基于自适应背景预测的无源毫米波弱小目标检测

在分析毫米波辐射图像特性的基础上,对基于单帧的二维最小均方误差（Two-dimensional LMS）背景预测算法进行改进,充分利用连续帧图像中小目标的运动信息和背景的缓变特性,设计出基于连续帧的TDLMS滤波器。针对TDLMS算法对步长μ选取困难的问题,本文采用变步长TDLMS自适应算法。实验证明,该滤波算法能在两帧图像时达到最优的背景预测效果,有效滤除杂波,提高图像信杂比。     

一种新型自适应最小均方算法

针对最小均方(LMS)算法应用于功率放大器时存在收敛速度与收敛精度相矛盾的问题,提出了基于步长比较的最小均方算法。在带有P因子的变步长最小均方算法的基础上,采用简化的Sigmoid函数对步长进行改进,通过对前后两次步长的比较来确定是否更新权系数,以误差的自相关时间均值及均方误差的时间均值来调节算法步长,可以加快算法的收敛速度,降低算法的计算量。仿真结果表明,与最小均方算法相比,经过自适应预失真处理后,该算法的误差向量幅度(EVM)值提高了2.653 2%,系统邻信道功率比(ACPR)减少了4 dB。     

自适应滤波LSL算法及其在去噪中的应用

讨论了基于前向预测误差和后向预测误差的最小二乘方格形(LSL)算法,并对LSL算法及其在噪声消除中的应用进行了分析研究。该算法结合了LMS算法的高计算效率和RLS算法的快速收敛等优点,在自适应信道均衡和自适应阵列信号处理等方面获得了应用。     

自适应格型滤波器新算法及其在语音线性预测合成中的应用

本文从自适应格型滤波器导出自适应线谱对(LSP)滤波,提出了使用最小均方(LMS)型自适应算法逐级更新计算线谱对系数的方法。实验表明,该算法与其它算法比较,具有更高的收敛率和较低的失调。用该算法计算得到的LSP系数进行语音线性预测合成,获得比使用PARCOR系数更好的结果。     

OFDM系统自适应盲信道估计新方法

基于无线通信OFDM系统信道估计,提出了两种时域自适应盲估计方法。这些方法通过对极性(符号)LMS算法（SLMS）进行改进,改进算法有几方面优点,一是继承了极性LMS算法简单易实现的特性;二是解决了极性LMS收敛速度慢的缺点;最后结合自适应可变步长及步长调整策略,有效地提高了算法的估计性能。仿真给出了误差曲线以及归一化均方误差曲线,结果表明,和基于极性LMS盲估计方法相比,修正极性LMS和时变步长修正极性LMS盲估计方法均具有很快的收敛速度。由于采用了变步长技术,时变步长修正极性LMS盲估计方法具有更好的估计性能。      

一维光电阵列信号处理中LMS算法的改进

文中对于基本型最小均方误差自适应算法(基本LMS算法),可变步长最小均方误差自适应算法(以下称为WLMS算法)在激光光谱识别信号的处理上进行了研究。在此基础上提出了一种新的可变步长LMS算法。新算法在WLMS算法的基础上引入了时变的衰减因子参与步长迭代,并详述了新算法的计算机迭代过程。计算机处理结果显示,与基本LMS算法和WLMS算法相比,新算法保持了算法简单的同时,加快了收敛速度,改善了处理结果。     

一种改进的自适应背景预测红外弱小目标检测算法

文章改进了自适应最小均方误差(LMS)算法,将基于历史检测效果的自适应最小二乘(RLS)算法应用于连续帧运动红外弱小目标检测.在已知n-1时刻滤波器抽头权系数的情况下,通过简单的更新,求出n时刻的优化滤波器抽头权系数.计算机仿真实验证明该算法能较大地提高图像信噪比,并以较低的虚警率在2～3帧内较为准确地检测出运动红外弱小目标.     

基于混沌神经网络的二维局部均值估计自适应滤波

为了提高自适应滤波的精度和收敛速度,提出了一种基于混沌神经网络的二维均值估计(LME)自适应滤波算法,在传统的二维LME自适应滤波方案中引入了混沌神经网络控制机制,用混沌神经网络自适应滤波器代替LME中的LMS自适应滤波算法,应用混沌神经网络估计局部期望输出进行滤波.仿真结果表明,该局部均值估计滤波器当输入信号为均值不为0且变化较大时,输出信号仍能较好地实现对输入信号的跟踪,获得了原始信号的主要特性,从均方误差曲面来看,算法具有较快的收敛速度和较高的滤波精度.     

一种自适应线谱对滤波器的终点误差LMS算法及其学习特性

本文提出了一种计算线谱对（LSP）系数的新算法．该算法以最小均方（LMS）误差型算法为基础，梯度计算使用系统终点误差。对接收到的语音观测样本在一个时序的基础进行迭代更新计算，直接产生LSP系数，形成一个LMS算法的自适应LSP滤波器。实验结果表明，该算法与其它自适应滤器的LMS算法比较，具有更高的收敛率和较低的失调。     

图像去噪的新型自适应混合滤波算法

针对含有椒盐噪声和高斯噪声的灰度图像,研究一种新型的自适应混合滤波算法.首先利用改进的自适应中值滤波算法过滤图像中的椒盐噪声;其次利用改进的自适应均值滤波算法过滤图像中的高斯噪声.这种混合滤波算法具有自适应扩大滤波窗口以及自适应选择最佳阉值的特点.计算机仿真实验证实,该方法不仅在改善信噪比(SNR)和最小均方误差(MSE)上明显优于传统的中值滤波、均值滤波、小波硬阈值、软阈值等方法,而且能较好地保护图像细节.     

新的变步长LMS算法在系统辨识中的应用

在分析最小均方误差(LMS)自适应滤波算法和变步长LMS算法的基础上,提出了一种新的变步长算法,该算法用误差的平均值来控制步长的变化,进一步的解决了收敛速度和稳态误差的矛盾。讲述了新算法的具体改进方式,并将该算法和变步长G-SVSLMS算法以及固定步长算法分别应用到系统辨识中,通过MATLAB进行仿真,结果证实文中提出的算法在明显提高收敛速度的同时,并拥有好的稳态误差。     

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。     

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.     

用SystemView仿真LMS自适应算法

最小均方误差(LMS)算法是自适应信号处理中最常用的算法.本文在给出LMS算法的原理的基础上,设计了一种单一频率的自适应陷波器的仿真方案.采用SystemView通信系统仿真工具,仿真了该自适应陷波器工作过程,给出了各点工作波形,并通过实验给出了不同参数条件下的陷波器收敛性能.实验结果表明,在合适的参数条件下,LMS算法可以兼顾收敛速度和稳态误差两方面的性能,实现性能良好的陷波器.同时,由于采用迭代算法,LMS算法更适合DSP或FPGA的数字实现.     

MIMO-OFDM系统中一种基于自适应滤波的信道估计方法

该文提出了一种适用于MIMO-OFDM系统的基于自适应滤波器的信道估计方法,此方法在不需要任何信道统计信息的前提下,通过自适应滤波的方法对时变信道状态参数进行即时跟踪与估计。仿真结果表明该文提出的基于自适应滤波的信道估计方法,相比于不考虑噪声的基于LS算法的信道估计方法,MSE和BER性能均有很大的提高。其中基于LMS滤波器的信道估计方法具有计算复杂度小的特点;而基于RLS的信道估计方法具有收敛速度快,MSE和BER性能均优于基于LMS方法的特点。     

一种用于水声相干通信系统的自适应均衡算法

多通道判决反馈均衡器(MC-DFE)是水声相干通信克服信道多径效应、消除码间干扰(ISI)的主要手段。为了减少多通道数据处理的复杂性、优化算法、提高算法精度,该文提出了自适应自最优预合并多通道判决反馈均衡算法。该算法将快速自优化LMS分集合并(FOLMSDC)算法、快速自优化LMS(FOLMS)算法和快速自优化LMS相位补偿(FOLMSPC)算法有机地结合在一起,使用统一的误差信号,按照最小化均方误差(MMSE)准则调节各部分的系数,从而实现均衡器性能的全局最优。仿真试验和湖上试验对该算法的性能进行了分析。实验结果表明,该文提出的算法可以进一步减少运算量,提高通信系统的接收性能,算法性能优于已有算法。     

改进变步长LMS算法在系统辨识中的应用及性能分析

提出一种改进的自适应变步长最小均方（LMS）算法,该算法利用e^4（n）和遗忘因子λ（n）共同调整步长,同时具有在初始阶段和未知系统时变阶段自适应步长增大而稳态时步长变小的特点,更好地解决了稳态误差与收敛时间之间的矛盾。将该算法应用到系统辨识中,与一般的变步长算法相比,改进算法具有更快的参数辨识速度和更小的稳态误差,同时还具有很好地跟踪多时变系统的能力。     

一种改进的NLMS算法在声回波抵消中的应用

收敛速度和残余均方误差是衡量最小均方算法性能的重要指标。在声回波抵消算法中,为了寻求收敛速度快和计算量小的自适应算法,在归一化最小均方误差算法基础上,把当前时刻以前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带来的影响。该算法比传统的归一化最小均方算法收敛性能更好,稳态失调也比其小。计算机仿真结果表明,新算法在自适应回波抵消中的综合性能要优于传统的归一化最小均方误差算法。     

两种新的抑制高频雷达中Es层干扰的自适应算法

提出了两种新的抑制Es层杂波的自适应对消算法,分别是频域瞬时值LMS算法和归一化频域瞬时值LMS算法。频域瞬时值LMS算法是利用辅助天线输出的Es层杂波瞬时值来估计主天线当前输出中的Es层杂波成分,可以更大程度上抑制Es层杂波。而归一化频域瞬时值LMS算法则是在频域瞬时值LMS算法的基础上增加归一化的过程,可以大大缩短自适应过程的收敛时间。