变抽头长度LMS自适应滤波算法

该文将自适应滤波器抽头长度与权值调整问题归结为单一的权值调整问题,提出了抽头长度的一般更新公式及新的变抽头长度LMS算法,从理论上分析了其合理性与收敛性。新算法用长滤波器与短滤波器的时平均平方误差估计稳态均方误差,采用了自适应调整的抽头长度步长,可在滤波器权值未收敛时就快速更新抽头长度。论文还证明了目前文献中几种有效的变抽头长度算法也可看作或化为文中抽头长度一般更新公式的特例,理论分析与自适应系统辨识的仿真结果验证了新算法的有效性。     

一种α稳定分布下的变抽头长度LMP算法

针对无法事先知道滤波器抽头长度,且系统中存在“稳定分布噪声的情况,提出了一种α稳定分布背景下的变抽头长度自适应算法,采用3个并行的滤波器,比较数据段内其平均P阶误差大小,每K点数据段更新一次抽头长度,数据段内滤波器权值采用LMP算法调整。算法仿真表明,算法在不同特征指数的α稳定分布下都具有很强的韧性,能自适应调整到最优抽头长度,达到最优抽头长度的LMP算法的稳态误差。     

一种三阶Volterra自适应滤波算法

采用更高阶Volterra滤波器更好地逼近非线性系统时,Volterra自适应滤波算法的计算复杂度呈幂级数增加。针对此问题,本文提出了一种在α稳定分布噪声背景下基于离散余弦变换(DCT)的三阶Volterra滤波算法。首先将Volterra滤波器的三次项权系数矩阵分解成一组二次项权系数矩阵;然后利用正交变换,将二次项权系数矩阵变换成对角矩阵,从而大大减少了权系数个数,有效降低了算法的计算复杂度;最后将Volterra自适应滤波器输出表示成线性滤波器输出形式,并由此得到权系数自适应调整算法。系统辨识的仿真结果表明,本算法在α稳定分布噪声背景下具有优越的性能。     

一种分阶自适应Volterra滤波算法

稳定分布可以更好地描述实际应用中所遇到的具有显著脉冲特性的随机噪声.这种噪声的二阶及二阶以上统计量均不存在,需要用分数低阶统计量描述.针对Volterra级数非线性项将稳定分布的尖峰脉冲特性更加放大,导致输入信号自相关矩阵的特征值扩展更大的问题,本文提出了一种对于二阶Volterra级数的线性项部分和非线性部分分别采用两个不同收敛因子的分阶Volterra滤波器最小平均p范数(DOVLMP)算法,并分析证明了该算法的收敛性能.仿真结果验证了本文方法较传统算法的优越性.     

α稳定分布下的自适应数据块滤波算法

本文基于分数低阶统计量原理提出了α稳定分布下的自适应数据块LMP和LMAD滤波算法.新算法利用更多的输入信号和误差信号的信息,更准确地估计梯度,调整自适应滤波器权向量增量方向,提高了收敛速度.采用变步长因子改善算法的稳态误差,进一步提高了算法的收敛性能.仿真结果表明,在分数低阶α稳定分布信号条件下,自适应数据块滤波新算法较NLMP算法和NLMAD算法有更好的收敛性能.     

一种基于格型滤波的二阶Volterra自适应均衡算法

针对随着Volterra滤波器记忆元增多,计算复杂度成指数快速增加的问题,本文提出了一种基于格型滤波的二阶Volterra自适应算法.利用格型滤波器正交化处理输入信号,实现了二次项信号解耦,从而减少了自适应算法的输入信号自相关矩阵条件数,提高了自适应算法性能;同时也实现了二次项的权系数矩阵对角化,大大减少了二次项的权系数,使得滤波器权系数与输出成线性关系,权系数的LMS算法变得更加简便.计算机仿真结果表明,本文所提出的算法无论对线性信道还是非线性信道都有比文献[5]算法更快的收敛速度和更好的稳态性能.     

一种全解耦分组二阶Volterra自适应滤波算法

传统的Volterra滤波器运算量大,二次项将稳定分布的尖峰脉冲特性放大,从而影响了算法的收敛性能。针对这些问题．提出了一种二阶Volterra滤波器的全解耦分组算法,对输入数据进行分组排列,有效地降低计算复杂度,每组对应的子滤波器权系数采用全解耦自适应调整算法,有效地降低了非线性项耦合的影响。仿真结果表明了算法的有效性。     

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。     

一种基于格型正交化的二阶Volterra自适应滤波算法

针对 Volterra 自适应滤波器输入信号相关性或附加的非线性畸变的增强使自适应滤波器性能下降的问题,本文提出基于格型正交化的二阶 Volterra 自适应滤波算法.先对输入信号进行格型预处理,得到互相正交的后向预测误差信号;然后将其作为自适应滤波器的输入,从而大大降低了一次项、平方项和交叉乘积项信号各项之间的耦合,改善了自适应算法的收敛性能.有源噪声对消的仿真结果表明,在输入噪声强相关和附加较强非线性畸变时本算法仍具有较好的消噪性能.     

基于格型预处理的二阶自适应Volterra滤波器

虽然Volterra LMS(VLMS)算法简单,计算量小,但是由于Volterra滤波器系统是非线性的,使得输入向量自相关矩阵包含了输入信号的高阶统计量,导致矩阵特征值扩展很大,因此其收敛速度一般很慢.为加快收敛速度,利用格型滤波器后向预测误差的正交特性,提出采用两个格型滤波器正交预处理的自适应Volterra滤波算法.仿真结果表明,该算法具有比VLMS算法和GPV算法更为优越的收敛性能.     

基于Lyapunov稳定性理论的Volterra自适应噪声对消器

介绍了在理稳定分布环境下一种新的非线性Voherra自适应噪声对消器。由于Ⅱ稳定分布噪声有显著的尖峰脉冲特性,Vohem级数的非线性项将其更加放大,严重影响了收敛性能。提出了Voherra自适应噪声对消器利用sigmoid函数对输入α噪声进行非线性预处理,抑制尖峰脉冲的影响,基于Lyapunov稳定性,定义新的Lyapunov函数．给出了二阶Voherra自适应滤波器算法。仿真实验表明,该算法在不同特征指数的稳定分布噪声环境中都表现出了良好的抗噪声性能。     

稀疏自适应Volterra滤波的QRD-RLS算法

求解非线性问题时,非线性Volterra滤波的性能明显优于线性滤波;稀疏结构Voherra滤波器有效降低了Volterra滤波的工程应用复杂度;本文针对稀疏Volterra滤波,改进了基于QR分解的RLS算法,在更换滤波器抽头的时候保留了先前的数据信息,从而加速当前抽头的收敛,加快了滤波器核矢量的更新和替换.仿真结果表明改进的QRD-RKS算法具有快速自适应能力;一同验证了稀疏Volterra滤波的有效性.     

基于变抽头长度的水声通信多用户检测器

针对水声信道环境特点,提出一种基于变抽头长度的水声通信多用户检测方法。该方法采用交织多址技术,用不同的交织器区分用户,并通过长度更新算法调整抽头长度。仿真结果表明基于变抽头长度的多用户检测器能够自适应地收敛到最优抽头长度,从而获得系统性能的改善。     

基于MWF的非线性Volterra滤波

结合Volterra滤波的多人单出(MISO)模型,本文将多级维纳滤波(MWF)应用于非线性Volterra滤波,提出三种实现结构及其降秩滤波算法.MWF将期望信号连续投影到正交的低维子空间,利用嵌套的一组标量维纳滤波器实现滤波,避免求解观测矢量的自相关矩阵及其逆;而基于MWF的降秩滤波算法不需要进行计算复杂的特征值分解.结合中继卫星信道的非线性均衡对算法进行仿真,仿真结果表明三种结构均可以很好地收敛;降秩算法在减小运算量的同时,性能接近全秩算法.     

α稳定分布噪声下自适应信号处理的研究进展

口稳定分布可以更好地描述实际应用中所遇到的具有脉冲特性的随机信号和噪声。本文介绍了a稳定分布的统计特性,综述了a稳定分布噪声环境下的时间延迟估计、波束形成、噪声抵消等自适应信号处理方法。基于分数低阶统计量的方法能够有效地抑制a稳定分布噪声,具有良好的韧性。     

基于SαSG分布噪声模型的自适应混合矩滤波方法

α-稳定分布可以更好地描述实际应用中所遇到的具有显著脉冲特性的随机信号和噪声.与其他统计模型不同,α-稳定分布没有统一闭式的概率密度函数,其二阶及二阶以上统计量均不存在.针对系统中存在独立SαS噪声与高斯噪声,基于SαSG分布模型,提出了一种稳定分布与高斯混合噪声环境下的自适应混合矩滤波的修正RMN（混合参数）算法,并对算法进行了步长归一化改进.计算机模拟和分析表明,这种算法是一种在SαSG分布背景噪声条件下具有良好韧性的滤波方法.     

基于自适应Volterra的高斯噪声图像滤波算法

针对高斯噪声图像滤波问题,提出一种可以保留细节的自适应Volterra-Volterra滤波方法。为了解决二阶Volterra滤波器核系数确定难、数量多等问题,提出了一种自适应建核结构及算法。通过图像处理实验,与其它滤波算法进行了细节度保留、均方差(MSE)和信噪比(SNR)等指标的比较,结果表明,本文方法优于进行对比的其它滤波方法。     

自适应滤波技术在扩频通信系统抗窄带干扰中的应用

自适应滤波技术在扩频通信窄带干扰抑制的应用中,需要一种快速收敛的自适应算法以便能跟踪快速变化的干扰信号。文章提出将基于LSL自适应算法的格型滤波器应用于直接序列扩频通信系统中。仿真结果表明,LSL自适应算法在线性预测中具有快速收敛特性,并且在收敛过程中具有数值稳定性,从而显著改善了系统的抗窄带干扰能力。     

一种新的基于高阶统计量的自适应滤波算法

本文首先提出一种基于三阶累积量的代价函数,其次提出了一种基于此代价函数的格型自适应算法,最后将此算法用于线性预测,计算机仿真实验结果证实了算法的正确性和有效性.     

α稳定分布下的加权平均最小p-范数算法

该文提出一种新的适用于α稳定分布噪声环境的自适应滤波算法,这种算法通过使加权平均误差函数的p-范数最小来实现自适应滤波.在这种算法的基础上,该文还得到两种新的动量LMP自适应算法.将这些新算法应用于估计AR模型的参数,计算机仿真的结果表明,该文提出的算法的性能比已有LMP算法的性能要更为优越.