基于变步长LMS自适应时延估计算法

介绍一种基于均方误差的变步长自适应时延估计算法,通过建立步长因子μ（k）与误差信号e（k）之间的非线性函数关系,实现了时间延迟的快速估计。仿真结果表明,该算法具有运算简单,时延估计准确,收敛速度快和抗干扰能力强等优点。     

LMS自适应时间延迟估计

数字基带预失真线性化技术是一种通过在功率放大器前端引入与其幅度和相位特性相反的预失真电路使输入和输出信号在整体上呈线性关系,从而实现高频谱效率传输的一种新型线性化技术．然而,预失真电路的引入必然引起环路延时。因此,数字基带预失真线性化技术的关键问题之一就是环路延时的估计,文中研究了基于Widrow的最小均方（LMS）算法的自适应时间延迟估计的基本原理,结构,和算法,分析了这种估计方法的性能,并给出了计算机仿真结果。从仿真结果中可以看出,LMSTDE可以精确的检测出系统的时间延迟,使功率放大器的线性化性能得到很大的改善。     

最小均方自适应时延估计算法的频域实现与仿真

针对广义互相关法在动态环境下进行时延估计时的局限性,文中分析了自适应时延估计的估计特性,提出了最小均方自适应时延估计的频域实现算法,仿真结果表明该算法有很好的估计性能。     

信噪比时变情况下的自适应时延估计方法

本文介绍了一种自适应时延估计的改进方法，此方法用于在信噪比时变情况下，对空间上分离的两个传感器所接收的带限信号的时延估计。它的优点在于：当信噪比变化或未知时，它能对时延的变化随时做出估计。文中给出了此方法的估计精度和收敛特性。     

二次加窗LMS自适应时间延迟估计

本文提出了一种二次加窗LMS自适应时间延迟估计方法,适用于带限平稳白色随机信号的时间延迟估计。采用这种方法,当进行长相关时间的时延估计时,可以极大地减小冗余的计算量。本文还研究了这种方法的可行性,并对其性能进行了分析。     

自适应算法LMS和RLS的仿真分析

在目前的移动通信领域中,克服多径干扰,提高通信质量是一个非常重要的问题,而自适应滤波器能很好的解决这个问题,自适应滤波器的核心是自适应算法。具体地讲述自适应算法的理论体系,模型及具体实施,分析两种典型的算法最小均方算法(LMS)和递归最小二次方算法(RLS),并根据仿真的结果得出结论。     

一种自适应时延估计的新方法

最小均方（LMS）算法可用来进行时延估计。当算法收敛后,可以根据滤波器权系数最大值的位置估计整数倍采样周期的时延。为了估计非整数倍采样周期的时延,常用SINC函数插值法和约束自适应方法。利用SINC函数的特点和拉格朗日条件极值,对自适应时延估计的滤波器权系数做了改进,提出了新的约束自适应时延估计方法。仿真实验表明,提出方法的性能优于传统的自适应时延估计算法。     

用SystemView仿真LMS自适应算法

最小均方误差(LMS)算法是自适应信号处理中最常用的算法.本文在给出LMS算法的原理的基础上,设计了一种单一频率的自适应陷波器的仿真方案.采用SystemView通信系统仿真工具,仿真了该自适应陷波器工作过程,给出了各点工作波形,并通过实验给出了不同参数条件下的陷波器收敛性能.实验结果表明,在合适的参数条件下,LMS算法可以兼顾收敛速度和稳态误差两方面的性能,实现性能良好的陷波器.同时,由于采用迭代算法,LMS算法更适合DSP或FPGA的数字实现.     

时变时延的在线自适应估计

本文提出了一种时变时延的在线自适应估计新方法,首先,本文给出了一种修正的强跟踪滤波器算法,并且建立了时变时延的估计模型,基于此模型,时变时延可以被当成系统状态由修正的强跟踪滤波器算法直接进行估计,所提出的方法具有使用简单,跟踪迅速,精度高等特点,最后,仿真实验结果验证了本文方法的有效性。     

基于LMS的广义互相关时延估计

针对复杂环境下听觉系统中对声音信号先验知识获取较难的问题,提出了一种基于最小均方自适应滤波的广义互相关时延估计方法。对传声器接收到的声源信号先进行自适应滤波,提高信号的相似度,再对滤波器权值进行平滑相干加权得到广义互相关函数来估计时延。该方法具有较强的鲁棒性,又不依赖于统计先验知识。试验证明其适用于复杂的噪声环境,提高了精度。     

基于广义二次互相关的低信噪比信号时延估计

针对时延估计精度受噪声影响,导致时延估计不准确的问题,在现有广义二次相关算法的基础上,提出了一种改进的广义二次相关算法,通过将二次相关函数先做指数运算,降低噪声干扰,再将傅里叶逆变换得到的相关函数做高次方运算,达到锐化峰值提高时延正确率的目的。仿真结果表明,信噪比(SNR)在0～10 d B时,改进算法的均方根误差明显优于广义二次相关算法,正确率相比于广义二次相关算法也显著提高,且在更低SNR的情况下仍然具有一定优势。     

一种基于LMS自适应滤波的互相关时延估计优化算法

在多站时差定位系统中使用基于LMS自适应滤波的互相关法进行时延估计时,若采用固定步长因子则会在收敛速度和稳态失调之间存在较大矛盾,从而影响时延估计精度。针对这一问题,文中提出了一种基于分段变步长LMS自适应滤波和希尔伯特差值的互相关时延估计优化算法。该方法首先采用分段变步长LMS自适应滤波对信号进行滤波处理,然后将滤波后的信号作互相关运算,最后通过希尔伯特差值法锐化相关函数的峰值,进一步提高时延估计精度。在相同条件下,文中模拟分析了不同算法的时延估计精度。实验结果表明,新的优化算法时延估计精度更高。在不同信噪比下,新方法相较传统时延估计方法精度提高了2.2%以上,具有良好的抗噪声性能。     

带约束的LMS－SCOT自适应时间延迟估计

提出了一种带约束条件的ＬＭＳ－ＳＣＯＴ自适应时延估计方法，这种方法以ＬＭＳ自适应信号处理技术为基础，利用平滑相干变换（ＳＣＯＴ）函数的自适应估计来确定时延估值，并且在自适应的迭代过程中加入了约束条件。给出了这种方法的原理、性能和计算机仿真的结果。理论和实践表明：这种方法在估计精度，抗干扰能力，收敛速度和计算复杂度四个方面均优于ＬＭＳ自适应时延估计。     

一种新的约束自适应时延估计方法

为了提高滤波器权系数收敛到真值的速度,提出了一种新的有约束条件的自适应时延估计方法,约束条件是让滤波器的权系数的平方和为1。仿真结果表明,新方法收敛到时延真实值的速度快于传统方法。     

一种参数途径的自适应时延估计方法

时差定位应用中,需要首先对2个分开的传感器侦收的来波信号进行离散采样,然后估计时差。时差通常不是采样间隔的整数倍,导致常用时差估计方法的估计误差值可能达到0.5倍采样间隔。研究人员常用插值运算减小估计误差,但运算量较大。参数途径时延估计方法可以直接估计非整数倍采样间隔的时差,且不需要插值运算,运算量较小。应用(LMS)算法来实现参数途径时延估计方法,通过理论推导给出了时延估计的方法和步骤。计算机仿真验证表明了新方法的有效性和正确性。     

一种基于遗传算法的自适应参数型多径时延估计

基于四阶累积量的自适应参数型多径时延估计（FOC—APMTDE）算法只能直接估计整数倍采样间隔的时延,为了克服此缺点,引入遗传算法进行时延估计的寻优,保留了FOC—APMTDE算法良好的抑制相关或非相关高斯噪声的性能,在低信噪比的情况下可以准确地直接估计非整数倍采样间隔的时延。计算机仿真试验验证了新方法的有效性。