基于LMS算法自适应滤波器的设计

对语音信号及噪声信号的特点进行了分析研究,提出了基于LMS算法自适应滤波噪声抵消模型,能够根据背景噪声的能量分布特征,将被污染的语音信号降噪提出,并且不发生信息丢失现象。采用M atlab软件完成数字滤波去噪声的功能。实验数据表明,该算法简单,可靠性高,能在受坦克、卡车噪声污染且较低的信噪比情况下,对语音信号起到去噪增强作用。     

基于LMS算法的自适应滤波器的设计

设计了基于LMS算法的FIR自适应滤波器,采用MATLAB仿真软件对其进行了仿真。根据自顶向下的设计流程,采用DDS技术和流水线设计方法,在Quartus Ⅱ开发平台上采用Verilog HDL语言对其进行了硬件实现。实验结果证明该设计比普通自适应滤波器具有结构简单、易于实现、滤波速度快的优点.     

基于DSP的LMS自适应滤波器的实现

在通用DSP芯片TMS320C5402上实现了基于LMS算法的自适应滤波器,并对调试运行结果进行了分析讨论,其结果为将来硬件实现LMS自适应滤波器提供了可靠保证,为自适应滤波器在实际中的应用提供了参考.     

基于粒子群算法的自适应LMS滤波器设计及可重构硬件实现

自适应滤波器设计是典型的多参数组合优化问题,利用一种改进的粒子群优化算法（MPSO）来优化设计自适应LMS滤波器．将滤波器设计问题转化为滤波器参数优化的问题,利用改进的粒子群算法MPSO搜索整个参数空间,从而获得全局优化的系数．设计的滤波器应用于系统的跟踪响应中,并在基于可重构硬件的平台上实现自适应滤波器．从收敛和失调性能指标评价所设计的LMS滤波器,实验结果表明设计的LMS滤波器具有较好的性能,证明了这种方法的有效性和优越性．     

基于Matlab的自适应滤波器设计

滤波器在电子设备中已得到广泛的应用,而自适应滤波器可以不必事先给定信号及噪声的自相关函数,它可以利用前一时刻已获得的滤波器参数自动地调节现时刻的滤波器参数,从而实现最优滤波.介绍了自适应滤波器原理,并对LMS自适应算法进行了分析,最后用Matlab对自适应低通滤波器进行了仿真和实现,并分析了该自适应滤波器的性能.     

自适应滤波器的一种新LMS算法——改进的最陡下降法

分析了自适应滤波器最常用的一种LMS算法——最陡下降法,指出该法仅是局部最优,而非全域最优。然后提出了一种新的LMS算法——改进的最陡下降法,该算法正是求最佳权矢量的一个简单而有效的算法。     

基于LMS算法的自适应均衡器设计

在海洋信道进行无线数字通信中,多径传播效应和频率选择性衰落会导致传输信号失真,信道均衡是降低这种失真的重要手段。本文将详细论述根据LMS算法的基本原理来构建自适应均衡器的过程,并通过仿真来检验该算法的效果。     

基于变步长LMS算法的线性自适应均衡器的设计

针对短波通信信道中信号传输受到多径效应影响的问题,设计了一种基于变步长LMS算法的线性自适应均衡器,可以有效获得信道均衡的效果,最后通过仿真测试并在DSP上编程得以实现。     

基于DWT/LMS直交自适应算法的非线性系统辨识

针对传统的最小均方(LMS)算法在信号处理中的不足,提出了在变换域LMS算法中实现离散小波变换(DWT)的算法,并给出了基于直交DWT／LMS自适应算法的非线性滤波器的结构,该方法实现简单,可减少自适应滤波器输入相量自相关矩阵的谱动态范围,比传统的LMS算法的收敛速度快,增加了系统的稳定性;将其用于非线性系统辨识,能够改善辨识模型的自适应能力,数值仿真结果表明了本文方法的可行性和有效性。     

最小均方模糊适应性滤波器

就模糊信息检测与参数估计,将模糊集合论和模糊逻辑引入到信号处理中,提出一种模糊适应性滤波器方法,能有效地综合利用数字信息和模糊信息,使其运算过程或是模糊推理过程接近人类思维,使人的经验得以利用,同时可减少计算量．     

基于LMS算法的自适应均衡器的MATLAB实现

介绍了基于最小均方算法(LMS算法)的自适应均衡器的原理和结构，针对用硬件实现LMS算法的自适应均衡器存在的诸多缺点，利用MATLAB工具对各种结构形式的自适应均衡器在不同信道模型下的收敛速度和精度进行仿真，并介绍了该仿真程序。     

一种变步长LMS自适应滤波算法及分析

文章对已有的一些变步长LMS自适应滤波算法进行了分析,在此基础上,提出了一种新的自适应算法,并且分析了参数的取值对算法性能的影响。该算法具有快速收敛性和较小的稳态误差,而且能够快速跟踪系统的变化和不受非相关噪声的影响,仿真结果表明,该算法的性能优于已有的算法。     

多路LMS自适应算法及其应用

本文讨论多路LMS自适应算法。首先,我们建立了多路LMS自适应系统的基本模型,而后分析了系数调节的统一更新式模型和单独更新式模型。理论分析和计算机模拟均表明,基本的系统模型是成立的,而系数更新的后一种模型有较好的收敛速度。另外,本文简要讨论了这种算法在数据通信中的典型应用。