LDPC码的一种低复杂度归一化最小和译码算法

为了满足5G新无线对标准低密度奇偶校验(low-density parity-check,LDPC)码纠错译码器的要求,提出一种基于归一化最小和算法的单最小值算法。利用一次绝对最小值计算和近似第二最小值代替两次最小值计算,减少译码器的运算复杂度。通过密度进化理论计算归一化因子α,利用加权平均修正出最优的α值提前存储,可以在不消耗额外计算资源的前提下改善由于使用单最小值而损失的性能。提出一种分层译码器结构,利用值重用技术实现减少内存和计算资源消耗。仿真结果证明,在比特错误率(bit error ratio,BER)为10-5时,所提算法比现有的单最小值算法有大约0.2 dB的增益,也比传统归一化最小和算法拥有更好的译码性能和收敛速度。

基于局部均值分解和归一化最小均方的宽频振荡检测方法

为精确采集和分析电力系统宽频振荡信号,提出基于改进局部均值分解与归一化最小均方算法相结合的宽频振荡检测新方法。首先利用归一化最小均方算法对宽频振荡信号进行降噪处理,进而采用改进局部均值分解算法提取该降噪信号的乘积函数;然后对上述乘积函数分量进行希尔伯特变换,求解信号瞬时频率的高频突变点,实现对振荡起止时刻的准确定位。仿真实验表明,本文所提方法能准确求解宽频振荡信号,且在强噪声下仍具有很高的精度。

基于残差分层的归一化最小和LDPC译码算法

为了进一步缩小最小和(min-sum, MS)算法和置信传播(belief propagation, BP)算法译码性能的差距,提高归一化最小和(normalized min-sum, NMS)算法的译码性能,提出了一种基于残差分层的改进归一化最小和低密度奇偶校验(low density parity check,LDPC)译码算法。首先定量分析MS算法存在的高估问题,利用BP算法和MS算法检验节点LLR消息的比值特性,求其归一化因子。为了降低译码的复杂度,根据最优归一化因子的变化特征,对其采用加权平均处理;为了降低平均迭代次数,加快译码的收敛速度,所提算法利用校验节点信息的残差特性进行分层处理,优先更新残差值较大的一层,在不同迭代之间动态地重新排列层。仿真结果表明,提出的RB_LINMS译码算法,在误比特率为10-5时,相比于传统的NMS算法,其译码性能可获得0.26 d B的增益,平均迭代次数最多能够降低33.20%。因此,在复杂度略有增加的情况下,能够实现更快的收敛速度和出色的译码性能。

采用归一化最小均方误差准则的LM-BP算法

传统神经网络通常以最小均方误差(LMS)或最小二乘(RLS)为收敛准则,而在自适应均衡等一些应用中,使用归一化最小均方误差(NLMS)准则可以使神经网络性能更加优越。本文在NLMS准则基础上,提出了一种以Levenberg-Marquardt(LM)训练的神经网络收敛算法。通过将神经网络的误差函数归一化,然后采用LM算法作为训练算法,实现了神经网络的快速收敛。理论分析和实验仿真表明,与采用最速下降法的NLMS准则和采用LM算法的LMS准则相比,本文算法收敛速度快,归一化均方误差更小,应用于神经网络水印系统中实现了水印信息的盲提取,能更好的抵抗噪声、低通滤波和重量化等攻击,性能平均提高了4%。

核集员双归一化最小平均p范数算法

针对α稳定分布噪声中核集员归一化(KSM-NLMS)算法性能下降问题,提出了核集员归一化最小平均p范数(KSM-NLMP)算法和核集员双归一化最小平均p范数(KSM-BNLMP)算法。首先,将输入信号映射到再生核希尔伯特空间,在此空间基于集员滤波理论和最小p范数准则构造算法的代价函数。其次,根据最优解、误差方程和集员滤波约束条件,推导得到滤波器权向量的更新迭代公式。最后,利用核技巧得到滤波器输出和算法的迭代公式。非线性信道均衡的仿真结果表明,KSM-NLMP和KSM-BNLMP算法比KSM-NLMS算法具有更好的均衡效果。

用于恒模数字信号的变步长归一化最小均方算法

为全面分析用于数字信号的最小均方(LMS)算法性能,提出了一种新的性能评估参数———误码率.为了提高LMS算法性能,提出了一种新的变步长归一化LMS自适应算法,该算法步长在启动阶段主要由瞬时误差控制,以加速收敛,在收敛阶段主要由其历史值来决定,以获得低的误码率,而切换条件是基于短时均方误差值.与已有类似的变步长LMS算法相比,在几乎不增加算法复杂度的情况下,具有更快的跟踪速度、更低的比特误码率,特别是其控制参数在观测噪声强度发生变化时不需重新调整.计算机仿真效果支持了理论分析.

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。

基于成比例归一化最小均方误差算法的压缩感知信号重构

在压缩感知理论框架中,一个关键问题是信号的稀疏重构。这个问题可以归结为一个结构化的非光滑优化问题。本文提出了一种基于自适应滤波成比例归一化最小均方的压缩传感重构算法ASS-ZA-LMS-SA(adaptive step size zeroattraction least mean square sigmoid algorithm),在该算法中,为了提高算法的收敛性,我们将sigmoid函数引入到压缩感知重构的代价函数中,此外,我们利用自适应滤波与信号稀疏重构的相似性,将成比例归一化最小均方算法应用到压缩感知重构,设计了一种基于自适应滤波算法的压缩感知稀疏信号重构算法。实验结果表明,与传统的压缩感知重构算法相比,我们所提出的算法具有更高的重构精度以及更快的收敛速度。

基于约束最小二乘的近空间雷达网定位算法

该文研究了一种基于归一化约束最小二乘的近空间雷达网定位算法。首先将距离与角度信息的非线性方程转换为线性方程,通过一阶Taylor展开分析了噪声对线性方程的影响,然后将定位问题转化为归一化约束总体最小二乘问题,并通过Lagrange函数将其转换为无约束的优化问题,根据定位均方误差最小原则选取加权因子得到定位解,最后进行了定位误差分析,仿真结果表明了该算法的有效性。

基于DTMB标准的最小和积译码改进算法

基于最小和积(MSA)的译码算法,是对数似然比BP(LLR-BP)算法的近似,通过在译码算法中的变量处理阶段添加IIR滤波,同时结合迭代终止准则,实现了一种修改的归一化最小和积算法。该算法仿真建立在DTMB标准中的LDPC码元基础上,仿真结果表明,该算法与常规的归一化译码算法相比,在性能无损失甚至于有所改善的情况下大幅减少了迭代次数,具有很好的使用价值。

基于稀疏角域的6G信道估计智能反射面算法

智能反射面(Reconfigurable Intelligent Surface,RIS)有着操纵性强、能耗低、方便部署等优势,已成为6G(第六代移动通信)的关键技术。研究了关于智能反射面的信道估计算法,对于传统算法在传播时路径会因角度原因发生偏移的情况,采用了Tucker分解的稀疏角度域高阶奇异值分解(High Order Singular Value Decomposition,HOSVD)信道估计算法来解决路径偏移的问题。为了验证所提出算法的鲁棒性,对比了传统的交替最小二乘法信道估计算法,可以得到不管是在用户数量、传播的路径偏移上都能取得比传统的信道估计算法更好的归一化最小均方误差(Normalized Mean Squared Error,NMSE)效果。

一种改进的归一化LMS算法

传统的归一化最小二乘(LMS)算法可以解决算法收敛速度和采样信号收敛误差之间的矛盾。通过对收敛步长的归一化处理,从而减小收敛过程的稳态误差。但是,这种算法却将收敛的步长变为固定,不利于算法的快速收敛。为此,提出一种改进的归一化LMS算法,将Sigmoid函数变步长最小均方(SVSLMS)算法与归一化LMS算法结合,提高了归一化LMS算法的收敛速度。仿真结果表明,该算法性能较之归一化LMS算法、SVSLMS算法和普通LMS算法均更优异。

水下脉冲激光探测后向散射噪声自适应滤波算法

在信号处理中抑制水体传输中带来的后向散射噪声,是水下脉冲激光探测的关键技术之一。基于同一水域相邻2次探测后向散射的相关性,提出一种改进的归一化最小均方(NLMS)自适应滤波算法。根据后向散射的强度和滤波后目标信号大小控制步长因子,使其对不同距离、不同强度的目标信号均能取得良好的滤波效果。通过计算机仿真和水池实验对算法进行验证,结果表明,对不同距离、不同反射强度的目标,该滤波器算法均能以较低的阶数有效滤除后向散射噪声,保留目标回波信号。与现有的自适应滤波方法相比,大大减少了滤波所需的计算资源,在水下脉冲激光探测系统上具有一定的应用价值。

自适应余弦反馈型单相锁相环研究

提出利用归一化最小均方(NLMS)算法的自适应单相锁相环(PLL),鉴相环节后通过自适应滤波器将两倍电网频率分量滤出,并且当电网发生畸变或受到干扰时,NLMS算法不断迭代来更新其权向量,从而达到准确、快速锁定电网频率的目的。通过Matlab/Simulink仿真进行建模分析,并基于DSP-TMS320F28335芯片搭建硬件实验平台进行模拟并网实验,仿真和实验结果验证了所提方法的有效性。

基于VMD-HDNLM的下肢肌电噪声信号处理方法研究

针对归一化最小均方(NLMS)算法初始滤波效果较差以及非局部均值(NLM)滤波鲁棒性较差的问题,本文提出一种基于变分模态分解(VMD)-豪斯多夫距离非局部均值(HDNLM)滤波改进模型。对于下肢肌电信号中的电力线干扰和高斯白噪声,利用VMD对含噪声信号进行分解,通过HDNLM对分解信号进行滤波,并把滤波输出的信号进行叠加,最后利用信噪比(SNR)和改进的均方根误差(IRMSE)来评价算法的性能。实验结果表明,在16块肌肉肌电信号中,当噪声幅值是0.1~0.2 M时,NLM及其改进NLM(INLM)相对于VMD-HDNLM和NLMS,其平均滤波的效果较好;但是当肌电信号噪声幅值是0.3~0.5 M时,VMD-HDNLM的IRMSE值相对于NLM、NLMS和INLM平均提高0.64%、1.84%、3.11%和13.95%、12.77、11.07%以及1.05%、1.74%、2.85%。与此同时,VMD-HDNLM算法要比NLM、INLM算法取得IRMSE较小值的参数范围更广,其鲁棒性较好,在实际情况中取得较优值的概率更大。

基于自适应滤波算法的车载ANC仿真

本文利用自适应滤波器的原理对车载主动降噪系统ANC中的语音降噪功能进行一次模拟仿真。仿真的语音输入通过安卓车机系统和芯科科技的DSP芯片Si47925进行输入,以尽可能还原实车语音场景。本次设计的车载ANC系统以自适应滤波器为核心,以最小均方算法LMS为主进行自适应控制,对自适应滤波常用的四种算法:最小均方算法LMS、基于最小四阶矩阵的组合算法LMS/F、归一化最小均方算法NLMS和变步长最小均方算法VSS-LMS进行迭代推导,并基于Matlab软件,实现了这四种算法的代码实现,并对带噪语音进行数字滤波仿真。经过仿真发现,四种算法均能对带噪音频产生滤波降噪作用,其中LMS的权系数迭代式最简单和方便的,定步长LMS/F算法和LMS算法下的系统稳定性和降噪性相差不多,VSS-LMS算法和NLMS算法均可提高收敛速度,其中NLMS算法能实现较高的信噪比,并且稳态精度更加高。

WIMAX LDPC码译码器的FPGA实现

设计了基于TDMP-NMS算法的码率码长可配置LDPC码译码器,支持WIMAX标准LDPC码的译码。通过插入最短的额外时钟周期,使得更新后的节点信息得到了及时利用。采用一种工作于增量模式的基于填充算法的桶形移位寄存器结构,实现了对该标准中576、768、1152、2304 4种码长LDPC码译码的支持。结果表明所设计的译码器完全能满足WIMAX标准对数据吞吐率的要求。

准循环LDPC码的部分并行译码算法

IEEE802.16e标准定义的准循环低密度奇偶校验(LDPC)码是一种线性分组码。针对LDPC码校验矩阵的稀疏准循环特性,对基于部分并行结构的归一化最小和(NMS)译码算法进行了研究,给出了译码信息量化和信息交换的方法。通过数值仿真验证了译码算法在高斯信道中的译码性能,并利用现场可编程门阵列(FPGA)对该译码算法进行了实现。

某车型路噪主动降噪开发

采用主动噪声控制方式来降低车内道路噪声是一种前沿方法,但实际的案例和可供参考的经验较少。文章介绍了某车型道路噪声主动降噪系统,基于归一化参考信号滤波最小均方误差(NFxLMS)算法开发的道路噪声主动降噪系统,对控制系统多通道输入、多通道输出的降噪算法原理,以及次级通道的处理进行了说明。基于该算法搭建了Simulink模型,并采用dSPACE作为实时控制器搭建了基于该算法的整车验证平台,通过实车道路测试表明该系统对车内路噪有良好的降噪效果,最后对归一化的最小均方误差(FxLMS)算法中的不稳定工况问题进行分析并提出了解决办法。

基于FPGA的WIMAX LDPC码译码器设计与实现

提出了基于TDMP-NMS算法的部分并行LDPC码译码器结构,其具有TDMP算法译码收敛快和NMS算法保持较好误码率性能下实现简单的优点.该译码器支持WIMAX标准中所有码长和码率LDPC码的译码.设计了一种基于桶形移位寄存器的重组网络单元,实现了对该标准中19种码长LDPC码译码的支持.采用一种适合于TDMP算法及其各种简化算法的动态迭代停止准则,使译码器能根据译码情况自适应地调整迭代次数.结果显示所提方案在提高译码器吞吐率的同时有效减少了译码器的硬件资源消耗.