呼叫中心系统中回声抵消算法的研究与实现

针对IP呼叫中心系统中的回声问题,对算法LMS（Least Mean Square）进行了研究。经研究发现,回声消除算法LMS在收敛速度与稳态误差之间始终存在着矛盾,即加快收敛速度,则稳态误差随之加大;减小稳态误差,则收敛速度随之减慢。研究的目的就是能够使两者之间的矛盾得到改善,能够更好地消除回声。研究的方法是在现有算法的基础上,提出了一种改进的LMS算法,通过计算机对该算法进行了仿真,以及利用DSP进行了回声消除,结论表明该算法具有良好的收敛性能和稳态性能,更好地改善了收敛速度与稳态误差之间的矛盾,消除效果较好。     

自适应语音消噪算法的研究与应用

针对语音通信中的消噪算法进行了研究。经研究发现,消噪算法在收敛速度与稳态误差之间始终存在着矛盾。为改善语音中的消噪能力,减少误差,在G SVSLMS算法的基础上,提出了一种改进的噪声消除算法,即利用引入一个关于误差的反正切函数来改进步长因子,并通过计算机仿真证实了改进算法具有良好的收敛性能和稳态性能,最后利用传统的LMS算法、G SVSLMS算法和改进算法对带有噪声的信号进行了消噪处理,结果表明：在三种算法中,改进算法的噪声消除效果最好。     

一种改进的变步长LMS自适应滤波算法及其在噪声抵消中的应用

本文提出了一种改进的变步长LMS自适应滤波算法,并将其应用于自适应噪声抵消中。该算法解决了算法收敛时间和稳态误差间的矛盾,为实际应用提供了更大的灵活性。它采用误差信号的相关值去调节步长,使得算法的均方误差小、收敛速度快,并且降低了LMS算法对噪声的敏感性。     

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。     

基于箕舌线变步长LMS算法的分析与改进

研究系统跟踪性能和误差问题,为了改善基于箕舌线的变步长最小均方(LMS)算法的收敛速度和对信号输入端不相关噪声的抗干扰性,首先对现有的典型变步长LMS算法进行了分析归纳.在箕舌线变步长LMS算法(TCLMS)的基础上通过结合其他典型算法的优点,提出了TCLMS算法的改进算法.算法不仅继承了TCLMS算法计算复杂度低的优点,并且通过引入动量项与前后误差的自相关估计对其收敛速度慢,抗不相关噪声干扰性能差的特性进行了改善.在MATLAB进行仿真,结果表明,改进算法具有收敛速度快,计算复杂度低,稳态误差小,抗噪声能力强等特点.     

一种改进的LMS算法及其在噪声对消中的应用

在分析传统定步长LMS(Least Mean Square)算法和变步长LMS算法的基础上,提出了一种改进的变步长LMS算法.新算法利用瞬时误差绝对值三次方的指数形式和遗忘因子同时调整步长,更好地解决了收敛速度和稳态误差的矛盾.将三种算法均用到噪声对消中进行比较,仿真结果表明:新算法收敛速率优于传统定步长LMS算法和变步长LMS算法.     

一种新变步长LMS算法及在自适应波束形成中的应用

LMS算法是智能天线自适应波束形成算法中的经典算法,由于其步长固定,造成收敛速度和稳态失调之间的矛盾。为了解决这一问题,提出一种新的变步长LMS算法,并在算法中引入误差信号的自相关估计,大大降低了噪声的干扰,对算法进行仿真,得到了最优的参数设置。利用蒙特卡罗方法对算法进行了性能评估,与传统的LMS算法、NLMS算法相比,新的变步长LMS算法具有更快的收敛速度和较小的稳态误差及优良的抗噪性能。     

改进的自适应LMS算法

LMS（Least Mean Square）算法因其结构简单、稳定性好等优点,得到了广泛的应用,但在收敛速度和稳态失调之间存在着固有矛盾,通过对步长因子的调整可以克服这一矛盾。分析研究了已有的变步长LMS算法,在此基础上提出了一种改进的变步长LMS算法。理论分析和计算机仿真表明该算法不但具有较快的收敛速率,并且具有更小的稳态误差。     

变步长LMS自适应滤波算法的改进及分析

在对传统LMS算法、变步长LMS算法及其改进算法分析的基础上,提出了一种改进的变步长LMS算法。新算法通过建立步长因子与误差信号之间的非线性函数关系,使其初始阶段和时变阶段步长自适应增大和稳态阶段步长很小,具有收敛速度快,稳态误差小,迅速跟踪跃变系统的变化,并且不易受噪声影响的特点。理论分析和计算机仿真结果表明该算法优于传统算法。     

一种改进变步长LMS算法的性能研究

在对传统LMS算法、变步长LMS算法及其改进算法分析的基础上,提出了一种改进的变步长LMS算法。新算法通过建立步长因子与误差信号之间的非线性函数关系,使其初始阶段和时变阶段步长自适应增大和稳态阶段步长很小,理论分析及计算机的仿真结果表明,该算法可保证较快的收敛速度和较小的失调,能更好地解决收敛速度和稳态误差的内在矛盾,可更好地应用于自适应系统中。     

Optimal variable step-size LMS model and algorithm with independence assumption

To solve the contradiction between convergence rate and steady-state error in least mean square (LMS) algorithm, basing on independence assumption, this paper proposes and proves the optimal step-size theorem from the view of minimizing mean squared error (MSE). The theorem reveals the one-to-one mapping between the optimal step-size and MSE. Following the theorem, optimal variable step-size LMS (OVS-LMS) model, describing the theoretical bound of the convergence rate of LMS algorithm, is constructed. Then we discuss the selection of initial optimal step-size and updating of optimal step-size at the time of unknown system changing. At last an optimal step-size LMS algorithm is proposed and tested in various environments. Simulation results show the proposed algorithm is very close to the theoretical bound.     

一种快速收敛的变步长自适应谐波检测算法

为解决传统固定步长LMS自适应算法在电网谐波检测中存在的收敛速度和稳态误差之间的矛盾,本文提出了一种快速收敛的变步长自适应谐波检测算法。该算法以误差反馈信号、误差信号在总误差信号中所占的比率以及负载电流的相邻两个采样值之差的和作为自适应反馈量,并通过自适应反馈量的相干平均估计来控制步长的更新;同时对系统权值迭代公式进行改进提高收敛速度;并改传统的固定步长变化范围为时变范围,使步长变化更加平滑。该方法在负载突变的情况下有很好的跟踪性能,可有效的提高初始收敛速度、减小稳态失调。仿真分析及实验证明了该算法在谐波检测中的有效性和准确性。     

改进自适应对消算法在工业噪声处理中的应用

分析了工业环境噪声的特点,将自适应噪声对消算法应用到工业噪声的处理当中.在传统最小均方(LMS)算法及基于Lorentzian函数的变步长LMS算法的基础上进一步进行约束稳定性条件处理,提出了一种约束稳定性变步长LMS算法,并在Matlab平台上进行了仿真验证.结果表明:算法具有更快的收敛速度以及更小的稳态误差,并且能有效地降低梯度噪声对算法性能的影响.     

改进的最小均方自适应滤波算法

针对传统的固定步长最小均方(LMS)算法应用于雷达杂波自适应滤波器系统存在收敛速度与收敛精确度相矛盾的问题,提出一种新的变步长LMS自适应滤波算法。在其基础步长迭代公式中,通过组合自相关误差与前一步长因子来实时更新迭代下一步长因子的方法,达到具有较快的收敛速度和较小的失调,并且不受已经存在的不相关噪声的干扰的效果。仿真结果表明,所提方法的实验效果与传统固定步长LMS算法及已有算法相比,在收敛速率、收敛精度、抑制噪声方面都有很大的改善,证明所提算法是有效、可行的,且与理论分析一致。     

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。     

Adaptive recursive algorithm with logarithmic transformation for nonlinear system identification in α-stable noise

Although the least mean pth power (LMP) and normalized LMP (NLMP) algorithms of adaptive Volterra filters outperform the conventional least mean square (LMS) algorithm in the presence of α-stable noise, they still exhibit slow convergence and high steady-state kernel error in nonlinear system identification. To overcome these limitations, an enhanced recursive least mean pth power algorithm with logarithmic transformation (RLogLMP) is proposed in this paper. The proposed algorithm is adjusted to minimize the new cost function with the p-norm logarithmic transformation of the error signal. The logarithmic transformation, which can diminish the significance of outliers under α-stable noise environment, increases the robustness of the proposed algorithm and reduces the steady-state kernel error. Moreover, the proposed method improves the convergence rate by the enhanced recursive scheme. Finally, simulation results demonstrate that the proposed algorithm is superior to the LMP, NLMP, normalized least mean absolute deviation (NLMAD), recursive least squares (RLS) and nonlinear iteratively reweighted least squares (NIRLS) algorithms in terms of convergence rate and steady-state kernel error.