基于子带分解的自适应滤波

本文对基于子带分解的自适应滤波做了研究，给出子带分解下的包含子带间滤波的最优维纳解和ＬＭＳ算法，并分析了其收敛性能和计算复杂度，与传统的ＬＭＳ算法相比，基于子带分解的自适应滤波具有更好的性能，计算机模拟结果也体现了这一点。     

改进子带自适应滤波算法及其在回波抵消中的应用

本文提出了两种基于多带结构的仿射投影符号子带自适应滤波器(Affine Projection Sign Subband Adaptive Filter, AP SSAF)的改进方法。针对稀疏系统的系统识别,设计了两种子带自适应滤波器。首先给出了AP SSAF的变正则化参数更新方程,文中采用随机梯度下降法来更新正则化参数,来使系统的均方偏差最小化,该方法能同时兼顾快速收敛及低稳态失调。其次将权重分布矩阵引入AP SSAF得到系数比例AP SSAF,该方法能够利用系统的稀疏性提高AP SSAF的收敛性能。仿真中将本文所提算法用于一般系统识别以及回波抵消,实验结果验证了本文的算法对脉冲噪声具有稳健性,具有较好的跟踪性能,并具有较快的收敛速度及低稳态失调。      

分布式子带自适应滤波算法

为了解决分布式最小均方算法在输入信号相关性较高时收敛速度较慢、分布式仿射投影算法计算复杂度较高等问题,本文提出了两种分布式子带自适应滤波算法,即递增式和扩散式子带自适应滤波算法.分布式子带自适应滤波算法将节点信号进行子带分割来降低信号的相关性,从而加快收敛速度.由于用于子带分割的滤波器组中包含了抽取单元,所以分布式子带自适应滤波算法和对应的分布式最小均方算法的计算复杂度相近.仿真结果表明,与分布式最小均方算法相比,分布式子带自适应滤波算法具有更好的收敛性能.     

一种稀疏系统辨识的子带自适应滤波算法

利用改进的多带结构子带自适应滤波(IMSAF)算法辨识具有稀疏特性的未知系统.代价函数引入加权的l1范数作为附加约束,并结合次梯度分析方法推导出新的更新方程.根据加权矩阵选取的不同,提出了两个li范数约束的IMSAF算法:l1-IMSAF和l1-RIMSAF.仿真结果表明,在未知系统具备稀疏特性的条件下,相较于传统的IMSAF算法,两个新算法的收敛性能具有显著提高.     

一种成比例系数的子带自适应啸叫抑制算法

啸叫现象会严重影响扩声系统性能.采用自适应滤波算法辨识反馈路径的方式进行啸叫抑制,将成比例系数的无延时多带结构子带自适应滤波(Proportionate Delayless Multiband-structured Subband Adaptive Filtering,PDM-SAF)算法应用到啸叫抑制系统中.该算法继承了子带自适应滤波算法收敛速度快的优点,并考虑到反馈路径的稀疏特性和系统对实时性的要求,采用成比例系数的步长控制和无延时的误差计算方法.仿真结果表明,当扩声系统的反馈路径具有稀疏特性时,PDMSAF算法可以加快自适应滤波的收敛和跟踪速度.     

偏差补偿符号子带自适应滤波器

自适应滤波器在系统辨识、回声消除、信道均衡等领域获得了广泛应用.符号子带自适应滤波器（Sign Subband Adaptive Filter,SSAF）具有较强的抗脉冲干扰能力,但当输入信号受到噪声干扰时,其对未知系统系数向量的估计会产生偏差.为了解决上述问题,本文基于无偏估计准则,提出了一种偏差补偿符号子带自适应滤波器（Bias-Compensated Sign Subband Adaptive Filter,BC-SSAF）.为了解决定步长自适应滤波器需要在收敛速度和稳态失调之间进行折中的问题,本文采用随机梯度法来更新正则化参数,提出了变正则化参数偏差补偿符号子带自适应滤波器（Variable Regularization Bias-Compensated Sign Subband Adaptive Filter,VR-BC-SSAF）.仿真结果验证了BC-SSAF和VR-BC-SSAF性能的优越性.     

变步长自适应滤波算法的研究

本文提出一种采用参考输入信号与误差信号互相关系数估值的变步长自适应滤波算法(VS-NLMS)。与常规的固定步长自适应滤波算法(NLMS)相比,VS-NLMS算法在同样的收敛速度及跟踪速度下能获得更小的稳态误调噪声。理论分析与计算机模拟证实了该算法的优越性。     

一种改进的变步长LMS自适应滤波算法

提出一种改进的变步长LMS(Least Mean Square)算法,该算法在步长参数μ与误差信号e(n)之间建立了一种非线性函数关系,并且分析了参数α,β的取值原则及对算法收敛性能的影响。该关系具有在误差e(n)接近零处缓慢变化的优点,克服了s函数变步长LMS算法在自适应稳态阶段μ(n)取值偏大的缺陷。理论分析和计算机仿真结果表明,改进算法的收敛速度和稳态误差的性能指标都有较大的提高。     

一种改进的变步长LMS自适应滤波算法

传统的固定步长的LMS算法难于同时获取较快的收敛速度与较小的稳态误差,基于这一矛盾,将变步长算法与变换域算法相结合,提出一种改进的LMS自适应算法以获得较快的收敛速度和较小的稳态误差。仿真结果表明,此算法在收敛速度与稳态误差的性能上均不同程度地优于其他同类算法,尤其是在低信噪比的情况下,其性能的优越性更为突出。     

一种新的变步长自适应滤波算法及分析

现有的变步长自适应滤波算法可分为步长一致和步长非一致两种情况,本文着重对步长一致的情况进行分析讨论,给出了统一的表达式,并定性地提出了步长变化的准则.同时在分析了几种现有变步长自适应滤波算法的基础上,提出了一种新的变步长自适应滤波算法.理论分析和不同情况下的仿真实验结果都表明,新算法能够符合文中提出的变步长准则,在保持算法简单的同时能够满足收敛速度,跟踪能力和收敛精度的要求.     

基于子带滤波器组的宽带自适应天线旁瓣相消技术

文[6]提出在数字移动通信中子带滤波器组处理可以提高不同阵元信号的相关性,从而能改善自适应阵列抑制码间干扰(ISI)和共信道干扰(CCI)的能力.在文[6]的基础上,本文研究了子带滤波器组在宽带自适应天线旁瓣相消中的应用,对其原理进行了理论分析,提出了有效的子带处理方法.经研究表明,子带滤波器组处理能有效增加主、辅助天线信号的相关性,从而提高系统干扰相消比.而且适当的过采样能使系统干扰相消比进一步提高.计算机仿真结果和实测雷达数据处理结果证实了子带处理方法的有效性和理论分析的正确性.     

自适应时空正则化的相关滤波目标跟踪

针对相关滤波目标跟踪算法空间正则权重没有与目标建立联系和时间正则项不能自适应更新的问题,提出自适应时空正则化的相关滤波目标跟踪算法.首先,利用初始帧的显著感知参考权重,使自适应空间正则项能够在后续跟踪过程中获取与目标存在联系的空间正则权重.然后,利用相邻两帧响应得分的变化情况计算时间正则化参数的参考值,使自适应时间正则...     

改进的NLMS算法及其在自适应预测中的应用

通过分析NLMS[1]和VSSLMS[7]两种算法控制时变步长的思想及这两种算法的优缺点,文章提出了一种改进的归一化变步长算法,它同时使用输入信号积累和瞬时误差来控制步长更新.该算法的优越性在于收敛速度快,尤其在系统跳变时也能快速收敛,可很好地应用于自适应预测系统中.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.     

一种改进的变步长自适应滤波器LMS算法

本文提出一种改进的LMS算法(即MS-LMS)，并建立了步长因子μ与误差信号e(n)之间另一种新的非线性函数关系。该关系不仅具有原有算法在误差e(n)接近零处缓慢变化的优点，而且低信噪比环境下比原有算法具有更好的收敛性能。理论分析和计算机仿真结果表明，在低信噪比的环境下，改进算法的收敛速度和稳态误差的性能指标都有较大的提高，并对系统发生的突变表现出较强的鲁棒性。