一种基于改进双曲正切函数的变步长自适应滤波算法

摘 要：为了改进现有变步长LMS（least mean square）算法性能方面存在的缺陷,提出一种改进的变步长谐波检测算法。该算法在原有双曲正切函数的基础上引入包含输入信号的因子 ,跟踪输入信号变化,以便分析算法性能,提高其抗干扰能力;并采用增加补偿项来确保算法的收敛速度;同时将步长迭公式中固定约束范围转变为动态范围,使步长变化相对平滑,稳态失调相对较小;最后利用归一化的处理方法改进权值公式,增大输入信号的动态范围。仿真结果表明,新算法在收敛速度、跟踪能力、抗干扰能力、稳态误差等方面较现有的变步长谐波检测算法有较大提高,是一种可行、有效、具有一定工程应用价值的算法。     

电力谐波检测改进算法在DSP上的应用与实现

针对在传统电力谐波检测手段中存在的精度低和速度慢的问题,提出了一种基于提升小波变换和变步长LMS(Least Mean Square)相结合的自适应谐波检测算法.通过对谐波电流进行正交变换,有效减少了输入数据的互相关,并加快了LMS的收敛速度.采用变步长的收敛因子不仅加快了算法的收敛速度,还实现了较小的稳态误差.同时,采用DSP处理器TMS320F2812设计了电力谐波检测电路系统.实验结果表明,设计的电力谐波检测电路能够准确、实时地检测出电网上的谐波参数,提出的改进算法能在1/4个周期内跟上负载电流的变化,并且稳态误差小于0.5％,比传统的LMS自适应算法具有更高的检测精度和更快的瞬时响应速度,适合于对有源电力滤波器实时性要求较高的场合.     

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。     

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。     

有源噪声主动控制中一种改进的变步长算法研究

在噪声有源抑制（ANC）技术中,自适应控制算法的核心是基于最小均方误差的信号跟踪问题,传统算法对提高收敛速度和减小稳态误差不能兼顾。本文提出了一种改进的变步长算法（IVssLMS）,该算法可以在保证稳态误差的同时,有效拓宽计算步长的调节范围,提高计算的迭代收敛速率。仿真试验证明了算法的有效性。     

基于误差信号峰度的时变步长恒模盲均衡算法

论文针对固定步长恒模盲均衡算法的缺陷,提出了一种自适应时变步长恒模盲均衡算法,采用误差信号的峰度作为步长控制因子。经计算机仿真与理论分析表明,该算法与传统恒模算法相比,收敛速度加快,稳态剩余误差减小。     

改进的MIMO系统变步长小波常模盲均衡算法

针对传统的多用户MIMO系统常模盲均衡算法收敛速度慢,稳态误差大的缺点,提出来改进的多用户MIMO系统变步长小波常模盲均衡算法,该算法使用变步长代替固定步长来克服收敛速度与剩余误差之间的矛盾,同时利用归一化正交小波变换(WTCMA)和奇异值分解消除时延信号分量,降低接收信号的自相关性,加快收敛速度,减小稳态误差;理论分析和仿真结果表明:新算法可正确恢复出具有信号延时的MIMO系统的源信号,与变步长小波盲均衡算法与CMA算法相比,能获得更快的收敛速度及更小的均方误差。     

一种新的变步长LMS自应用滤波算法

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     

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。     

基于改进仿射投影算法的数字助听器自适应回声消除

提出了一种改进的仿射投影算法。该算法建立了步长因子与误差能量之间一种新的非线性函数关系,根据误差能量的变化自动调整步长因子,以达到加快滤波器收敛速度、降低稳态失调的目的;在对误差能量的估计中提出了遗忘因子选择规则,提高了误差能量估计的准确性。对提出的算法进行的数学分析,为其快速收 敛性提供了理论依据。实验仿真表明,与传统的自适应算法以及固定步长的仿射投影算法相比,提出的改进仿射算法在收敛速度、稳态失调等方面有明显改善。     

一种新的变步长比例仿射投影算法研究

研究比例仿射投影算法,针对自适应算法收敛速度和稳态误差之间的矛盾,提出了一种变步长的改进比例仿射投影算法( VSS- IPAPA).利用后验误差去补偿干扰信号对系统稳态性能的影响,得到了算法新的最优步长准则,根据步长准则以及先验误差与后验误差之间的联系,导出了一种适用于比例仿射投影的步长调节方法.综合了稀疏算法、数据重用方法及变步长的优点.最后通过对改进算法进行仿真,结果表明,在增加少量计算量的情况下,系统的收敛速度和稳态性能有明显的改善,证明了比例仿射投影算法的有效性.     

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。     

一种新的变步长自适应滤波算法研究

针对滤波器在亚模型(under-modeling)工作状态下定步长自适应算法收敛速度和稳态误差之间的矛盾,提出一种变步长分割式比例仿射投影算法(VSS-SPAPA)。该算法考虑到系统干扰噪声和滤波器权系数个数小于回声路径长度时引起的亚模型噪声对回声消除系统性能的影响,利用后验误差去补偿这两类噪声的负面作用,建立一个新的目标函数,根据该目标函数,导出一种适用于比例仿射投影算法整体步长的调节方法。仿真结果表明:在增加少量计算量的情况下,新算法的收敛速度和稳态性能与定步长比例仿射投影算法以及已有变步长算法相比得到了明显提高。     

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.     

改进的多尺度域变步长自适应算法在FOCT中的应用研究

为了更有效的提高光纤电流互感器FOCT(Fiber-Optical Current Transformer)的信噪比,在分析FOCT输出信号特性的基础上,结合变步长自适应算法和小波变换理论,提出一种针对处理FOCT输出信号的改进多尺度域变步长自适应滤波算法,并设计了一种基于ActiveX技术的变步长自适应滤波系统,通过该系统将改进算法与现有的变步长自适应算法进行了对比,结果表明此算法的收敛速度和稳态精度都得到了很大的改善.然后将此算法在FOCT中进行了应用测试,测试结果反映了该算法能有效提高FOCT的检测信噪比和抗噪声干扰能力.     

用于稀疏系统辨识的变步长加权零吸引最小平均p范数算法

在α稳定分布噪声背景下,为了提高稀疏系统自适应辨识算法的稳态性能,提出了基于无噪先验误差功率函数的变步长加权零吸引最小平均p范数基本算法(BVSS-RZA-LMP)和变步长加权零吸引最小平均p范数改进算法(IVSS-RZA-LMP).两种算法分别根据无噪先验误差功率和加权的无噪先验误差功率计算新的步长;步长随无噪先验误差功率的减小而逐渐减小.当算法达到稳态时, IVSS-RZA-LMP算法不再调整权矢量,改进了BVSSRZA-LMP算法稳态性能.α稳定分布噪声背景下的系统辨识仿真结果表明,当系统较稀疏时, IVSS-RZA-LMP算法能够在较快收敛的情况下获得非常小的稳态误差.     

一种分阶梯度加权平均变步长VLMP算法

通过平滑梯度矢量减小梯度估计误差,采用平滑梯度矢量的欧氏范数和误差信号的分数低阶矩更新步长因子,对一阶和二阶权系数采取分阶迭代更新,得到一种在[α]稳定分布噪声背景下变步长Volterra自适应滤波算法,分析证明了该算法的收敛性能。非线性系统辨识的仿真结果表明,算法较DOVLMP算法具有更快的收敛速度和更小的稳态失调。     

基于变步长的混合图像自适应盲分离算法

根据混合信号的分离程度,提出了一种新的图像信号分离算法,通过建立分离矩阵控制步长因子变化,利用自适应不完整自然梯度法实现图像的有效分离.新算法既很好地解决了固定步长算法收敛速度和稳态误差之间的矛盾,也解决了其他变步长算法须选择较小初始步长才能实现分离的问题.仿真结果表明新算法收敛速度快,稳态误差小,综合分离性能明显优于...