采用LMS算法的频域均衡技术研究

LMS（最小均方）算法是一种经典自适应算法,最初应用于时域均衡。本文采用LMS算法,根据信道的特性来更新频域均衡器的均衡系数,实验结果表明该算法可明显改善频域均衡系统的性能。     

改进的变步长频域批处理LMS算法

现有的单载波频域均衡技术中的定步长频域批处理LMS（Frequency-Domain Block Least Mean Square,FBLMS）算法,在收敛速度和稳态误差之间存在矛盾。针对这个问题,基于对变步长LMS算法的研究分析,提出了一种新的改进的变步长频域批处理LMS自适应滤波算法,通过变步长因子以及频域权系数抽头泄漏能很好地协调收敛速度和稳态误差之间的矛盾,并且还具有较低的算法复杂度的特点。通过Matlab对提出的新算法进行计算机仿真验证,结果表明该算法有较好的收敛速度和较小的稳态误差。     

基于谱减和LMS的自适应语音增强

针对宽带噪声背景下的语音增强问题,将短时语音视为非平稳或宽平稳信号,基于谱减法和自适应滤波的最小均方（LMS）算法,提出了一种FIR型自适应滤波算法（SSLMS）：用减谱法由短时噪声观测语音估计期望信号,作为滤波器输出信号的参考信号;用滤波器的输出与参考信号的差值为误差信号,用LMS算法求得滤波器权系数修正量,并修正滤波器。权系数最速下降调整中,采用了归一化LMS、符号LMS、块LMS技术,以简化保证权系数收敛的步长选择、减少权系数修正的运算量,从而提高自适应速度。对不同的语音在各种信噪比下仿真实验,并与改进的谱减法比较,结果表明,该法增强效果优于谱减法;在信噪比为3 dB时该法的增强效果仍然令人满意。     

基于LMS算法的多传感器数据加权融合方法

针对目前多传感器数据融合过程中,传感器观测噪声不易确定,提出了一种基于LMS算法的多传感器自适应加权数据融合方法。该方法将传感器最优加权系数的求解,转化为估计值的均方误差性能表面的最优解搜索,通过加入自适应阶段,采用自适应最小均方误差（LMS）算法调整传感器加权系数。仿真结果表明该方法的有效性。     

新的变块长频域批处理LMS算法

针对传统的频域批处理LMS（Frequency-domain Block Least Mean Square,FBLMS）算法在收敛速度和稳态误差之间存在矛盾的问题,不同于变步长LMS算法,提出了一种新的变块长频域批处理LMS算法,采用自适应改变的批处理块块长的方法来协调解决这个矛盾。通过Matlab对提出的算法进行计算机仿真,结果表明相比于传统的FBLMS算法,新算法具有更快的收敛速度和更小的稳态误差。     

加权[lp]范数LMS算法的稀疏系统辨识

针对经典最小均方（LMS）算法没有考虑冲击响应通常具有稀疏性的特点,一般的稀疏LMS算法当自适应趋于稳态时,对小系数施加过大的吸引力,导致稳态误差增大的缺点,提出对稀疏系统进行辨识的改进的[lp(0相似文献   

基于MCC的自适应混沌序列预测算法仿真

针对基于LMS的自适应预测算法对具有时变特性的时间序列预测在鲁棒性等方面存在缺陷,而使用最大广义相关熵准则以衡量输入输出的相似度,它含有误差分布的高阶统计量,对数据处理具有一定的鲁棒性,提出了一种基于MCC的混沌时间序列自适应预测算法,考虑到LMS算法和MCC准则的优势,将输入序列和权值向量分成两组,分别用LMS和MCC进行迭代训练,得到组合的新自适应预测算法.仿真结果表明,组合自适应预测算法在预测精度和鲁棒性方面都要优于基于LMS或基于MCC的预测算法.     

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。     

一种改进的变步长LMS自适应滤波算法及其在噪声抵消中的应用

本文提出了一种改进的变步长LMS自适应滤波算法,并将其应用于自适应噪声抵消中。该算法解决了算法收敛时间和稳态误差间的矛盾,为实际应用提供了更大的灵活性。它采用误差信号的相关值去调节步长,使得算法的均方误差小、收敛速度快,并且降低了LMS算法对噪声的敏感性。     

基于改进LMS算法的TH-UWB接收机

跳时超宽带（TH-UWB）无线通信系统通常采用RAKE接收技术。而信道估计的准确度直接影响系统接收性能。提出一种基于梯度的变步长的LMS算法进行信道估计。与传统LMS算法相比,改进的LMS算法可以获得更小的MSE（Mean Square Error）从而为接收机提供更精确的信道估计量。同时,结果也表明该算法提高了整个接收机性能,并获得更小的BER（Bit Error Rate）。     

一种新变步长LMS算法及在自适应波束形成中的应用

LMS算法是智能天线自适应波束形成算法中的经典算法,由于其步长固定,造成收敛速度和稳态失调之间的矛盾。为了解决这一问题,提出一种新的变步长LMS算法,并在算法中引入误差信号的自相关估计,大大降低了噪声的干扰,对算法进行仿真,得到了最优的参数设置。利用蒙特卡罗方法对算法进行了性能评估,与传统的LMS算法、NLMS算法相比,新的变步长LMS算法具有更快的收敛速度和较小的稳态误差及优良的抗噪性能。     

改进相关矩阵估计的LMS牛顿算法分析与仿真

在LMS牛顿算法中权值的更新采用了输入信号矢量的相关矩阵估计,不同的估计方法对算法的性能影响很大,该文分析了一种改进相关矩阵估计的LMS牛顿算法,该算法通过对LMS牛顿算法中的相关矩阵采用改进的指数加权估计,大大提高了算法的性能,同时维持了适中的计算复杂度。此外,还比较了LMS牛顿算法与RLS算法,从原理上说明了它们的密切联系;指出算法改善性能的关键在于变步长特性,即步长随着时间增加而逐渐变小,使得算法既可以保持较快的收敛速度,又获得了较小的失调。算法在智能天线中的仿真结果表明,该算法具有比常规LMS牛顿算法更优的性能。     

改进的基音检测算法

提出了一种改进的基音检测算法。利用LMS自适应滤波器对带噪语音信号进行语音增强,再求语音信号的自相关函数（ACF）和平均幅度差函数（AMDF）,对ACF峰值和AMDF谷值进行分析,提取改进的ACF/AMDF加权平方特征进行基音检测。实验结果表明,改进算法的检测效果明显优于传统方法,在低信噪比环境下,鲁棒性较好,提高了检测精度。     

结合编码信息的单通道盲信号分离改进算法

针对同频调制多路线性混合信号的单通道盲分离,根据自适应跟踪信道参数和逐幸存路径处理原理的思想,在基于LMS跟踪的M-PSP算法框架下,提出了一种能减小计算复杂度的RLS-RPSP算法。该算法利用多路RLS收敛速度快的特点,通过分段设置幸存路径数来保留幸存路径,既能实现对多路信道响应的同步跟踪,又无需对初始响应作任何粗估计。理论分析和仿真结果表明,在具有近似相同的误码率性能情况下,不论非时变或时变信道,新算法相比LMS跟踪下的M-PSP算法,至少能降低一半的运算复杂度。     

一种频率域相关性分布式扩散最小均方算法

以均方误差为代价函数的最小均方（LMS）自适应滤波算法具有结构简单、易于实现、计算复杂度低、稳定性好等优点,然而在对未知系统的脉冲响应进行估计时,传统的分布式扩散最小均方（DLMS）算法易受到噪声的干扰,从而降低估计精度。针对该问题,提出一种频率域相关性分布式扩散最小均方（FCDLMS）算法。利用不相关信号的相关函数值趋近于零的性质,在DLMS算法基础上分别将输入信号的自相关函数以及输入和期望信号的互相关函数作为新的观测数据,消除噪声干扰,从而给出相关性DLMS （CDLMS）算法,并将算法扩展至频率域,在频率域中使用乘法运算而非卷积运算来更新抽头系数,减少计算复杂度。实验结果表明,与传统DLMS算法相比,频率域相关性分布式扩散最小均方算法在噪声环境下对分布式自适应网络中的未知系统脉冲响应具有更好的估计结果,算法性能更优,同时也能较好地适应多抽头数、多节点数、强噪声的复杂环境。     

A variable step-size selective partial update LMS algorithm

Selective partial update of the adaptive filter coefficients has been a popular method for reducing the computational complexity of least mean-square (LMS)-type adaptive algorithms. These algorithms use a fixed step-size that forces a performance compromise between fast convergence speed and small steady state misadjustment. This paper proposes a variable step-size (VSS) selective partial update LMS algorithm, where the VSS is an approximation of an optimal derived one. The VSS equations are controlled by only one parameter, and do not require any a priori information about the statistics of the system environment. Mean-square performance analysis will be provided for independent and identically distributed (i.i.d.) input signals, and an expression for the algorithm steady state excess mean-square error (MSE) will be presented. Simulation experiments are conducted to compare the proposed algorithm with existing full-update VSS LMS algorithms, which indicate that the proposed algorithm performs as well as these algorithms while requiring less computational complexity.     

基于改进SOS算法的UCAV鲁棒机动决策研究

针对无人作战飞机自主空战机动决策问题,提出了一种鲁棒机动决策方法。设计了反映空战态势的鲁棒隶属函数,并基于此设计鲁棒多目标决策函数;针对动作库在机动决策中的不完备性与传统优化方法求解时效性缺陷,运用基于自适应和精英反向学习策略改进的共生生物算法,对控制量进行优化进而完成机动决策;仿真结果表明,鲁棒机动决策结果更具优势且改进算法求解具有实时性,满足机动决策需求。     

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.