一种可用于低信噪比环境的变步长LMS算法

论文研究了自适应最小均方误差(Least Mean Squares,LMS)滤波算法的步长选取问题。在分析现有算法的基础上,通过构造步长与误差信号之间的非线性函数,提出一种新的变步长LMS算法。新算法采用误差信号的自相关估计值控制步长,而不是直接利用瞬时误差控制步长,避免了噪声干扰,降低了稳态失调,可工作于低信噪比环境。同时新算法步长控制无记忆效应,提高了收敛速度。仿真表明,新算法的稳态失调和收敛速度均优于现有变步长LMS算法。

一种新的变换域变步长批处理LMS算法及其应用

将变换域LMS算法和变步长LMS算法及批处理LMS算法相结合,提出了一种新的变换域变步长批处理LMS自适应算法,该算法融合了前面3种算法的优点,可以有效地降低输入信号的自相关程度,克服了固定步长因子所导致算法在快的收敛速度和较低的稳态误差之间存在的矛盾,并且实时性较好。计算机仿真结果表明该算法具有更快的收敛速度和更小的失调噪声,可以有效地应用于自适应收发隔离系统。

基于正交小波变换的瞬变步长LMS自适应滤波算法

本文在滑动准最小均方误差瞬变步长LMS(SPLMS)算法基础上提出了一种基于正交小波变换的瞬变步长LMS(WTSPLMS)的改进自适应滤波算法。该算法较好地利用了正交小波具有良好时频局部化的特性 ,使之除具有SPLMS算法的优点外 ,还具有更高的起始收敛速率 ;更小的权失调噪声 ,更大的抑噪能力。计算机仿真效果较好 。

基于DCT变换的变步长LMS自适应噪声抵消算法

为了提高LMS算法进行自适应噪声抵消时的综合性能,从语音信号自身的相关性出发,提出一种基于DCT变换的变步长LMS算法.该算法融合了归一化DCT-LMS算法与变步长LMS算法的优点.充分发挥了DCT变换的去相关能力和变步长算法的快速收敛效果.仿真结果表明,该算法与传统LMS算法、NLMS算法等相比具有更快的收敛速度和更小的稳态失调误差,同时计算量与NLMS相当,可实现性良好,能很好地应用于自适应噪声抵消系统.

基于小波变换的变步长LMS自适应滤波算法

变步长LMS自适应滤波算法通过构造合适的步长因子有效的解决了传统LMS算法收敛速度和稳态误差相矛盾的问题。变换域LMS自适应滤波算法通过正交变换降低了输入信号矩阵的相关性,提高了算法的收敛速度。将这两种算法相结合,提出了一种新的基于小波变换的变步长LMS自适应滤波算法。仿真结果表明,该算法无论是收敛速度还是稳态误差都有了很大的提高。

改进的变步长频域批处理LMS算法

现有的单载波频域均衡技术中的定步长频域批处理LMS(Frequency-DomainBlockLeastMeanSquare,FBLMS)算法,在收敛速度和稳态误差之间存在矛盾。针对这个问题,基于对变步长LMS算法的研究分析,提出了一种新的改进的变步长频域批处理LMS自适应滤波算法,通过变步长因子以及频域权系数抽头泄漏能很好地协调收敛速度和稳态误差之间的矛盾,并且还具有较低的算法复杂度的特点。通过Matlab对提出的新算法进行计算机仿真验证,结果表明该算法有较好的收敛速度和较小的稳态误差。

基于变论域变步长LMS算法的自适应逆控制系统稳定性

提出一种基于变论域变步长LMS自适应滤波算法,该算法的步长随偏差论域的变化而变化。理论研究和仿真结果表明,该算法在控制系统对象及其逆的建模中能同时兼顾初始收敛速度、时变系统跟踪能力及收敛精度三个性能指标,可应用于自适应逆控制系统对象及其逆的建模中,使控制系统具有良好的动静态特性。并给出了基于变论域变步长LMS算法的自适应逆控制系统全局稳定性证明。

基于小波变换的有源噪声控制算法研究

在传统的有源噪声控制系统中,原始噪声信号是获得参考噪声信号的必要条件,当原始噪声信号的信息不可获知时,有源噪声控制系统失效。为解决该问题,设计基于小波变换的有源噪声控制系统,利用小波阈值法对含噪语音信号进行处理,得到与原始噪声信号相关的参考噪声信号。在此基础上,对传统的有源噪声控制算法LMS进行改进,提出基于Sigmoid函数的γSLMS算法和C-γSLMS凸组合算法,解决LMS算法无法同时兼顾收敛速度和稳态误差的问题,为解决有源噪声控制问题提供新的解决方案。

使用变步长频域LMS算法的自适应Volterra均衡器

Volterra均衡器能够有效地克服卫星信道的非线性失真,但由于非线性均衡器的输入矩阵特征值扩展严重,使得自适应过程收敛缓慢。为克服这个缺点,提出应用变步长的频域LMS算法对Volterra均衡器的权值系数进行自适应更新。算法利用正交变换降低输入序列的相关性,同时动态地调整迭代步长提高均衡器的收敛速度。仿真结果表明与时域算法相比,均衡器的收敛速度提高了25倍左右;均衡器收敛后纠了信号的幅度和相位失真。

一种新的变步长LMS算法及其在语音降噪中的应用

作为一种经典的自适应滤波算法,LMS算法在语音降噪领域有着广泛的应用。为解决经典的LMS算法在步长选取时收敛速度与稳态误差无法兼顾的短板,以对数函数为原型提出了一种新的变步长LMS算法,分析了该算法模型的机理并寻找了最佳参数取值。对比测试结果证明,与现有算法相比,该算法在收敛速度与稳态误差方面均有较好的表现,将该算法应用于语音降噪,也取得了良好的降噪效果。

DSSS系统中基于变换域限幅LMS算法的窄带干扰抑制

在TR(TRansform Domain)LMS窄带干扰抑制算法的基础上,提出了一种AL(Amplitude Limiting)_TRLMS算法,该算法在原算法进行自适应滤波之前增加了一个变换域限幅过程,从而减小了算法的失调和特征值扩散度,使算法的收敛速度得到明显的提高,达到其他几种同类改进算法的水平,而计算复杂度在几种改进算法中却最小。

基于多尺度小波变换的变步长LMS滤波算法

对LMS自适应算法、基于抽样函数的变步长LMS算法和基于多尺度小波变换的自适应滤波算法进行了研究,在此基础上把变步长LMS算法与多尺度小波变换相结合,产生了新算法。该算法一方面可以克服固定步长LMS算法在收敛速度与收敛精度方面与步长因子的矛盾;另一方面,小波变换的引入减少了输入向量自相关矩阵的条件数,提高了收敛速度、跟踪性能和稳定性。最后对算法的性能进行了计算机仿真比较,仿真结果表明:基于多尺度小波变换的变步长LMS滤波算法具有较快的收敛速度和更强的抑噪能力。

基于DCT变换的变步长LMS自适应收发隔离算法

将变换域LMS算法和变步长LMS算法相结合 ,提出了一种基于DCT变换的变步长LMS自适应算法 ,从而有效地降低了输入信号自相关矩阵特征值的分散程度 ,并且克服了固定步长因子所导致算法在快的收敛速度和较低的稳态误差之间存在的矛盾 ,达到了改善干扰机接收信号信干比的目的。计算机仿真结果表明该算法具有更快的收敛速度和更小的权失调噪声 。

基于对称非线性函数的变步长LMS自适应滤波算法

为解决自适应最小均方误差(least mean squares,LMS)滤波算法难以平衡稳态误差和收敛速度的问题,提出了基于对称非线性函数的变步长LMS自适应滤波算法。通过自变量取绝对值、叠加非线性拉伸量改进Sig-moid函数,构造一个对称非线性函数用于刻画步长因子与稳态误差的非线性关系。该对称非线性函数具有能够根据误差动态调整步长、更快达到收敛状态的特点。根据构造的对称非线性函数和输入信号功率生成归一化变步长因子,解决噪声逐级放大的问题,进一步提高算法的滤波效果同时,加速收敛。实验表明:该算法在低信噪比、信噪比变化、信号频率变化、滤波器阶数变化、延迟采样点数变化条件下均具有更好的滤波效果、更优的稳定性和更快的收敛速度。

一种新的变步长频域块LMS算法

针对现有直接序列扩频(DSSS)通信抗干扰系统中的传统频域块最小均方误差(FBLMS)算法在收敛速度和稳态误差之间存在矛盾的问题,提出了一种新的变步长算法——VSS-FBLMS算法,该算法通过输出信号中剩余干扰所占整体噪声信号的比例来调节变步长因子,步长因子随着干扰的被滤除而逐渐减小,使得DSSS通信抗干扰系统获得更好的抑制干扰效果。首先对传统FBLMS算法的DSSS抗干扰系统进行了介绍,然后对提出的VSS-FBLMS算法进行分析,最后将新算法和传统算法加入DSSS通信抗干扰系统中进行仿真对比。理论分析和仿真结果表明,VSS-FBLMS算法不仅可以有效滤除窄带干扰,而且抗干扰性能优于传统FBLMS算法,收敛速率和稳态误差也都优于传统FBLMS算法。

一种改进变步长的自适应电磁干扰对消算法

针对已有最小均方(LMS)自适应干扰对消算法初期收敛速度慢且整体误差偏大的问题,提出一种改进变步长LMS算法。该算法在保证收敛速度和误差精度要求下,简化了步长因子μ(n),且采取分段迭代的方法,克服算法初期收敛慢的缺点。在误差|e(n)|较大时,文中提出通过调整系数ε调节步长μ(n)的变化速度,增强了迭代稳定性。仿真结果表明:与正态分布曲线步长等算法相比,使用文中算法后,宽带与窄带电磁干扰信号的收敛速度至少提高13%,干扰对消后期望信号的输出信噪比至少提高26%。该算法可用于复杂电磁环境下的电磁干扰消除。

一种基于变换域LMS的多用户检测算法

LMS算法收敛速度由输入自相关矩阵特征值的发散程度决定,很多场合下收敛速度慢不能满足需求。变换域自正交LMS算法在变换域对输入信号做正交处理,使得输入自相关矩阵变成单位矩阵,能够有效地提高收敛速度。研究了基于变换域LMS的多用户检测算法,仿真表明该算法能够提高多用户检测器的性能。

一种新的变步长LMS自适应算法及其在自适应噪声对消中的应用

许多时变步长（ＶＳＳ）自适应算法已经提出用来完善标准ＬＭＳ算法的性能，但实验表明这些算法容易受噪声干扰。本文介绍了一种新的变步长ＬＭＳ自适应算法，这种算法保证了较小的失调，同时使算法在自适应初始阶段有较快的收敛速度。该算法的优越性在于它不受已经存在的不相关噪声的干扰。本文对该算法的收敛性和稳定性进行了分析，并将该算法应用于自适应噪声对消的仿真实验中，给出了计算机的仿真结果。

迭代变步长LMS算法及性能分析

针对固定步长LMS(Least Mean Square)算法(FXSSLMS)不能同时满足快速收敛和小稳态失调误差的问题,该文提出了迭代变步长LMS算法(IVSSLMS)。与已有的变步长LMS算法(VSSLMS)不同,该算法的步长因子不再是由输出误差信号控制,而是建立了与迭代时间的改进Logistic函数非线性关系,克服了定步长算法收敛慢及已有变步长算法抗噪声干扰能力差的问题。最后从理论上分析了算法的性能,给出了其参数取值方法。理论分析和仿真均表明,所提算法能够在快速收敛情况下获得小的稳态失调误差,在有色噪声干扰下稳态失调误差比已有算法降低了约7 d B。

一种改进变步长LMS算法及其在系统辨识中的应用

在分析传统LMS算法及变步长LMS的基础上,本文提出了一种改进的变步长LMS算法并应用于系统辨识。新算法利用瞬时误差的四次方和遗忘因子共同来调整步长,进一步解决了收敛时间和稳态误差的矛盾。将新算法应用到系统辨识中时,与传统LMS算法和变步长LMS算法相比,仿真表明新算法有更快的收敛速率。