共查询到19条相似文献,搜索用时 62 毫秒
1.
针对频域LMS算法收敛速度较慢的缺点,将LMS频域快速算法和变步长技术相结合,提出了一种基于新的Sigmoid函数的变步长频域快速自适应收发隔离算法。理论分析和计算机仿真表明,新算法除具有原频域快速算法的优点外,还具有较快的收敛速度和良好的收敛精度,可以有效地应用于干扰机自适应收发隔离系统中。 相似文献
2.
3.
针对于提高干扰机收发隔离度的自适应干扰对消系统 ,利用快速FFT技术实现了一种替代时域LMS算法的频域快速LMS自适应算法 ,分析表明该算法不但具有同时域LMS算法近似的收敛特性 ,而且计算量大幅度减少 ,有利于对消系统的实时实现。计算机仿真证实了分析的正确性和该算法的可行性 相似文献
4.
5.
频域快速自适应干扰对消算法研究及仿真 总被引:3,自引:1,他引:3
针对于提高干扰机收发隔离度的自适应干扰对消系统,利用快速FFT技术实现了一种替代时城LMS算法的频域快速LMS自适应算法,分析表明该算法不但具有同时域LMS算法近似的收敛特性,而且计算量大幅度减少,有利于对消系统的实时实现。计算机仿真证实了分析的正确性和该算法的可行性。 相似文献
6.
从基本的经典LMS自适应算法开始,简要介绍了频域批处理LMS算法的推导、实现原理及优势,并在频域批处理LMS算法基础上提出了一种由当前时刻输入信号能量和前一时刻均方误差曲面梯度估计量联合控制的变步长改进算法,改进算法在减小计算量的同时,不仅消除了经典LMS算法收敛性能对输入信号功率敏感的缺陷,而且较好地协调了高速收敛与小稳态误差之间的矛盾. 相似文献
7.
一种新的变步长LMS自适应滤波算法 总被引:3,自引:0,他引:3
对已有的一些变步长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。理论分析显示该算法能改善文中所述其他算法的不足;仿真结果表明此算法收敛性能良好,优于文中所述其他算法。 相似文献
8.
变步长LMS自适应滤波算法及其分析 总被引:1,自引:0,他引:1
对变步长(LMS)自适应滤波算法进行了讨论,通过对Sigmoid函数修正,建立了步长因子与误差信号之间新的非线性函数关系。新函数在误差接近零处具有缓慢变化的特性,克服了Sigmoid函数在自适应稳态阶段步长调整过程中的不足,实现了对SVS—LMS算法的改进。理论分析和计算机仿真结果表明,本算法的收敛性能优于SVS-LMS算法。另外,还对本算法与VS-LMS算法进行了比较,仿真结果表明本算法在低信噪比环境下比VS-LMS算法具有更好的抗噪性能。 相似文献
9.
使用变步长频域LMS算法的自适应Volterra均衡器 总被引:2,自引:0,他引:2
Volterra均衡器能够有效地克服卫星信道的非线性失真,但由于非线性均衡器的输入矩阵特征值扩展严重,使得自适应过程收敛缓慢。为克服这个缺点,提出应用变步长的频域LMS算法对Volterra均衡器的权值系数进行自适应更新。算法利用正交变换降低输入序列的相关性,同时动态地调整迭代步长提高均衡器的收敛速度。仿真结果表明与时域算法相比,均衡器的收敛速度提高了25倍左右;均衡器收敛后纠了信号的幅度和相位失真。 相似文献
10.
11.
一种新的变步长最小均方自适应滤波算法 总被引:1,自引:0,他引:1
将步长因子与误差信号和测量噪声方差之间的一种函数关系引入自适应滤波器,提出了一种变步长最小均方自适应滤波算法.与已有算法相比,本文算法的步长因子更易于设计和控制.仿真结果表明本算法具有很好的收敛性能,同时也证实了本文算法的有效性. 相似文献
12.
13.
14.
针对转发式干扰过程中干扰信号进入接收机而造成系统不能正常工作甚至自激的问题 ,提出应用自适应干扰对消技术 ,可以消除干扰保存有用信号 ,以达到提高干扰机收发隔离度的目的。仿真证实了本方案的有效性 相似文献
15.
16.
一种改进的变步长LMS算法 总被引:1,自引:0,他引:1
通过增加误差信号的自相关值对步长变化的影响,对一种变步长LMS算法进行进一步改进,既继承了前者稳态性能好的优点,又增强了算法跟踪信道变化的能力,具有较好的抗干扰性能,而且收敛速度加快,收敛时间变短。这种算法不仅可应用于跟踪信道特性变化较快的信道(如短波通信),而且也非常适用于算法收敛速度和稳定性要求较高的情况。 相似文献
17.
变步长LMS自适应滤波算法通过构造合适的步长因子有效的解决了传统LMS算法收敛速度和稳态误差相矛盾的问题.变换域LMS自适应滤波算法通过正交变换降低了输入信号矩阵的相关性,提高了算法的收敛速度.将这两种算法相结合,提出了一种新的基于小波变换的变步长LMS自适应滤波算法.仿真结果表明,该算法无论是收敛速度还是稳态误差都有了很大的提高. 相似文献
18.
一种改进的变步长ELMS算法 总被引:2,自引:0,他引:2
在简单讨论基本最小均方(LMS)算法的基础上,引入了扩展的最小均方(ELMS)算法,并分析说明了该算法能达到更小的稳态MSE。改进的变步长ELMS算法是在对有用信号的预测中采用了自适应为归一化的的最小均方(NLMS)预测估计器,步长的迭代中引入遗忘因子i,利用其与误差信号的加权和来产生新的步长参与迭代。理论分析与计算机仿真结果表明,该算法有较好的收敛性能和较小的稳态失调。 相似文献