变步长NLMS自适应滤波算法研究

将步长因子μ与误差信号e(n)之间的一种非线性函数关系引入归一化最小均方(NLMS)自适应滤波器,提出了一种变步长NLMS算法.与一些已有算法相比,算法的步长因子易于设计和控制,对于有色输入信号,能够得到较快的收敛速度和较低的稳态失调.仿真结果和理论分析相一致,证实了算法的有效性.     

一种改进的LMS滤波器在DCG去噪中的应用

研究了LMS自适应滤波器在动态心电信号去噪中的应用。提出了一种适合动态心电信号预处理的变步长LMS改进算法,该算法用误差信号对期望信号的相对误差的平方根来调节步长。实验表明,这种改进滤波器在收敛速度和信噪比两方面都优于固定步长的滤波器。     

一种变步长的非约束频域LMS自适应滤波算法

基于非约束频域自适应滤波器的结构，本文提出一种变步长自适应算法，即采用最小二乘法选取最优变步长收敛因子，计算机仿真结果表明，该算法比非约束频域ＬＭＳ算法（ＵＦＬＭＳ）具有更快的收敛速度和更好的收敛精度。     

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。     

模糊自适应滤波器在电磁超声检测中的研究

为了有效解决在强噪声背景及复杂电磁环境下提取微弱超声信号的问题,设计了一种基于LMS算法的改进型滤波器。分析了一般LMS自适应滤波器的缺点,并在其基础上,引入模糊控制算法和插值算法,使得滤波器的步长因子能够快速随外部参数的变化而变化,提高了滤波器的采样精度。利用MATLAB对新型滤波器进行了仿真,仿真结果表明,新型滤波器能更有效抑制强噪声,提取有效弱信号,并能进一步提高自适应滤波器的鲁棒性、收敛速度和检测精度。     

正比例扩展相关LMS算法

传统的回声消除系统无法在嘈杂的双工环境下工作.由于双工信号的干扰,误差信号不能正确地指导滤波器系数的更新.本文中提出了一种基于相关函数的自适应滤波算法,扩展型相关函数LMS(ECLMS)算法.计算机仿真结果显示E-CLMS算法的表现要优于传统LMS算法.然而,ECLMS的收敛速度仍然不能令人满意.为了提高ECLMS算法的收敛速度,本文推出了一种新的正比例步长调整算法,针对自适应滤波器系数的每一个抽头,提供一个合理的步长调整参数.计算机仿真结果证实了正比例扩展相关LMS算法理论的正确性.     

一种变步长的百在约束频域LMS自适应滤波算法

基于非约束政适应滤波器的结构，本文提出一种变步长自适应算法，即采用最小二乘法选取最优变步长收敛因子，计算机信民真结构表明，该算法比非约束ＬＭＳ算法具有更快的收敛速度和更好的收敛精度。     

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.     

基于辨识新算法的电子对抗系统干扰对消

收发同时的电子对抗系统常存在隔离问题,采用自适应滤波器对干扰耦合通路进行辨识,消除接收端耦合干扰,能够有效实现收发隔离.考虑到实际侦察接收机接收的雷达信号、接收机内部引入的噪声信号、发射机和接收机微波放大部分的非线性,因素严重影响自适应滤波器的性能.针对上述情况,给出一种平滑梯度估计的变步长最小均方(least mean square,LMS)算法.仿真结果表明,改进算法同传统变步长LMS算法相比具有相近的收敛速度,但在对抗接收机复杂信号环境上具有显著的优越性能.     

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。