信号插值对归一化变步长FxLMS算法的影响研究

自适应滤波算法是主动控制系统的核心部分,为进一步优化归一化变步长滤波x-最小均方(NVSS-FxLMS)算法,本研究引入信号插值概念,构建结合信号插值与归一化变步长理念的INVSS-FxLMS算法,以进一步改善控制效果及算法收敛速度,并探究了信号插值数量对算法性能的影响。仿真结果表明,信号插值可改善NVSS-FxLMS算法的控制效果及收敛速度,且插值数量存在最佳范围,当插值数量为10左右时,控制效果及收敛速度较好,总声压级/加速度级降低率达18%,而计算时间仅增加约9.6%,为NVSS-FxLMS算法的发展提供了新思路,并为主动控制系统的改进奠定基础。

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.

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。

对GNSS功率倒置自适应调零算法中步长取值的优化

基于功率倒置的自适应调零技术能够很好地抑制干扰信号,是目前最为常用的全球卫星导航系统(Global Navigation Satellite System,GNSS)抗干扰技术,研究其求解算法具有重要意义。首先介绍了自适应天线阵列、功率倒置(Power Inversion,PI)算法的原理、归一化最小均方(Normalized Least Mean Square,NLMS)算法和自适应滤波器结构。提出并详细推导了基于相对误差的变步长归一化最小均方算法,研究了参数对步长变化的影响。在不同干扰功率、干扰方向突变和干扰功率突变的条件下与已有的变步长算法进行对比,提出的算法收敛速度更快,稳态误差更小,在计算量上也更具优势。

基于迭代停止准则的自适应TV模型

针对全变分去噪模型参数调整困难的不足,提出基于峰值信噪比和基于归一化步长差分能量的停止准则,并获得了具有自适应迭代性能的全变分模型。同时,该模型在滤波过程中,根据图像能量信息和噪声方差对拉格朗日规整化参数进行同步更新。多组仿真实验结果表明,该模型在去除噪声的同时保护了图像的边缘细节。无论是主观视觉效果还是RMSE、PSNR、SSIM等客观性能指标都明显优于其他全变分模型。

一种无双端会话检测的回声抵消算法

为了解决回声抵消器中双端会话检测器计算量大,以及由于其时间的延迟而导致回声抵消性能恶化的问题,提出了一种无双端会话检测的信号的时变功率谱声回声抵消算法。根据双端会话时近端会话与远端会话相互之间的独立性,推导出远端会话信号的时变功率通过回声路径的冲激响应系统与麦克风输入信号的时变互功率相等,利用最小均方误差的自适应滤波来估计回声路径的冲激响应,从而将回声抵消掉。该算法不同于现有的回声抵消算法,它在进行回声抵消的过程中,不需要进行双端会话检测。通过将该算法的步长进行归一化处理,使得自适应滤波器的系数收敛变快,稳定性变强。仿真实验表明,该算法能够在各种会话情况下进行有效的回声抵消。

新的变步长归一化最小均方算法

为了解决最小均方 (L east Mean Square,L MS)算法收敛速度和稳态误差之间的矛盾 ,提出了一种新的变步长归一化 (Norm alized) L MS(NL MS)算法。这种算法根据滤波器系数的梯度计算新的步长。当算法尚未收敛时 ,使用较大的步长 ;随着收敛程度的加深 ,逐渐减小步长。试验显示了该算法具有很好的收敛性能和跟踪性能。与其它的变步长L MS算法相比 ,该算法在标准 NL MS算法基础上增加的运算量和存储量都很少且与阶数无关 ;而且该算法的参数受观测噪声的影响很小 ,在观测噪声强度发生变化的情况下不需要重新调整参数 。

α稳定分布噪声下基于梯度范数的VSS-NLMP算法

针对α稳定分布噪声环境下的自适应滤波问题,提出一种新的基于梯度范数的变步长归一化最小平均p范数(variable step-size normalized least mean p-norm,VSS-NLMP)算法。该算法首先对梯度矢量进行加权平滑,以减小梯度噪声的影响,然后利用梯度矢量能够跟踪自适应过程的均方偏差这一特点,利用梯度矢量的欧氏范数控制步长的变化。给出了新算法的迭代过程,然后对其收敛性进行分析,仿真结果表明本算法较现有变步长NLMP算法有更好的性能。