精密放大器和低噪声失调电路技术

介绍了精密放大器的现状和实现精密放大器的低噪声失调电路技术,着重讨论了自稳零和斩波稳零电路技术,定量分析了这两类电路技术对电路噪声的影响,给出了各自的仿真结果。理论分析和仿真结果均表明,该两类电路技术能很好地抑制电路的失调和噪声,实现微弱传感器信号的精确放大。最后对精密放大器的未来发展空间作了展望。

一种改进的瞬变步长LMS自适应滤波算法

本文在PLMS算法的基础上提出了一种SPLMS的改进算法。除具有PLMS算法的优点外,它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,支持了理论分析。

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S形函数的变步长LMS算法

针对定步长LMS算法在收敛速度、时变跟踪能力和稳态失调噪声几个重要指标上不能兼顾的问题,引入人工神经网络中一种常用激励函数———S形函数,并将其应用于变步长LMS算法中。结合算法对收敛速度、精度及稳态失调噪声的要求,引入改变S形函数曲线曲率及收敛终值的2个参数:α和β。分析当α和β值固定时的情况,仿真结果表明定参数算法若其值选择不当会引起较大误差。按照步长值在时变阶段自适应增大,在稳态阶段步长很小的原则,构造了变参数α(n)和β(n),仿真结果表明变参数算法兼顾多个参数,整体表现较好。

一种基于S形函数的LMS算法仿真研究

定步长LMS算法在收敛速度、时变跟踪能力和稳态失调噪声几个重要指标上不能兼顾。为此,参考人工神经网络中一种常用激励函数——S形函数,并将其应用于变步长LMS算法中。引入改变S形函数曲线曲率及收敛终值的两个参数——α、β。当α、β值固定时,仿真表明若其值选择不当会引起较大误差。接着按照步长值在时变阶段自适应增大,在稳态阶段步长很小的原则,构造了变参数α(n)、β(n),仿真表明变参数算法兼顾多个参数,综合表现较好。