一种成比例系数的子带自适应啸叫抑制算法

啸叫现象会严重影响扩声系统性能。采用自适应滤波算法辨识反馈路径的方式进行啸叫抑制,将成比例系数的无延时多带结构子带自适应滤波(Proportionate Delayless Multiband-structured Subband Adaptive Filtering,PDMSAF)算法应用到啸叫抑制系统中。该算法继承了子带自适应滤波算法收敛速度快的优点,并考虑到反馈路径的稀疏特性和系统对实时性的要求,采用成比例系数的步长控制和无延时的误差计算方法。仿真结果表明,当扩声系统的反馈路径具有稀疏特性时,PDMSAF算法可以加快自适应滤波的收敛和跟踪速度。

成比例自适应算法在IP电话回声消除中的研究

针对IP电话中回声路径稀疏冲激响应的结构特征,分析比较了四种成比例自适应算法的性能。结果表明:在稀疏回声路径条件下Sc-MPNLMS算法与MPNLMS算法性能相当,要优于IPNLMS算法和PNLMS算法;而在色散回声路径条件下Sc-MPNLMS算法与IPNLMS算法性能相当,要优于MPNLMS算法和PNLMS算法。

基于凸组合的同步长最大均方权值偏差自适应滤波算法

针对NLMS和PNLMS滤波器对时变信道跟踪能力差的缺点,提出了一种同步长凸组合最大均方权值偏差(MSD,mean square deviation)算法。该算法将同步长的NLMS和PNLMS 2种不同类型的自适应滤波器进行凸组合,以最大均方权值偏差为准则,使新的滤波器能够在外界信道特性(稀疏、非稀疏和模糊态)时变的情况下,保持良好的随动性能,并在收敛的各个阶段均保持快速且稳定的均方特性。理论推导和仿真实验表明:该算法与NLMS、PNLMS和IPNLMS算法相比,在稀疏和非稀疏状态时能够保持四者中最快的收敛速度,并且在模糊状态时算法性能优于其余三者。另外,该算法仍保持较好的稳态均方性能。

改进子带自适应滤波算法及其在回波抵消中的应用

本文提出了两种基于多带结构的仿射投影符号子带自适应滤波器(Affine Projection Sign Subband Adaptive Filter,AP-SSAF)的改进方法。针对稀疏系统的系统识别,设计了两种子带自适应滤波器。首先给出了AP-SSAF的变正则化参数更新方程,文中采用随机梯度下降法来更新正则化参数,来使系统的均方偏差最小化,该方法能同时兼顾快速收敛及低稳态失调。其次将权重分布矩阵引入AP-SSAF得到系数比例AP-SSAF,该方法能够利用系统的稀疏性提高AP-SSAF的收敛性能。仿真中将本文所提算法用于一般系统识别以及回波抵消,实验结果验证了本文的算法对脉冲噪声具有稳健性,具有较好的跟踪性能,并具有较快的收敛速度及低稳态失调。

一种改进的记忆成比例仿射投影算法及其应用

自适应回声消除算法是回声消除领域中的主流技术,但由于回声信道的脉冲响应具有阶数高、稀疏以及时变的特点,使得传统的自适应回声消除算法的性能出现了明显的下降。为了改善传统算法的性能,提出了记忆成比例仿射投影算法。但对于高稀疏系统,记忆成比例仿射投影算法仍然表现出收敛速度慢和跟踪性能差的问题。针对这些问题,文中提出了一种改进的记忆成比例仿射投影算法,大大改善了收敛速度和跟踪性能。仿真结果验证了提出算法的有效性。

分块稀疏自适应滤波算法研究

针对现实中许多未知稀疏系统的脉冲响应是呈现为成块形式的这一特性,在计算对应的步长因子时,用混合的l2,1范数约束来替代传统算法的l1范数约束,使自适应抽头权重适量均匀分割成组,同属于脉冲的显著值或者非显著值的组内元素用l2范数约束,组与组之间用l1范数约束,推导出块稀疏自适应滤波算法。算法充分利用未知系统的块分部特性,取得了更好的收敛特性。通过仿真实验,对块稀疏自适应滤波算法与传统稀疏自适应滤波算法各自的特性进行对比说明。仿真结果表明,与传统的稀疏自适应滤波算法相比,块稀疏自适应滤波算法在分块稀疏信道下具有更好的收敛性。

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。

基于自适应形态学的低截获概率信号检测预处理算法

针对传统算法在面对复杂环境中低截获概率(lour probability of intercept,LPI)信号检测时不能对噪声进行有效的滤波,提出了一种基于自适应形态学的LPI信号检测预处理方法。首先建立单一尺度形态学滤波模型;其次在单一尺度形态学频谱数据做分段插值处理时,在每段采用加入比例系数的改进形态学腐蚀和膨胀机理,再将插值后的序列与原信号相减来对其进行修正;最后通过算法仿真,验证了改进的算法在弱化结构元素尺度选择矛盾对不同带宽处的噪声基底估计的影响的同时,还能大大降低整个算法运算量的效果,取得了良好的滤波效果。

一种新的基于L0的变步长IPNLMS算法

研究算法的优化问题,对比于传统的正则化最小均方算法(NLMS),成系数比例自适应算法(PNLMS)拥有较快的初始收敛速度,但是PNLMS并不是一种最优化的算法。改进了采用L0范数的IPNLMS算法以提高对稀疏系统进行辨识的性能。分析了近年来的几种系数比例算法的性能及其局限性,通过建立步长因子μ与误差信号e之间的非线性关系,提出了一种结合Sigmoid函数和L0范数的变步长系数成比例的规则化的LMS滤波算法。并对其与文中提到的算法进行了比较和分析,拥有更好的收敛性和稳态误差。