梯度自适应格型滤波联合算法的性能分析

针对在非平稳环境下,以最小均方(LMS)为代表的自适应梯度算法跟踪输入信号的能力不强和稳定性不够的问题,设计了一种以梯度自适应格型算法与线性组合器组成的联合处理器,并在白噪声、车载噪声、粉红噪声三种环境下的性能进行了仿真实验。结果显示该处理器在平稳和非平稳两种干扰环境下都只需要约20次迭代运算达到稳定,相对于横向自适应最小均方算法不仅减少了算法总的复杂度,而且对微弱信号的信噪比改善能力更强。研究表明该算法既满足收敛速度快、精度高、稳定性好等要求,又可以节省硬件资源。

梯度自适应格型联合处理器的FPGA设计

梯度自适应格型联合处理(GALJP)器的现场可编程门阵列(FPGA)设计是实现自适应滤波器处理非平稳信号的关键技术。利用多种电子设计自动化(EDA)工具并通过行为级、寄存器传输级和门级等3级仿真设计流程,在EP2C5T144C6芯片上设计了一个用于自适应去噪的GALJP电路模型。结果表明,在相同条件下,GALJP滤波器的时钟频率约为横向最小均方误差(LMS)滤波器的1/4。但因达到收敛的迭代次数仅为横向LMS滤波器的1/50,收敛速度反而提高了10倍以上,滤波器阶数的降低也极大减小了硬件资源。

基于S型映射的自适应粒子群优化算法

针对粒子群算法搜索精度不高,易陷入局部最优解的不足,提出了一种基于S型映射的自适应粒子群优化算法.首先,通过群体适应度方差策略,设定种群收敛阈值;然后,根据阈值采用S型映射自适应变异搜索策略,以提高全局探索能力;最后,根据适应值排序,采用S型映射自适应步长梯度搜索策略,以提高局部搜索能力.通过四个测试函数实验表明,该算法在收敛速度、收敛精度方面均有较大提升.

基于梯度自适应格型滤波的外辐射源雷达多径杂波抑制算法

外辐射源雷达面临严重的多径杂波问题,传统的梯度自适应格型(gradient adaptive lattice,GAL)滤波是一种有效的杂波抑制算法,但该算法需要根据经验合理设置步长参数,收敛速率慢,在抑制杂波的同时会造成处理距离元内的目标回波被部分相消。基于传统的GAL滤波提出了一种改进的GAL算法及其前后向预测误差的归一化形式,该算法通过最小化前向和后向预测误差的均方值估计反射系数,并通过最小化多重回归滤波的均方误差估计其权系数。相对传统的算法而言,改进的算法不需设置步长参数、收敛速率快、对处理距离元内的目标回波基本没有影响。仿真和实测数据处理结果验证了该算法的有效性。

梯度自适应格型滤波算法的设计与应用

格型结构滤波器因其优良的数值特性,具有在现代数字处理器上实现的优势,但其传递函数的隐含性往往很难选择滤波器的参数。提出在每个格型节中采用梯度算法,通过观测每节反射系数的收敛性和稳定性,得到滤波器的最佳节数和步长的设计方法。并以设计的格型滤波器与LMS线性组合器构造一种联合处理滤波器,验证了算法的合理有效性。结果表明该方法在工程应用方面不仅可以方便快速地设计格型滤波器,而且可以节约大量硬件资源。

一种改进的自适应格型陷波算法及其收敛性分析

现有自适应格型陷波器中的引入算子取自局部误差信号 ,在迭代过程收敛后存在陷波频率偏移的问题 ,影响了滤波的效果 .本文对级联格型陷波滤波器的自适应算法进行了讨论 ,分析了陷波参数估计与引入算子的关系 ,在推导原算法迭代误差的数学期望方程基础上 ,提出一种改进的自适应滤波算法 .该算法在不增加计算量的前提下 ,克服了原算法在收敛后存在的陷波频率偏移的不足 .仿真结果与理论分析相一致 。

一种改进的自适应格型陷波频率估计算法及其收敛性分析

自适应陷波器的内部结构使得非二次型误差曲面收敛至局部最优,导致陷波参数停止调整而不能够持续稳定地跟踪信号频率的变化。利用滤波增强信号与原始信号的相关性,设计一个频率跟踪质量评价因子,根据频率跟踪质量可实时监测并自动调整陷波参数。据此原理,提出一种改进的自适应格型陷波频率估计算法。仿真结果与理论分析均表明,该方法在不增加计算量的前提下,较大幅度地提高了算法的收敛速度和持续跟踪精度,证实了该算法优于原有的算法。

自适应格型算法对动调陀螺仪随机漂移的建模

针对动力调谐陀螺仪启动过程中随机漂移模型参数的缓慢变化及逐次启动漂移模型系数的不同 ,提出了一种利用递归最小平方格型 (LSL)算法对动力调谐陀螺仪随机漂移模型系数进行自适应估计的方法 .格型相同节级联的特殊结构决定了 LSL算法在自回归 (AR)模型阶数增加时不必改变算法结构 .使得该算法可以在线进行 ,并且收敛非常迅速 ,可以针对动力调谐陀螺仪不同次启动快速建立该次启动的随机漂移模型 .通过对动力调谐陀螺仪启动 1 min后的 4组实测漂移数据处理及模型检验 。

QR分解的最小二乘格型自适应滤波算法在噪声主动控制中的应用

在噪声主动控制系统中,滤波-x递归最小二乘(FxRLS)算法收敛速度快但计算量大。基于此,提出了格型联合估计滤波器结构与基于QR分解的最小二乘格型(QRD-LSL)自适应滤波算法相结合的噪声控制方法,该方法对联合估计过程进行了改进并得到了基于各阶估计误差的联合过程估计权系数更新关系,格型联合估计器结构简单,QRD-LSL自适应滤波算法数值稳定性好。仿真结果表明提出的噪声控制方法有良好的噪声控制效果,收敛速度快,计算量小,稳态误差小,跟踪性能好。

应用于自适应格型RLS滤波器的变阶数算法

提出了一种新的变阶数(或抽头长度)算法,并将之应用于变阶数自适应格型递归最小二乘(RLS)滤波器的阶数更新中,讨论了格型滤波器阶数更新时相关参数的调整方法。新算法以分贝的形式比较短滤波器与长滤波器的时平均平方误差,采用自适应的抽头长度步长,能够在滤波器权值未收敛时同时快速更新滤波器长度与权值,且在不同大小噪声条件下都能收敛到最优阶数。理论分析与不同大小噪声条件下的自适应系统辨识仿真结果验证了新算法的有效性。

流水线自适应格型联合处理器的FPGA设计

针对用FPGA设计梯度自适应格型联合处理滤波器时,由于自身算法复杂度引起的时钟速度过低问题,提出了一种驰豫超前的流水线优化设计方案.该方案对组成联合处理器的格型节和横向组合器的级间环路中权值更新和误差更新值,分别采用延时技术进行近似处理,缩短了关键路径的计算量,并通过FPGA的仿真设计流程得到了流水线深度和时钟速度的关系.结果表明在不改变自适应参数的情况下,采用三级流水线仅增加逻辑宏单元60%消耗,可以使GALJP滤波器时钟速度提高近30%.

基于LMS格型算法的自适应参数谱估计方法

研究了自适应参数谱估计的基本原理，提出了基于最小均方误差（MMSE）准则的LMS格型滤波算法实现自适应参数谱估计的方法。通过对仿真测试信号和线性调频信号的计算表明，该方法能够在改善谱分辨率的同时提高运算效率，满足遥测速变信号的处理和分析计算的要求。

基于FPGA的梯度自适应格型滤波器设计

对于高灵敏度的数字信号的处理需要使用数值特性优良的格型滤波器。利用EDA技术设计了梯度自适应格型滤波器。实验表明更新反射系数的步长应随着模块数的增加逐步减小。对梯度自适应格型滤波器的单独模块采用驰豫超前技术设计,显著提高了FPGA的运行时钟速率。

采用归一化SG算法的自适应格型预测器

由于格型结构预测器所具有的优点,使它在许多自适应系统中得到了很好的应用。本文着重研究了采用归一化 SG 算法的自适应格型预测器。文中给出了归一化算法的推导,讨论了预测器系数的收敛特性以及格型预测器级数对预测器的影响。

多信道自适应格型算法及在信道均衡中的应用

讨论了基于最小均方准则提出的多信道自适应格型算法,这种递归算法应用在广义多信道上,被优化成一种运算复杂度为 O(pm^2)的算法。在单个参考信道(m=1)的情况下,这种算法被简化成运算复杂度为 O(p)的最小二乘格型算法(LSL)。在只有一个滤波器抽头的情况下(p=1),这种算法被简化为运算复杂度为O(m^2)卡尔曼最小二乘算法(RLS)。文中提出的广义多信道最小二乘格型算法总结了 LSL 和 RLS 算法之间明确的区别及联系,并且给出了它们在自适应均衡中应用情况的仿真。

基于格型结构LMS算法的自适应预测

自适应预测在语言和图像编码中有着大量的应用。本文重点研究LMS算法的一步线性预测。其间推导了LMS算法在格型结构中的表达式,并验证了二阶格型结构的LMS算法收敛过程,也在格型结构系统中验证了LMS算法在一步前向预测上的准确性。结果表明,在格型结构中使用LMS算法进行一步前向预测,能够达到较高的准确性。

自组织区间二型模糊神经网络及其自适应学习算法

针对复杂不确定非线性系统的辨识问题,提出一种基于聚类的自组织区间二型模糊神经网络学习算法.首先采用具有两个不同加权参数的FCM算法对输入数据进行划分来获取规则前件的不确定均值,同时结合聚类有效性标准确定模糊规则数目,从而自动完成神经网络的结构辨识和规则前件参数辨识;随后给出了基于梯度下降法和Lyapunov函数稳定收敛定理的规则后件权向量学习速率的自适应学习算法.通过非线性系统辨识实例,验证了该算法与其他方法相比具有更快的收敛速度和更高的逼近精度;并且利用该算法建立了某市电力短期负荷预测模型,结果表明该模型具有较高的预测精度,泛化性能更佳.

一种变步长自适应格型IIR陷波器及其在混响抵消中的应用研究

提出了一种改进的变步长自适应格型IIR陷波器算法,仿真表明,提出的算法在收敛速度、时变系统跟踪速度与收敛精度方面比固定步长算法好。将该算法运用到混响抵消和混响中心频率估计中,效果良好。

一种改进的自适应格型陷波滤波器

为解决自适应格型陷波器在迭代过程收敛后存在陷波频率偏移的问题,通过严格的理论分析,论述了陷波参数与引入算子的关系.在推导得出收敛公式的基础上,给出了采用全局输出误差信号作为引入算子的自适应算法.改进后的自适应格型陷波器在不增加计算量的前提下,消除了陷波频率的偏移.仿真结果与理论分析相一致.

非平稳语音序列的循环格型算法

在语音信号序列的向量预测编码中,利用向量量化器把编码结构中产生的预测残差向量量化,可得到比传统标量量化更好的性能。向量的最优线性预测将转化为标量的最小二乘估计,通过标量运算就能实现并行处理。由此出发,运用Hilbert空间通过的正交投影原理,可导出语音信号序列参数线性预测的循环格型自适应算法。