一种解相关变步长归一化LMS自适应算法

本文对变步长（VSS）自适应滤波算法进行了分析,针对输入信号高度相关时算法收敛速度下降导致性能下降的问题,提出了一种解相关变步长归一化LMS自适应算法,引入相关性原理,使得算法保持良好的收敛性能。计算机仿真结果与理论分析相一致。     

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。     

一种改进的变步长LMS自适应算法及分析

现有的变步长LMS算法中,大都采用建立步长因子与误差信号的函数关系的方法,以提高算法的收敛速度和跟踪性能,但由于未考虑输入信号对算法性能的影响,使得当输入信号发生变化后,稳态误差明显增大。为此,在现有算法的基础上,引入了输入信号因子,提出了一种改进算法。该算法可根据瞬时误差和输入信号来调整步长因子,使算法不仅能保持较高的收敛速度和跟踪性能,还可在输入信号变化的情况下,保证较小的稳态误差。理论分析及仿真实验表明新算法的性能优于现有算法。     

基于箕舌线变步长LMS算法的分析与改进

研究系统跟踪性能和误差问题,为了改善基于箕舌线的变步长最小均方(LMS)算法的收敛速度和对信号输入端不相关噪声的抗干扰性,首先对现有的典型变步长LMS算法进行了分析归纳.在箕舌线变步长LMS算法(TCLMS)的基础上通过结合其他典型算法的优点,提出了TCLMS算法的改进算法.算法不仅继承了TCLMS算法计算复杂度低的优点,并且通过引入动量项与前后误差的自相关估计对其收敛速度慢,抗不相关噪声干扰性能差的特性进行了改善.在MATLAB进行仿真,结果表明,改进算法具有收敛速度快,计算复杂度低,稳态误差小,抗噪声能力强等特点.     

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。     

一种新的去相关变步长LMS算法及其应用

在一种变步长算法基础上,从语音信号相关性的角度出发,提出了一种新的去相关变步长LMS算法(DCL—NLMS)。该算法结构简单,收敛速度快,稳态失调小,计算量与NLMS算法相当。仿真结果表明,该算法在处理强相关性信号时,不仅收敛速度明显快于其余算法,而且稳态失调特性也有很大优势。     

一种改进变步长LMS算法的性能研究

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,理论分析及计算机的仿真结果表明,该算法可保证较快的收敛速度和较小的失调,能更好地解决收敛速度和稳态误差的内在矛盾,可更好地应用于自适应系统中。     

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。     

一种变步长解相关LMS算法

论文提出了一种变步长解相关的LMS算法,解决了传统LMS算法固定步长的缺点,并根据输入信号的相关性原理对迭代更新方向向量进行了改进,提高了迭代速度,并使用MATLAB仿真对提出的新的算法的有效性进行了验证。     

一种改进的变步长自适应滤波算法

为了提高LMS自适应滤波算法的性能,在对传统LMS算法及其改进算法研究的基础上,提出了一种改进的变步长算法.在改进算法中,步长因子与误差信号自相关函数之间建立了一种改进的非线性函数关系.将改进算法应用到系统辨识中,通过计算机仿真结果看出,自适应滤波性能在收敛速度和稳态失调误差等方面得到改善.     

An affine projection algorithm with variable step size and projection order

It is known that the performance of adaptive algorithms is constrained by their computational cost. Thus, affine projection adaptive algorithms achieve higher convergence speed when the projection order increases, which is at the expense of a higher computational cost. However, regardless of computational cost, a high projection order also leads to higher final error at steady state. For this reason it seems advisable to reduce the computational cost of the algorithm when high convergence speed is not needed (steady state) and to maintain or increase this cost only when the algorithm is in transient state to encourage rapid transit to the permanent regime. The adaptive order affine projection algorithm presented here addresses this subject. This algorithm adapts its projection order and step size depending on its convergence state by simple and meaningful rules. Thus it achieves good convergence behavior at every convergence state and very low computational cost at steady state.     

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。     

模糊推理最大熵图像恢复算法

与线性恢复算法相比,基于最大熵的图像恢复算法具有更好的图像恢复效果,但其收敛速度较慢。为了提高最大熵图像恢复算法的收敛速度,首先给出了算法的非周期反卷积模型,然后采用模糊推理系统在线确定算法的迭代步长。由于采用了可变步长,因此极大地提高了算法的收敛速度。仿真实验表明提出的算法收敛速度快,图像恢复效果好。     

基于改进变步长电导增量法的MPPT控制

针对光伏系统最大功率点跟踪控制速度不稳定的问题,提出一种改进的变步长电导增量法。对电导增量法变步长的触发条件进行改进,确定变步长的使用范围,并选取适当的缩放系数,使光照强度发生变化时可稳定地跟踪最大功率点。仿真结果表明,该算法在光照强度发生大幅度变化时,具有较快的响应速度和较高的跟踪精度。     

一种改进的均值粒子群算法

为了解决粒子群算法存在“早熟”现象和收敛速度慢的问题,本文提出一种改进的均值粒子群算法. 该算法采用非线性惯性权重,同时在每个迭代步,将粒子历史最优和种群全局最优取均值再乘以一个非线性权重的方法,以提高算法的全局搜索能力和收敛速度. 通过4个标准函数的测试,实验结果表明该算法的有效性.     

一种快速收敛的变步长自适应谐波检测算法

为解决传统固定步长LMS自适应算法在电网谐波检测中存在的收敛速度和稳态误差之间的矛盾,本文提出了一种快速收敛的变步长自适应谐波检测算法。该算法以误差反馈信号、误差信号在总误差信号中所占的比率以及负载电流的相邻两个采样值之差的和作为自适应反馈量,并通过自适应反馈量的相干平均估计来控制步长的更新;同时对系统权值迭代公式进行改进提高收敛速度;并改传统的固定步长变化范围为时变范围,使步长变化更加平滑。该方法在负载突变的情况下有很好的跟踪性能,可有效的提高初始收敛速度、减小稳态失调。仿真分析及实验证明了该算法在谐波检测中的有效性和准确性。     

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。     

采用自适应扰动观察法的光伏并网系统最大功率点跟踪

提出了一种自适应扰动观察（P＆O）算法,用于在不同天气条件下太阳能光伏（PV）并网系统的最大功率点跟踪（MPPT）控制策略。该策略对于从太阳能光伏电池板中,获取最大的功率输出是十分重要的。利用一种依赖于功率变化的可变的扰动步长,提出了改进的自适应扰动观察算法。最后将通过仿真所得到的数据与传统的扰动观察算法进行了比较,结果表明所提出MPPT算法的收敛值和速度得到了改善,稳定时间缩短25%,稳态值提高20%以上,在太阳能光伏并网系统的最大功率点跟踪时是有效而实用的。     

峭度自然梯度盲分离改进算法

自然梯度算法有较快的收敛速度、良好的分离性能,在盲信号分离中占有重要地位。但该算法是基于固定步长的,所以不能很好地解决收敛速度与稳态误差之间的矛盾。通过建立步长因子与峭度的平方和之间的非线性关系,提出了一种自适应的自然梯度算法。计算机仿真结果证实了该算法的有效性,并说明了该算法明显优于自然梯度算法。