一种变步长最小均方算法

最小均方算法（LMS）以计算简单,易于实现等优点被广泛用于自适应滤波领域。但其固定的步长导致了收敛速度和稳态误差之间的矛盾。通过引入非线性函数提出一种新的基于非线性函数的变步长最小均方算法,仿真结果表明该算法具有较好的收敛性能和较小的稳态误差。     

基于功率倒置测向的自适应抗干扰方法

针对功率倒置算法形成零陷不深的问题,提出了利用功率倒置算法搜索成型后方向图中最深零陷点来向,估计干扰信号来向,继而主动改变阵列单元的权值使得天线方向图零点对准干扰来向,实现干扰抑制。仿真结果表明:该算法是可行的,并且能够达到更深的干扰抑制性能。     

基于噪音拟合的优化变步长滤波最小均方算法

为了更快地实现主动降噪,设计了噪音多项式拟合模型,提出了改进的变步长滤波最小均方算法(Improved Filtered-x Least Mean Square, IFxLMS)。该算法在统计噪音信号的同时,对噪音信号进行拟合与预测,随后结合误差信号与预测信号对步长进行调节,达到快速调节的目的。为了验证该算法的性能,将该算法与传统变步长滤波最小均方算法对比试验,仿真结果显示,在相同噪音条件下,新算法将噪音信号降到10 dB、20 dB、30 dB、35 dB等信噪比时,所需的迭代次数减少了4次～60次不等,在同时新算法的鲁棒性也优于普通的滤波变步长最小均方算法。     

自适应最小均方算法的本质

本文指出最小均方算法并不能使均方误差最小,证明了最小均方算法实际上是一种加权最小二乘算法。     

基于核的最小均方误差改进算法及其应用

传统基于核的最小均方误差(KMSE)算法在进行人脸识别时,需要求解多个方程,计算量较大。为此,提出一种用于多类识别的基于核的多元最小均方误差(KMSEMC)算法,该算法只需一个方程即可。在AR人脸库上的实验及数据分析表明,该算法在时间复杂度和识别率等方面计算量较小,在识别性能和计算时间上都优于同类传统算法。     

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。     

基于水声通信的新型变步长最小均方算法

在水声通信中,信道的多径效应会造成严重的码间串扰（ISI）,而现有的均衡算法在处理ISI问题时存在收敛速度慢、稳态误差大、算法复杂不易于硬件移植等问题,为此结合判决反馈均衡器结构前向均衡（FFE）与判决均衡结构（DFE）,提出了一种基于反余弦步长函数和三参数调整因子的变步长最小均方（LMS）算法。首先对三参数因子α、β、r进行算法仿真,优化算法性能,与固定步长LMS算法、基于修正反正切的变步长LMS算法以及基于双曲正割函数的变步长LMS算法的收敛性能和稳态误差进行仿真比较,结果显示：所提算法的收敛速度较固定步长LMS算法提高了57.9%,稳态误差下降5 dB;较双曲正割LMS算法和修正反正切LMS算法提高了26.3%和15.8%,并且算法的稳态误差下降了1~2 dB。最后,将算法移植于信号处理模块,进行水下实验,结果表明,水声信道造成的ISI经过均衡器后,信号得以恢复,能够实际克服多径效应造成的水声信道ISI问题。     

时变系统最小均方算法的性能分析

在无过程数据平稳性假设和各态遍历等条件下,运用随机过程理论研究了最小方算法（LMS）的有界收敛性,给出了估计误差的上界,论述了LMS算法收敛因子或步长的选择方法,以使参数估计误差上界最小。这对于提高LMS算法的实际应用效果有着重要意义。LMS算法的收敛性分析表明：（1）对于确定性时不变系统,LMS算法是指数速度收敛的;（2）对于确定性时变系统,收敛因子等于1,LMS算法的参数估计误差上界最小;（3）对于时变或不变随机系统,LMS算法的参数估计误差一致有上界。     

衰减激励条件下最小均方算法的收敛性

给出了衰减激励信号的定义,并在衰减激励条件下,利用随机过程理论,研究了随机系统最小均方算法的收敛速率,阐述了参数估计误差收敛时,衰减指数和算法中设计参变量 (收敛因子或步长 )的选择方法.分析表明:在衰减激励条件下,最小均方算法也具有良好的性能:当衰减指数和设计参变量满足一定条件时,则参数估计误差一致收敛于零.     

WCDMA系统中的差分最小均方误差多用户检测算法

宽带码分多址(Wideband code division multiple access,WCDMA)系统中现有的自适应多用户检测算法需要训练比特,不能适应快衰落信道。本文根据WCDMA系统中特有的二级扩频体制的特点,提出基于差分最小均方误差(Differential minimum mean square error,DMMSE)准则的自适应多用户检测算法。该算法根据相邻接收符号幅度变化的比率变化自适应调整横向滤波器的权系数,从而不需要通过训练比特开销跟踪信道状态信息的方式来抑制多址干扰。仿真结果表明,在存在多普勒频移的传播环境下,DMMSE算法的误码性能优于现有的自适应最小均方误差(Minimum mean square error,MMSE)算法。     

结合最小均方误差的改进球形译码检测算法

在多输入多输出(MIMO)系统的信号检测算法中,球形译码算法的检测性能最接近最大似然算法,但传统球形译码算法运算复杂度较高。为降低球形译码算法复杂度,提出一种新型的球形译码检测算法。新算法由改进的快速球形译码算法与最小均方误差算法相结合而成。改进的快速球形译码算法通过在球形半径收缩时乘上一个常量参数来提高半径收缩速度,减少算法搜索的信号点数,从而达到降低复杂度的目的。最小均方误差算法则能够通过减小噪声对接收信号的干扰来降低因搜索噪声点而产生的复杂度。将最小均方误差算法的信道矩阵应用在改进的快速球形译码算法中,将两种算法有效地结合,能够进一步降低算法复杂度。仿真结果表明,当信噪比(SNR)低于10 dB时,新算法相比于原始球形译码算法,检测性能平均提高了9%左右。     

改进的变步长最小均方误差电子耳蜗语音增强算法

针对外部强噪声环境下电子耳蜗语音质量受损、适应性差等问题,提出了基于谱减法和变步长最小均方误差（LMS）自适应滤波算法联合去噪的改进方法,并以该方法构建了一个电子耳蜗前端语音预处理系统。利用变步长LMS自适应滤波算法输出误差的平方项来调节步长,采用步长值固定与变化相结合的方法,解决了自适应滤波算法收敛速度慢、稳态误差大的问题,适应性得到提高,提高了语音信号通信质量。该系统以TMS320VC5416和音频编解码芯片TLV320AIC23B为核心,通过多通道缓冲串口（McBSP）和串行外设接口（SPI）实现了语音数据的高速采集和实时处理。实验仿真和测试结果表明该算法消除噪声性能好,信噪比在低输入信噪比情况下提高约10 dB,语音质量感知评价（PESQ）分值也得到较大提高,能有效提高语音信号质量,且该系统性能稳定,能进一步提高耳蜗前端语音的清晰度和可懂度。     

自适应最小均方算法及其能量函数研究

根据递推随机理论，用李雅普诺夫法研究最小均方算法的微分方程，结论是，不管信号是平稳过程还是非平稳过程，该算法大范围渐近稳定。在均方意义下定义自适应时间常数为李雅普诺夫函数与其导数之比，由此建立时间常数、步长、信号特征值以及信号带宽之间的关系     

基于信号强度测距的最小均方误差定位算法

针对室内视距（LOS）和非视距（NLOS）混合环境下的定位精度不高的问题,提出基于信号强度测距的最小均方误差定位（Strength Ranging-based Minimum Mean Square Error localization,SRMSL）算法。SRMSL算法先建立基于超宽带（ultra wide band,UWB）的测距模型,并分别构建在LOS和NLOS环境下的最小均方误差函数,再估计未知节点位置。利用中值函数滤除异常的抽样值,有效辨识NLOS环境下的测距信息。仿真和实验结果表明,提出的SRMSL算法在定位精度方面优于M估计和最小中值平方估计。     

WCDMA系统中的差分最小均方误差多用户检测算法研究

针对现有自适应多用户检测算法需要训练比特、不能适应快衰落信道的问题,提出适用于WCDMA系统的基于差分最小均方误差（DMMSE）准则的自适应多用户检测算法。该算法结合二级扩频体制的特点,根据具有相同综合扩频码的相邻接收符号幅度变化的比率变化自适应调整横向滤波器的权系数,由于该方法更能刻画多址干扰的变化规律,因此可有效地抑制多址干扰。仿真结果表明,在多普勒频移的传播环境下,DMMSE算法的误码性能优于现有自适应MMSE算法。     

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。     

一种改进的变步长LMS自适应滤波算法

针对最小均方算法收敛过程中收敛速度与稳态误差的矛盾,提出一种基于反正切函数的归一化最小均方算法。该算法利用反正切函数和误差自相关的时间估计建立了步长与误差之间的非线性关系,抑制环境中的非相关噪声,同时引入归一化信号功率扩大输入信号的取值。仿真结果表明,该算法具有较快的收敛速度、较低的稳态误差,同时具备较好的系统时变跟踪能力。     

基于最小均方误差准则的自适应图像压缩编码算法

探讨了一种基于最小均方误差准则的自适应图像压缩编码算法（ＭＭＳＥＡＣＣ），该算法将最小均方误差ＢＴＣ、内插法和四叉树技术有机结合起来，根据图像的局部特性调节编码算法。仿真结果表明ＭＭＳＥＡＣＣ算法与Ｎａ－ｓｉｏｐｏｕｌｏｓＰ等提出的自适应算法相比，在相同的压缩倍数下，能得到更好的编码性能。     

基于最小均方预测的图像单像素精度边缘检测算法

基于预测的思想,引入数字信号处理中常用的最小均方（LMS）横向滤波器对图像进行边缘检测。由于图像的缓变区域可等效为一个平稳随机过程,使得LMS算法能够适用。在通过LMS预测检测出图像边缘的基础上,本文还对该算法在边缘处的行为进行了附加条件的判断,使得LMS算法在经过边缘的地方重新收敛后才进行边缘检测,这样可以获得单像素精度边缘。     

小波域改进变步长自适应滤波

自适应滤波器可在统计量未知的环境中自动调整自身参数,以满足被控对象的时变要求,是现代信号处理技术的重要研究领域.最小均方算法具有结构简单,运算量小,易于实时处理等优点,被广泛应用于自适应滤波算法.但其收敛速度受输入向量自相关函数矩阵特征值的分布影响较大,且收敛精度及跟踪速度与步长选取相互矛盾,因此提出一种改进的变步长调整函数应用于小波域最小均方自适应滤波.实验结果表明,算法可以有效减小输入信号的条件数,降低输入信号的相关性,并可使信号在自适应滤波中更快达到稳态.