较慢。提出一种将格里菲斯LMS算法(GLMS)与LMS-Newton算法相结合的GLMS-Newton算法,并给予了改进。在改进中,不仅采用了基于互相关变步长因子,而且引入了基于输入信号与期望信号的互相关的梯度算子。仿真表明,在收敛速度、稳态误差等方面都有了较大改善,能够很好的抑制多模噪声,提取出有用信号。     

基于指数函数的归一化变步长LMS算法

在研究归一化最小均方误差(NLMS)算法的基础上,提出一种基于指数函数的变步长LMS算法。通过建立误差 和步长 的函数关系,实时调整步长,并对输入信号完成时域信号解相关,解决稳态失调系数与收敛速度的矛盾。仿真实验结果证明,该算法与传统LMS算法、SVS_LMS算法、NLMS算法以及双曲正切变步长LMS算法相比,具有更高的收敛速度和较小的稳态失调系数。     

一种改进的LMS滤波器在DCG去噪中的应用

研究了LMS自适应滤波器在动态心电信号去噪中的应用。提出了一种适合动态心电信号预处理的变步长LMS改进算法,该算法用误差信号对期望信号的相对误差的平方根来调节步长。实验表明,这种改进滤波器在收敛速度和信噪比两方面都优于固定步长的滤波器。     

基于DSP混合编程的LMS自适应滤波算法实现

本文分析了LMS自适应滤波算法的基本原理,并结合2FSK信号解调的实例,在TMS320VC5416器件上分别采用C语言和混合编程方法对LMS自适应滤波算法进行了实现。结果表明,采用混合编程的LMS自适应滤波实现方法具有软件接口简单,运行速度快,易于进行实时信号处理等特点。     

模糊步长的RAKE接收机仿真研究

研究无线通信中多路径传播优化信号质量问题,针对传统的RAKE接收机需要通过增加分支来提高系统性能,提出了一种模糊步长LMS算法的自适应RAKE接收机,采用对抽头延迟线的权值进行自适应调整的方法可以有效地合并多径信号,克服多径干扰,并且消除信号间的干扰和噪声.对LMS算法的步长进行了改进,提出一种新的模糊步长的方法,以便提高LMS算法的收敛速度和降低稳态误差.在MATLAB上进行仿真.仿真结果表明,模糊步长的RAKE接收机性能优于传统的RAKE接收机性能.     

电力智能传感器中的信号处理研究

探讨了误差最小均方(LMS)法在电力智能传感器的电压分量中的运用。提出并分析和比较了获取电力智能传感器中电压有效值和初始相位角的几种方法,指出误差LMS法因降低了对电路性能的要求而能有效地简化系统、降低成本。仿真实验表明:直接根据定义分析电力参数,需要很高的采样频率与信噪比,而利用误差LMS法在获取电压有效值时采样频率可降低3倍,在求解初始相位角时对信号中干扰幅值的要求从小于信号幅值的5%可放宽到信号幅值的15%。     

胎儿心电信号提取算法研究

本文首先建立了心电信号模型,然后分别采用了最小均方(LMS)算法和小波变换模极大值算法,从腹部混和信号中提取胎儿心电信号,仿真结果表明基于小波变换模极大值提取胎儿信号时,其性能明显优于LMS算法,具有收敛速度快,在低信噪比下仍然适用的特点.     

基于变步长因子的改进LMS算法

自适应滤波在生活中有非常广泛的应用,对于未知信号的滤波效果非常显著,本文主要对常规的LMS自适应滤波算法进行改进.常规的LMS算法由于步长因子是固定的,不能同时满足滤波的收敛速度、稳态误差和初始噪声的有效滤除等性能要求.针对上述问题,本文提出了一种改进型LMS算法,改进型LMS算法是通过提出误差因子这一概念,利用误差因...     

基于FPGA的双轴倾角计信号提取方法研究

为从车辆复杂噪声背景下实时提取双轴倾角计的有效信号,在分析弱信号特征提取方法的基础上,针对LMS算法在处理相关信号时收敛速度降低的缺点,提出一种对噪声敏感度较低的变步长LMS算法,基于FPGA平台设计实现一种采用一阶滤波单元重用方式实现多阶LMS滤波器的可扩展滤波器结构.试验首先通过收敛速度评价指标验证算法的优越性;其次利用滤波后的双轴倾角计信号的频谱分析证明算法对其自身噪声与车载环境噪声有较好抑制;最后对比5种不同硬件平台实现结果的差异,试验表明FPGA实现方案在执行时间、功耗和硬件占用率方面具有明显的优势.     

一种改进的导航信号窄带干扰抑制方法

针对导航信号中的窄带干扰问题,提出一种基于频域处理的最小均方(LMS)窄带干扰抑制方法。该方法在传统的LMS滤波器结构中引入权值泄漏因子a,以减少导航信号中有用信号在滤波过程中的损失。通过采用权值系数稳定度d的判断处理去除导航信号中的变频窄带干扰。仿真结果表明,该方法对固频和变频的窄带干扰都有较好的抑制效果,可提高导航接收机的抗干扰性能。     

基于谱减法和变步长LMS语音增强算法

谱减法是目前有效的增强语音信号质量的技术之一,低信噪比下降噪效果明显,而LMS自适应滤波算法收敛速度慢,步长需在收敛速度和失调折中选择。提出了先经过谱减法然后采用变步长LMS自适应滤波算法联合去噪来提高信号质量,通过改变误差的平方项来调节步长,步长采用先固定后变化的原则,兼顾了提高收敛速度和缩小稳态误差。在MATLAB 环境下进行仿真实验,测试结果表明提出的经过基本谱减法后再采用变步长LMS自适应滤波算法能有效消除背景噪声,信噪比SNR和PESQ分值得到了较大的提高,减少了原始语音信号的失真,提高了信号质量。