一种改进的变步长LMS自适应滤波算法

针对最小均方算法收敛过程中收敛速度与稳态误差的矛盾,提出一种基于反正切函数的归一化最小均方算法。该算法利用反正切函数和误差自相关的时间估计建立了步长与误差之间的非线性关系,抑制环境中的非相关噪声,同时引入归一化信号功率扩大输入信号的取值。仿真结果表明,该算法具有较快的收敛速度、较低的稳态误差,同时具备较好的系统时变跟踪能力。     

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。     

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。     

基于反双曲正弦函数的抗冲激块稀疏自适应滤波算法

针对现有基于最小均方误差（MSE）的块稀疏系统辨识算法抗冲激性能不佳的问题,提出了一种利用反双曲正弦函数替代最小均方误差的改进型块稀疏归一化最小均方（IBS-NLMS）算法。该算法首先构造新的代价函数,利用负梯度最陡下降法求出增量,进而导出了新的滤波器权系数更新公式,在公式迭代过程中出现的冲激噪声会导致权系数的更新量趋于零向量,从而消除了由于非高斯冲激干扰而导致的算法发散问题。同时,理论分析并推导出了该算法的均值收敛过程。块稀疏系统辨识的仿真结果表明,在非高斯冲激噪声干扰和截断变化情况下,改进型算法与块稀疏归一化最小均方（BS-NLMS）算法相比有更快的收敛速度和更小的稳态误差。     

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。     

变步长比例归一化子带自适应滤波算法研究

针对欠定模型条件下定步长比例归一化子带自适应滤波(PNSAF)算法收敛速度和稳态误差之间的矛盾,提出了一种变步长VSS-PNSAF算法。该算法将系统干扰噪声和欠定模型噪声对系统性能的影响考虑进滤波器系数更新过程中,利用后验误差对其进行补偿,根据先验误差与后验误差之间的联系,导出了一种适用于比例归一化子带自适应滤波算法的步长调节方法。该算法综合了子带自适应滤波、比例自适应算法及变步长方法的优点。仿真结果表明:与定步长比例归一化子带自适应滤波算法相比,所提算法具有更低的稳态误差和更快的收敛速度。     

基于混沌系统的正交小波变换盲均衡算法

针对常数模盲均衡算法(CMA)收敛速度慢、稳态误差大和局部收敛的缺点,将正交小波变换与混沌通信理论相结合,提出了一种基于混沌通信系统的正交小波变换盲均衡算法(CS-WT-CMA)。该算法充分利用了混沌映射的伪随机性、遍历性、相关性以及无限宽带功率谱等特点,将混沌调制系统用于产生宽带混沌信号,使用混沌信号作为载波,在调制的同时直接对发射信号进行扩频,从而降低了信道输入信号的自相关性,更好地抑制了码间干扰和多径衰落;同时对均衡器输入信号进行正交小波变换,并作能量归一化处理,降低了信号的自相关性,从而有效地加快了收敛速度。水声信道仿真结果表明,与正交小波变换盲均衡算法(WT-CMA)相比,该算法收敛速度更快、稳态误差更小。     

基于指数函数的归一化变步长LMS算法

在研究归一化最小均方误差(NLMS)算法的基础上,提出一种基于指数函数的变步长LMS算法。通过建立误差 和步长 的函数关系,实时调整步长,并对输入信号完成时域信号解相关,解决稳态失调系数与收敛速度的矛盾。仿真实验结果证明,该算法与传统LMS算法、SVS_LMS算法、NLMS算法以及双曲正切变步长LMS算法相比,具有更高的收敛速度和较小的稳态失调系数。     

仿射投影算法中的步长控制

依据仿射投影算法均方误差（MSE）的最快收敛速度条件,对算法迭代过程中的步长进行控制,提出了一种新的变步长仿射投影算法（VSSAPA）。该算法使步长随着输出误差的变化而自动调整,从而降低稳态误差。将提出的算法应用于系统辨识,结果表明,与传统仿射投影算法和变步长仿射投影算法相比该算法具有更低的稳态误差和更快的收敛速度。     

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。     

基于混沌萤火虫优化的小波多模盲均衡算法

采用多模盲均衡算法(MMA)处理高阶正交振幅调制QAM信号时,存在收敛速度慢、稳态误差大、容易陷入局部最优等问题。为此,提出一种基于混沌萤火虫优化的正交小波多模盲均衡算法(CGSO-WT-MMA)。该算法将具有良好全局搜索能力的萤火虫算法和具有较强局部搜索能力的混沌算法相结合,用以优化均衡器权向量,并引入正交小波变换降低信号自相关性,以改善收敛性能。仿真实验结果表明,与MMA算法相比,该算法均方误差降低近4 dB,收敛速度加快近5 000步,稳态性能明显提高。     

变步长LMS自适应滤波算法的改进及分析

在对传统LMS算法、变步长LMS算法及其改进算法分析的基础上,提出了一种改进的变步长LMS算法。新算法通过建立步长因子与误差信号之间的非线性函数关系,使其初始阶段和时变阶段步长自适应增大和稳态阶段步长很小,具有收敛速度快,稳态误差小,迅速跟踪跃变系统的变化,并且不易受噪声影响的特点。理论分析和计算机仿真结果表明该算法优于传统算法。     

自适应语音消噪算法的研究与仿真

针对语音通信中的噪声问题,对最小均方误差(LMS)算法进行研究。研究发现,该算法在收敛速度与稳态误差之间始终存在着矛盾,为此在F-LMS算法的基础上,提出一种改进的LMS算法,该算法通过引入误差加权累加的平均值的方法来更好地解决两者之间的矛盾,并通过计算机仿真证实了该算法具有良好的收敛性能和稳态性能,最后利用传统的LMS算法、F-LMS算法和改进的LMS算法对带有噪声的信号进行了消噪处理,结果表明:在三种算法中,改进的LMS算法的噪声消除效果最好。     

改进SVSLMS算法在系统辨识中的应用及性能分析

通过建立步长因子μ与误差信号e（n）之间的非线性函数关系,提出了一种改进的自适应可变步长最小均方（LMS）算法。该算法具有在误差e（n）接近0处缓慢变化的优点,克服了S函数变步长LMS算法在自适应稳态阶段μ取值偏大的缺点;具有初始阶段和未知系统时变阶段步长自动增大而稳态时步长很小的特点,解决了收敛时间和稳态误差的矛盾。将算法应用到系统辨识中,对比一般的变步长算法,改进的算法在平稳过程中具有更快的辨识速度和更小的稳态误差,同时还具有更好的跟踪时变系统的能力。     

复数系统中三、二阶归一化累积量盲均衡算法的研究

采用对称—反对称变换原理,提出了一种基于复数系统三、二阶归一化累积量盲均衡算法,克服了对称信号三阶累积量为零而无法进行信道均衡的缺点。计算机仿真表明,该算法实现简单,收敛效果好,稳态剩余误差小,其性能优于已有的一些同类算法。     

T/4相干累积分数间隔多模盲均衡算法

针对高阶QAM信号均衡普遍存在收敛困难、收敛后稳态误差大的问题。在对分数间隔结构、多模和相干累积算法分析的基础上,提出了一种基于相干累积的分数间隔多模盲均衡算法。水声信道128QAM信号仿真结果表明,该算法具有更快的收敛速度、更小的稳态误差,眼图睁开更加清晰。     

一种新的可变步长LMS自适应滤波算法

针对LMS算法收敛性能差的缺点,提出一种改进LMS算法即NLMSISA.首先从理论上分析并介绍了LMS算法及其改进算法,并将改进算法-变符号函数法(ISA)和归一化变步长(NLMS)算法有机结合,提出了该NLMSISA算法,理论上该改进算法具有物理实现难度低、收敛速度快、且能收敛到更小且稳定的均方误差(MSE)的特点.在MATLAB下,通过采用LMS、LMSISA和NLMSISA三种算法对FIR和IIR两种结构的系统分别进行了辨识仿真研究,结合三种算法的均方误差收敛曲线分析,验证了提出的改进LMS算法在敛速度、稳态误差上都明显优于现有几种算法.该算法对于实际工程应用的自适应滤波问题提供了一个较好的算法.     

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.     

自适应语音消噪算法的研究与应用

针对语音通信中的消噪算法进行了研究。经研究发现,消噪算法在收敛速度与稳态误差之间始终存在着矛盾。为改善语音中的消噪能力,减少误差,在G SVSLMS算法的基础上,提出了一种改进的噪声消除算法,即利用引入一个关于误差的反正切函数来改进步长因子,并通过计算机仿真证实了改进算法具有良好的收敛性能和稳态性能,最后利用传统的LMS算法、G SVSLMS算法和改进算法对带有噪声的信号进行了消噪处理,结果表明：在三种算法中,改进算法的噪声消除效果最好。     

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。