一种新的自适应步长盲源分离算法

自然梯度盲源分离算法通常采用固定步长,但这样做会造成算法收敛速度慢和跟踪能力差.为此,提出了一种新的自然梯度自适应步长盲源分离算法,使步长在每次迭代中根据其他参数的变化做出相应的调整.在非稳态环境下,计算机仿真试验结果表明,新算法不仅具有良好盲分离性能,而且在上述两个方面都有了较大改善.     

基于变步长等变化自适应盲源分离算法

对于基于梯度自适应的盲源分离算法，认真选择步长参数以达到好的分离性能是非常必要的。如果为加快收敛速度而增大步长因子，将会导致大的稳态误差，甚至引起算法发散，因此固定步长因子无法解决收敛速度和稳态误差之间的矛盾。本文为EASI算法提出了一种变步长的解决方案。通过建立步长因子与分离矩阵相互差异之间的非线性关系，加快了收敛速度，减小了失调误差。计算机仿真结果与理论分析相一致，证实了该算法明显优于传统的EASI算法。     

分离矩阵的步长自适应在线盲源分离算法

分析了超定盲源分离中的自然梯度算法最终不能稳定收敛的原因,针对解决这一问题的方法中存在的不足进行了分析和研究。采用了一种基于分离矩阵的步长自适应在线盲源分离算法,较好地实现了收敛速度与稳态误差的最优结合。同时,在信号随机减少或增加时改进算法也能够达到较好的分离效果,仿真结果验证了改进算法的收敛稳定性与分离有效性。     

一种新的变步长自适应滤波算法及分析

现有的变步长自适应滤波算法可分为步长一致和步长非一致两种情况,本文着重对步长一致的情况进行分析讨论,给出了统一的表达式,并定性地提出了步长变化的准则.同时在分析了几种现有变步长自适应滤波算法的基础上,提出了一种新的变步长自适应滤波算法.理论分析和不同情况下的仿真实验结果都表明,新算法能够符合文中提出的变步长准则,在保持算法简单的同时能够满足收敛速度,跟踪能力和收敛精度的要求.     

一种新的变步长LMS自适应滤波算法

对已有的一些变步长自适应滤波算法进行了分析，在此基础上，提出了一种新的自适应算法。理论分析显示该算法能改善文中所述其他算法的不足；仿真结果表明此算法收敛性能良好，优于文中所述其他算法。     

一种新的变步长LMS自适应算法

研究了自适应最小均方误差滤波算法的步长选取问题。在分析现有变步长LMS算法的基础上,给出一种以双曲正切函数的改进形式为变步长的LMS算法。在相同收敛速度的前提下,该算法具有更小的超量均方误差;而在相同超量均方误差的前提下,该算法具有更快的收敛速度。经实验,仿真结果与理论分析相一致,证实了该算法的优越性。     

一种新的变步长LMS自适应滤波算法

在对传统LMS算法、变步长SVSLMS算法及归一化LMS算法分析的基础上,提出了一种改进的归一化变步长LMS算法即N-SVSLMS（Normalized-SVSLMS）算法。该算法结合了参考文献中两种算法的思想,得到了改进的归一化LMS自适应算法。该算法在信道环境多变的情况下,收敛速度和稳定性能有了进一步的提高。理论分析及计算机仿真结果表明,N-SVSLMS算法明显优于传统LMS算法、变步长SVSLMS算法及归一化的LMS算法。     

一种新的变步长LMS自适应算法及其仿真

在分析标准LMS及VSS类算法的基础上,针对传统VSS类改进算法中步长因子太小而导致收敛速度变慢的缺点,提出一种新的变步长LMS算法,新算法引入了遗忘因子λ(i),(i=0,1,…,L-1),通过遗忘因子来产生新的步长.计算机仿真结果表明,与标准LMS算法、VSS算法、MVSS算法相比,新算法具有更好的收敛性能.     

一种新的变步长LMS自适应滤波算法

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,提出了一种新的变步长LMS(LeastMean Square)算法.该算法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,且克服了S函数变步长LMS算法(简称SVSLMS算法)在自适应稳态阶段μ(n)取值偏大的缺陷.理论分析和计算机仿真结果表明该算法的性能优于SVSLMS算法.     

基于分离度的步长自适应自然梯度算法

首先定义了描述信号分离状态的分离度,并利用分离度作为参数来控制自然梯度算法中的步长因子,从而首次提出了一种基于分离状态的步长自适应自然梯度盲源分离算法。由于该算法步长是基于分离度的,其学习速率由信号的分离程度自适应地选取,因而能很好地解决收敛速度和稳态误差之间的矛盾。计算机仿真结果与理论分析相一致,证实了该算法明显优于其它固定步长或变步长的自然梯度算法。     

一种新的自适应步长ICA算法

学习速率的优选问题是自适应ICA算法中的一个重要问题。文中定义了描述信号分离状态的去相关性测度。以此为基础提出一种新的自适应步长选取算法,算法将信号分离过程分为3个阶段,在不同的阶段采用不同的步长选取方法。有效地解决了算法的稳态误差和收敛速度之间的矛盾,其仿真结果证实,该算法不仅在平稳环境中具有较快的收敛速度,而且具有良好的稳态性能和数值稳定性。     

基于非线性函数的非平稳盲源分离步长算法

传统自然梯度盲源分离算法采用固定步长,导致收敛速度和稳态误差之间存在矛盾,使算法性能受到制约,特别是对非平稳盲源的分离效果较差。为此,对传统算法进行了改进,提出了一种新的基于非线性函数的步长算法,在分离过程中使步长在每次更新中自动做出合理的调整。通过MATLAB仿真实验证明了新算法的有效性。     

结合辅助分离系统的变步长盲源分离算法

 针对盲源分离算法中步长因子的自适应选取问题,本文基于分离性能指标与步长因子的对应关系,提出了一种新的变步长盲源分离算法.该算法通过结合一个受限的辅助分离系统,重新构造系统分离性能指标,并根据该指标参数呈指数趋势下降的变化规律来获取步长因子的自适应更新.平稳和非平稳环境下的仿真实验表明:相对于固定步长和新近的自适应变步长算法,本文提出的算法拥有更快的收敛速度和更小的稳态误差.     

基于改进EASI算法的DS-CDMA信息码与伪码盲估计

针对直扩序列码分多址(DS-CDMA)系统多用户检测的问题,提出了一种基于性能指标(PI)变步长EASI算法信息码与伪码盲估计的算法.该算法在比较盲源分离(BSS)和DS-CDMA系统模型的基础上,用自适应的方法估计混合矩阵进而估计出伪码,并利用分离矩阵分离观测信号从而估计出信息码.另外,该算法利用PI值来调整步长,使算法收敛速度和稳定性能达到一个理想平衡点.实验结果显示,该算法具有很好的抗多址干扰(MAI)的能力,伪码和信息码的误码率分别在-10 dB和0 dB时达到10-2以下;对不同用户数,5dB时所有扩频码被完全正确检测的概率几乎都在80％以上.     

基于变步长的正则化回溯自适应追踪算法

在压缩感知重构算法中,稀疏度未知及步长大小固定是影响算法精度及运行时间的因素.针对以上不足,本文提出一种基于变步长的正则化回溯自适应追踪算法.该算法首先通过原子匹配测试的方式获得信号的稀疏度估计;将正则化思想和子空间追踪算法的回溯思想相结合,实现原子的二次筛选并筛除不合适的原子;最后,利用变化的步长选择候选集中的原子,帮助完成信号的完整重构.通过仿真实验证明,本文提出的重构算法在重构速度和重构精度上均优于同类算法.     

改进的变步长LMS算法及其在自适应消噪中的应用

通过建立误差信号e（n）和步长因子μ（n）之间一种新的非线性函数关系，提出了一种改进的变步长LMS算法。该算法较固定步长LMS算法收敛速度快、稳定性好，和已有的基于S函数的变步长LMS算法相比，不需要进行复杂的复数运算，大大减化了计算量。将该算法应用于自适应噪声对消系统的仿真中，计算机仿真结果与理论分析相一致。