新的变步长LMS算法在系统辨识中的应用

在分析最小均方误差(LMS)自适应滤波算法和变步长LMS算法的基础上,提出了一种新的变步长算法,该算法用误差的平均值来控制步长的变化,进一步的解决了收敛速度和稳态误差的矛盾。讲述了新算法的具体改进方式,并将该算法和变步长G-SVSLMS算法以及固定步长算法分别应用到系统辨识中,通过MATLAB进行仿真,结果证实文中提出的算法在明显提高收敛速度的同时,并拥有好的稳态误差。     

一种约束稳定性最小均方噪声对消算法

研究了最小均方误差(LMS)算法、归一化的最小均方(NLMS)算法及变步长NLMS算法在自适应噪声干扰抵消器中的应用,针对目前这些算法在噪声对消器应用中的缺点,将约束稳定性最小均方(CS-LMS)算法应用到噪声处理中,并进一步结合变步长的思想提出来一种新的变步长CS-LMS算法。通过MATLAB进行仿真分析,结果证实提出的算法与其他算法相比,能很好地滤除掉噪声从而得到期望信号,明显的降低了稳态误差,并拥有好的收敛速度。     

WSN中节点定位方法的改进

无线传感器网络节点位置信息的获取非常关键。首先考虑节点分布问题提出了一种新的节点分布模式,并改进定位算法,将节点定位过程主要分为一级定位和二级定位。一级定位采用基于优先值阈值的质心定位算法,并将一级定位的节点作为新锚节点参与二级定位。二级定位使用基于优先值阈值的DV-Hop最小二乘定位算法。Matlab仿真结果证明,提出的节点分布模式利于节点定位,一级定位算法降低了计算量,并与二级定位算法一起提高了定位精度。     

一种改进的可变步长LMS算法及性能分析

为解决自适应算法的收敛速度和稳态误差两者间的矛盾,对归一化的最小均方(NLMS)算法、变步长算法及可变步长NVSS算法进行了研究,并结合变步长的思想,提出了一种新的可变步长算法。新的算法中引入合适的遗忘因子与修正参数来建立与步长因子间的函数关系,加快了算法收敛速度的同时,也能在非平稳的环境中有好的跟踪能力。最后把不同的算法应用到系统辨识系统中,通过MATLAB进行实验仿真,结果证实了新提出的算法有快的收敛速度和跟踪时变系统的能力。