共查询到10条相似文献,搜索用时 15 毫秒
1.
张薇薇 《西安邮电学院学报》2011,16(3):6-8
为了解决传统自适应滤波最小均方(Least Mean Square,LMS)算法中收敛速度与稳态误差之间的矛盾,提出了一种改进算法。该算法在已有变步长LMS算法基础上,引入遗忘因子来影响步长的更新。仿真表明,改进后的算法比原算法不但具有更快的收敛速度,而且具有更小且稳定的稳态误差。 相似文献
2.
《中北大学学报(自然科学版)》2017,(2)
针对变步长LMS(Least Mean Square)自适应滤波算法不能同时满足较高收敛速度以及较低稳态误差的问题,根据反馈理论提出了一种新的变步长LMS自适应滤波算法,在原有算法模型中通过引入反馈控制函数建立了一种新的步长与误差的非线性函数模型,使得当前的步长值跟当前误差与前一次误差比值的平方相关,通过MATLAB分析了新函数模型中关键参数对滤波性能的影响并确定了合理的关键参数.仿真结果表明:相比原有的算法,改进的新算法极大地提高了收敛速度,同时也降低了稳态误差.新算法性能良好,将其应用于超宽带无线电引信回波信号的滤波处理中,误差的抑制能力提高了4倍,滤波效果较佳. 相似文献
3.
介绍自适应滤波算法、多尺度小波算法的基本原理和两种算法结合的实现过程。针对最小均方(LMS)自适应滤波算法不能同时提高收敛速度和收敛精度,提出变步长LMS自适应算法,在滤波过程中算法先用大步长跟踪,提高收敛速度,接近稳态时用小步长跟踪,提高收敛精度。为了能有更好的滤波效果,应该在算法的步长因子上有所突破。在抽样函数的基础上改进算法,并结合多尺度小波分解,使得滤波的效果更加理想。通过Matlab仿真实验,验证了改进算法具有更好的稳定性和优越性。 相似文献
4.
《武汉理工大学学报》2014,(12):131-136
通过对变步长LMS自适应滤波算法和提升小波变换理论进行研究,将两种算法换相结合,提出一种新的提升小波变步长LMS自适应滤波改进算法;根据信号特征对更新算子和预测算子自适应的构造,对正交分解的信号进行变步长LMS自适应消噪,提高了收敛速度和稳定性;通过仿真分析,证明了改进的提升小波变步长LMS滤波算法具有较快的收敛速度和更强的抑噪能力;最后,将提出的方法应用于低速重载齿轮箱的故障诊断中,分析结果表明,该方法是一种非常有效的故障特征处理方法。 相似文献
5.
为了解决自适应LMS算法中收敛速度和稳态失调之间的矛盾,在选择自适应算法的步长时,通过在基于箕舌线的变步长LMS算法中引入自相关估计,对信噪比为SNR=16 dB的染噪信号进行处理.仿真结果表明:该算法使均方误差曲线在500个采样点附近达到稳态,均方误差MSE=2.595.时域波形显示,利用变步长自适应滤波算法能有效地滤除信号中的噪声,获得稳定的消噪效果. 相似文献
6.
通过对传统最小均方误差(leastmean square,LMS)算法迭代因子μ进行分析,讨论了μ与收敛速度及稳态失调的关系,在此基础上研究了一种新的变步长LMS自适应算法,建立了步长因子μ与输入信号及迭代次数n之间的一种新的非线性关系。通过理论分析,该算法与传统LMS算法相比,其收敛速度更快、稳态误差较小,且计算量增加不大,采用Matlab仿真表明了该算法的优越性。 相似文献
7.
LMS 算法存在收敛速度和稳态误差上的矛盾,当步长因子过大,则收敛速度快,但误差变化
较大; 当步长因子过小,则收敛速度很慢但是误差稳定. 因此,渐渐发展出了多种变步长LMS 算法.
通过建立步长和误差的一种非线性函数关系,提出了一种新的变步长LMS 算法,并且对算法参数
进行分析. 该算法计算简便,计算量低,且在算法收敛初期能够得到较大的步长,而稳态时期能够得
到较小的步长,且在稳态收敛阶段有较为缓慢的步长变化,克服了传统算法在低误差范围内的步长
调整的缺陷. 仿真结果与理论结果相一致,证明了该算法比已有算法拥有更好的收敛性能. 相似文献
8.
9.
李磊 《青岛科技大学学报(自然科学版)》2012,(1):90-92,98
非平稳噪声的统计参数是时变的,频率滤波器不能实现对它的抑制,传统的自适应抵消器方法是基于最小均方误差准则(LMS)实现滤波的。针对LMS自适应算法中的固定步长导致收敛速度慢、失调量大的缺点,提出了变步长方法。采用最小二乘准则(LS),根据输入信号信噪比的变化来调整步长,并对滤波器的收敛速度、滤波性能进行了数据仿真,验证了该算法的有效性,实现了对时变非平稳噪声的有效抑制。 相似文献
10.
针对稀疏似p范数LMS算法存在收敛速度较慢、失调误差较大的不足,本文在建立浅海环境中离散多径干扰模型的基础上,提出一种变步长稀疏似p范数LMS算法,采用与误差有关的函数值来调整零吸引项,同时使用改进的Sigmoid函数变化自适应迭代步长。数值仿真表明:与经典LMS算法和已有的稀疏似p范数LMS算法相比,该算法具有良好的干扰抑制效果,同时具有较快的收敛速度和较小的稳态误差。 相似文献