基于箕舌线的变步长LMS自适应算法

通过建立步长因子μ与误差信号e之间的非线性关系，提出一种新的基于箕舌线的变步长LMS算法，并将其应用于通信降噪。该算法除了具有传统固定步长LMS算法计算量小、稳定性较好、简单、易于实时处理等优点外，计算机仿真结果表明，其收敛速度、稳定性以及跟踪速度优于SVSLMS算法和NLMS算法，且不需进行指数运算，计算复杂度低于SVSLMS算法，用于通信降噪取得了较好的效果。     

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...     

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。     

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.     

低信噪比下基于新型变步长LMS的自适应滤波算法

为了提高现有的变步长LMS算法在低信噪比环境下的滤波性能,提出了一种新的变步长LMS自适应滤波算法。该算法利用加入补偿项的误差相关值估计与前一时刻步长因子的组合来调节步长,提高算法的抗噪声干扰能力和收敛速度;并将步长因子的传统固定约束范围改为动态约束范围,使步长变化趋于平滑,降低系统的失调误差;同时对系统的权向量迭代公式进行更新,提高了算法的输入范围。从理论分析和仿真实验两方面可以看出,新算法与现有的变步长算法及标准LMS算法相比,在信噪比较低的条件下收敛速率、抗扰能力、稳态失调噪声方面都有很大的改善,证明所提算法是有效、可行的。     

一种改进的变步长LMS自适应算法及分析

现有的变步长LMS算法中,大都采用建立步长因子与误差信号的函数关系的方法,以提高算法的收敛速度和跟踪性能,但由于未考虑输入信号对算法性能的影响,使得当输入信号发生变化后,稳态误差明显增大。为此,在现有算法的基础上,引入了输入信号因子,提出了一种改进算法。该算法可根据瞬时误差和输入信号来调整步长因子,使算法不仅能保持较高的收敛速度和跟踪性能,还可在输入信号变化的情况下,保证较小的稳态误差。理论分析及仿真实验表明新算法的性能优于现有算法。     

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。     

一种新的LMS自适应滤波算法分析仿真研究

传统变步长最小均方(LMS)算法存在收敛速度慢、易受噪声干扰等缺点,为了提高算法的性能,通过对变步长LMS算法进行分析研究,在步长因子x(n)与误差信号e(n)的相关统计量之间建立一种新的非线性函数关系,提出了一种新的变步长LMS自适应滤波算法。该算法采用误差信号的自相关时间均值来调节步长,并用绝对估计误差的扰动量以加快自适应滤波器抽头权向量的收敛。理论分析与计算机仿真结果表明:与SVSLMS和G-SVSLMS算法比较,该算法具有较快的收敛速度、较小的稳态误差以及较强的抗干扰能力。     

一种改进变步长因子LMS算法的研究

传统的LMS算法,由于其步长因子μ是事先指定的固定值,因而在迭代过程中不能随着估计误差e（n）来进行相应的调整,所以其收敛性完全由初始条件和步长决定。为了改变这种状况,文章提出了一种步长因子μ（n）随时间变化的LMS算法,其收敛速度快于LMS和NLMS,具有较小的失调,将本算法应用于自适应预测系统,Matlab仿真实验结果与理论分析一致。     

变步长解相关Volterra LMS算法

Volterra滤波器的非线性使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LMS算法收敛速度一般很慢。从降低输入信号的相关性出发,提出了一种变步长解相关Volterra NLMS算法。解相关能显著加快LMS算法的收敛速度,变步长能够改善算法的稳态性能,两者的有机结合,能明显改善算法性能。仿真结果表明,在不同输入信号相关性情况下,该算法有更好的收敛速度和稳态性能。     

基于模糊推理的变步长LMS自适应滤波算法

LMS算法是一种基于最速下降法的最小均方误差自适应滤波算法.为了提高LMS算法的收敛速度,依据模糊控制原理,推导出一种结构简单的步长与误差的非线性函数关系,进而得出一种新的变步长LMS自适应滤波算法（FVSLMS）,该算法结构简单,易于实现.在理论上,根据万能逼近定理,用FVSLMS算法可以以任意精度逼近步长与误差的非线性函数关系,因此它可以作为以误差调节步长的变步长LMS算法的一类统一形式.最后,通过计算机仿真说明了FVSLMS算法具有较好的收敛性能.     

基于相关函数的改进LMS自适应滤波算法研究

标准LMS算法由于采用了固定的步长因子,致使其算法稳态误差大、实时性差,不适用于非平稳随机过程.提出了一种改进的CLMS变步长自适应滤波算法,该算法采用输入-误差信号的互相关函数控制步长更新,在算法收敛初期步长取较大值,使其有较快的实时跟踪能力,在算法收敛末期步长取较小值,以使其拥有较小的稳态误差.仿真结果表明,相比已有变步长算法,CLMS算法有更好的应用性能.     

一种基于LMS改进算法的语音增强方法

LMS算法在自适应滤波器中得到广泛应用,但这种方法具有收敛速度慢,步长需要谨慎选择才能达到收敛和失调的折中等缺点。文章把一种变步长的LMS算法应用到语音增强中,此算法通过建立步长因子μ与迭代次数n之间的一种函数关系提出一种新的变步长LMS算法,在迭代过程中在开始时采用大步长参数进行迭代,达到稳态后减小步长参数。仿真结果证明该方法对带噪语音有明显的去噪效果,有效地提高了语音的清晰度和可懂度。该算法明显优于传统LMS算法,较之提高了收敛速度并减小了稳态误差。     

一种新的变步长LMS自适应滤波算法

传统LMS算法的优点是计算简单、易于实现，缺点是收敛速度慢，如果为加快收敛速度而增大步长因子μ，则会导致大的稳态误差，甚至引起算法发散。固定步长因子无法解决收敛速度和稳态误差之间的矛盾。本文通过建立步长因子μ与误差信号之间的非线性函数关系，得出一种新的变步长自适应滤波算法（SVSLMS）。理论分析和计算机仿真结果表明该算法的性能优于传统的LMS算法和NLMS算法。即在计算量增加不多的前提下，能同时获得较快的收敛、跟踪速度和较小的稳态误差。     

一种基于相关函数的LMS算法

从 Asharif定义的相关函数均方误差 (Mean squares error,MSE)准则 Jr(n)出发 ,在利用牛顿梯度法时用当前时刻的梯度估计代替前一时刻的梯度估计 ,并由矩阵求逆定理导出了一种新的相关函数自适应滤波算法。理论分析表明 ,新的算法对步长因子 μ>0是无条件收敛的 ,该算法应用于回波消除中的计算机数值仿真 ,结果显示其收敛性能良好 ,优于 CLMS算法。     

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。