带零吸收项的变步长l_0范数归一化最小均方误差算法

针对稀疏系统的识别问题,提出一种带零吸收项的变步长l0范数约束归一化最小均方误差(l0-NLMS)算法。在此改进的l0-NLMS算法中,通过箕舌函数来调整步长的变化,理论推导了此l0-NLMS算法在均值和均方差下的收敛条件以及均方误差和均方偏移量的表达式。设计实验分别比较在不同输入信号时算法的步长和稳态偏移量的变化,通过仿真验证该算法在识别稀疏信道模型上是有效的。分析结果表明:当处于相对高的信噪比、低的信噪比、输入不相关信号和输入相关信号时,该算法具有较快的收敛速度,能很好地进行稀疏系统的模型识别。

基于核的最小均方误差改进算法及其应用

传统基于核的最小均方误差(KMSE)算法在进行人脸识别时,需要求解多个方程,计算量较大。为此,提出一种用于多类识别的基于核的多元最小均方误差(KMSEMC)算法,该算法只需一个方程即可。在AR人脸库上的实验及数据分析表明,该算法在时间复杂度和识别率等方面计算量较小,在识别性能和计算时间上都优于同类传统算法。

结合最小均方误差的改进球形译码检测算法

在多输入多输出(MIMO)系统的信号检测算法中,球形译码算法的检测性能最接近最大似然算法,但传统球形译码算法运算复杂度较高。为降低球形译码算法复杂度,提出一种新型的球形译码检测算法。新算法由改进的快速球形译码算法与最小均方误差算法相结合而成。改进的快速球形译码算法通过在球形半径收缩时乘上一个常量参数来提高半径收缩速度,减少算法搜索的信号点数,从而达到降低复杂度的目的。最小均方误差算法则能够通过减小噪声对接收信号的干扰来降低因搜索噪声点而产生的复杂度。将最小均方误差算法的信道矩阵应用在改进的快速球形译码算法中,将两种算法有效地结合,能够进一步降低算法复杂度。仿真结果表明,当信噪比(SNR)低于10 dB时,新算法相比于原始球形译码算法,检测性能平均提高了9%左右。

四元数最小均方误差算法及其在波束形成中的应用

作为多维信号处理的一个重要工具,四元数代数已在各个领域有所应用。对四元数最小均方误差(QMMSE)算法进行了研究,首先推导了四元数实数形式的最小均方误差(QRMMSE)算法,进一步推导了四元数复数形式的最小均方误差(QCMMSE)算法,并且分析了两种算法的区别和计算量。最后将QMMSE算法应用到机载简化矢量传感器阵列的波束形成中,与复数长矢量最小均方误差(LVMMSE)算法相比较,QCMMSE算法的性能有所提高,计算量有所减少。计算机仿真结果验证了所提算法的有效性。

基于阵列处理器的最小均方误差检测算法并行设计与实现

针对大规模多输入多输出(MIMO)系统中,最小均方误差(MMSE)检测算法在可重构阵列结构上适应性差、计算复杂度高和运算效率低的问题,基于项目组开发的可重构阵列处理器,提出了一种基于MMSE算法的并行映射方法。首先,利用Gram矩阵计算时较为简单的数据依赖关系,设计时间上和空间上可以高度并行的流水线加速方案;其次,根据MMSE算法中Gram矩阵计算和匹配滤波计算模块相对独立的特点,设计模块化并行映射方案;最后,基于Xilinx Virtex-6开发板对映射方案进行实现并统计其性能。实验结果表明,该方法在MIMO规模为128×4、128×8和128×16的正交相移键控(QPSK)上行链路中,加速比分别2.80、4.04和5.57;在128×16的大规模MIMO系统中,可重构阵列处理器比专用硬件减少了42.6%的资源消耗。

基于最小均方误差的载频盲估计算法

信号的载频估计在无线电频谱资源的使用和管理中起到了至关重要的作用。现有的载频估计算法载估计精度,计算复杂度等方面均存在严重不足,不利于仪表应用。结合典型的谱重心法和最小均方误差算法的特点,提出了一种新的载频盲估计算法。该算法无须知道信号的体制类型,即可对信号直接进行载频估计。该算法以谱重心法得到的载频估计值为粗估计,并利用平滑后的功率谱中间段对称性更好的特性,根据最小均方误差算法计算粗估计误差范围内的局部对称性大小,求取对称性最好的位置作为载频精估计值。在高斯信道下的仿真实验结果表明:相比谱重心法,新算法的估计精度在不同信噪比下均有较大的提高。特别是在低信噪比的情况下,载频估计的精度提升更明显。因此,新算法在无线频谱监测中有着很好的应用前景。

最小均方误差判决和自适应判决反馈均衡器的设计实现

介绍了基于 FIR和 IIR的采用最小均方误差 (MMSE)算法的判决反馈均衡器 ,针对该算法的缺点提出了两种采用自适应算法的判决反馈均衡器 :LMS算法和 CMA算法 ,对这些算法的仿真表明了各自的性能和优缺点 ,在此基础上提出了一种改进的混合算法 .仿真表明 ,该算法只需要少量的训练序列 ,性能比 CMA算法有明显的改进 .

基于自适应阈值活动语音检测和最小均方误差对数谱幅度估计的低信噪比降噪算法

针对低信噪比(SNR)环境下传统方法对声信号降噪的局限性,提出了一种联合自适应阈值活动语音检测(VAD)算法和最小均方误差对数谱幅度估计(MMSE-LSA)的实时降噪算法。首先,在VAD算法中通过基于能量概率最大值的概率统计来对背景噪声进行估计,对得到的背景噪声进行实时更新并保存;然后,将实时更新的背景噪声作为MMSE-LSA的参考噪声,并对噪声幅度谱进行自适应更新,最后进行降噪处理。通过在真实场景中对四类声信号进行实验,结果表明,该算法在保证对低SNR声信号的实时处理的情况下,相较于传统MMSE-LSA算法,降噪信号的SNR能够提高10~15 dB,且不存在信号过减的情况,可应用于实际工程。

基于判决导引的水声信道混合盲均衡算法研究

提出了一种适用于正交幅度调制(QAM)信号的混合盲均衡算法,该算法在初始模式中分别对QAM信号的同相分量和正交分量进行均衡,利用方形环判决域对均衡器输出信号进行判决,当误码率降到足够低的水平时自动切换到判决导引最小均方误差算法。最后利用水声信道仿真模型,对该算法的性能进行了验证。结果表明:该算法性能稳健,收敛后均方误差小,有效降低了高速水声通信的误码率,提高了水声信道均衡的稳定性,且有良好的冷启动和重新启动能力。

基于DD-LMS和MCMA的盲判决反馈均衡算法研究

文章对具有DFE结构的盲均衡算法作了研究,在一种修正常模算法(MCMA)代价函数中引入泄漏因子,并将常模算法(CMA)和直接判决-最小均方误差算法(DD-LMS)同时应用到盲判决反馈均衡器的抽头更新中,得到一种适用范围广?均衡特性好?变步长的DD-LLMS+MCMBDFE算法。该算法在均衡的同时能自动补偿由信道引起的相位误差,收敛速度快,收敛后剩余误差小,同时还能克服当均衡器长期没有持续输入激励时,LMS算法产生的抽头系数漂移问题。仿真结果表明DD-LLMS+MCMBDFE算法是一种有效的盲判决反馈均衡算法。

自适应均衡算法的研究进展

简述了能补偿或减小现代通信系统中的码间干扰问题的自适应均衡算法的基本原理及其特点.介绍了最小均方误差算法、递归最小二乘算法等几类主要的自适应均衡算法,并阐述了近年来出现的主要的自适应均衡算法的原理,对误码率、收敛速度、运算量及稳态误差等评价指标进行了分析.结合分析结果和自适应均衡算法的实际应用前景,探讨了这一领域需要进行进一步研究的问题,并对今后的研究进行了展望.

RLS算法智能天线空时联合均衡技术

建立了一种空时信号传输模型,分析对比了递归最小二乘(RLS)和最小均方误差(LMS)两种算法后,提出了一种基于RLS算法,由智能天线和时域均衡器组成的采用后馈滤波器的空时联合均衡器.仿真结果表明,在多径衰落信道下该方法能有效改善系统抗干扰能力,算法简单且易于实现.

一种联合盲均衡算法

为克服数字基带信号在通过非屏蔽五类双绞线时产生的严重码间干扰(ISI),常采用自适应均衡技术来减小码间干扰,大大降低接收端信号的误码率。最小均方误差(LMS)算法能有效降低码间干扰,但需要训练序列,因此影响传输效率。基于判决引导的最小均方误差(DDLMS)算法不需要训练序列,但在眼图未睁开的情况下,可能出现误判,甚至引起误收敛。恒模算法(CMA)具有比DDLMS算法更好的盲均衡特性,但是剩余误差较大。本文提出一种新颖的联合盲均衡算法,即优化现有的CMA算法,与DDLMS算法组成新的联合盲均衡算法,利用均方误差(MSE)来控制2种算法的权值。MATLAB建模和仿真结果表明,新的联合盲均衡算法克服了CMA算法剩余误差较大和DDLMS算法误收敛的缺陷,且能有效对非屏蔽五类双绞线中传输的数字信号进行均衡。

应答器上行链路信号自适应解调方法的FPGA实现

为降低电磁干扰对信号传输的影响,分析了应答器上行链路信号传输过程及其易遭受干扰信号的特点,设计了基于符号最小均方误差(least mean square,LMS)算法的自适应解调方法。为在硬件平台中实现该解调方法,通过仿真计算,确定LMS算法的自适应算法中间变量变化范围,使用截位操作完成权值系数的更新,设置均衡器长度、步长因子、中值滤波系数分别为1、1/64、16,可在不占用过多硬件资源情况下获得良好的解调性能。解调算法在现场可编程门阵列(field programmable gata array,FPGA)上予以验证,实验表明,当信噪比为6 dB时,FPGA中自适应解调误码率为0.000001,在信噪比大于等于6 dB时,实测误码率与仿真分析误码率基本一致;FPGA自适应解调方法在列车不同速度等级下误码率均小于10^(-6)。

基于改进的双曲正切函数变步长LMS算法

为了改进现有的变步长最小均方误差(least mean square,LMS)算法在低信噪比时性能较差的缺陷,提出了一种基于改进的双曲正切函数的变步长LMS算法,从理论分析和仿真实验两方面讨论了引入参数对算法收敛性、跟踪性、稳定性的影响及算法的抗干扰性。理论分析和仿真实验表明该算法在高低信噪比时均具有较快的收敛速度和跟踪速度以及较小的稳态误差和稳态失调,并且在低信噪比时该算法的收敛性、跟踪性、稳态性均优于其他多种变步长算法。

用于GPS接收机的快速自适应干扰抑制方法

提出了一种基于Householder变换的快速自适应干扰抑制方法.利用Householder变换构建的广义旁瓣相消器下支路阻塞矩阵,可将期望信号完全阻塞,提高了最小均方误差算法的收敛性,获得了较高的输出信干噪比,并提高了GPS接收机的快速抗干扰性能.理论分析和性能仿真验证了该方法的优越性.

低信噪比环境下的语音识别方法研究

单通道语音信号在信噪比较大的环境下经过增强后再识别,能表现出较高的识别率。但是在低信噪比环境下,增强后语音信号的识别率急剧下降。针对此种情况,提出了一种用在识别系统前端的语音增强算法,该增强算法将采集到的带噪语音信号先使用对数最小均方误差(Logarithmic Minimum Mean Square Error,Log MMSE)提高其信噪比,然后再利用改进的维纳滤波去除噪声残留并提升语音可懂度,最后用梅尔频率倒谱系数(Mel-Frequency Cepstral Coefficients,MFCC)和隐马尔科夫模型(Hidden Markov Model,HMM)对增强后的语音信号做特征提取并识别。实验分析结果表明,该方法能有效地抑制背景噪声并减少噪声残留,显著提升低信噪比环境下语音识别的准确性。

基于GPU的外辐射源雷达信号处理实时实现方法

随着外辐射源雷达技术的发展,实时处理能力成为制约外辐射源雷达系统性能的重要因素。现有的处理手段仅适用于较小采样率信号以及低速目标的情况,对于数字电视信号等大带宽高采样率的外辐射源雷达信号以及高速小目标的情况很难满足实时性的要求。提出了一种基于图形处理器的外辐射源雷达信号处理实时实现方法,能够提高分块最小均方误差算法和Keystone算法的并行处理能力。通过真实数据验证表明基于所提结构的实现方法能够满足外辐射源雷达信号处理实时性的需求。

一种新的变步长LMS自适应滤波算法及性能分析

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。在详细分析现有变步长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。讨论了步长参数的选取原则及其对算法收敛性、抗干扰性和稳态误差的影响。该算法不但具有较快的收敛速度和跟踪速度,而且能获得更小的稳态失调。理论分析和仿真结果表明,该算法具有更好的稳态性能。

一种改进的变步长LMS自适应滤波算法及性能分析

针对现有LMS(leastmean square)算法不能同时提高收敛速度及降低稳态误差的矛盾,提出一种改进的变步长LMS算法,建立了步长参数μ(n)与误差信号e(n)之间的一种新的非线性函数关系:与现有的算法相比,同时引入记忆因子λ和控制函数取值的参数β(n),使当前步长与上一次迭代所得步长及前M个误差的平方相关。理论分析和计算机仿真结果表明,与现有几种常见的LMS算法相比,改进的算法收敛速度和稳态误差的性能指标得到了提高。