变抽头长度LMS自适应滤波算法

该文将自适应滤波器抽头长度与权值调整问题归结为单一的权值调整问题,提出了抽头长度的一般更新公式及新的变抽头长度LMS算法,从理论上分析了其合理性与收敛性。新算法用长滤波器与短滤波器的时平均平方误差估计稳态均方误差,采用了自适应调整的抽头长度步长,可在滤波器权值未收敛时就快速更新抽头长度。论文还证明了目前文献中几种有效的变抽头长度算法也可看作或化为文中抽头长度一般更新公式的特例,理论分析与自适应系统辨识的仿真结果验证了新算法的有效性。

一种α稳定分布下的变抽头长度LMP算法

针对无法事先知道滤波器抽头长度,且系统中存在α稳定分布噪声的情况,提出了一种α稳定分布背景下的变抽头长度自适应算法,采用3个并行的滤波器,比较数据段内其平均P阶误差大小,每K点数据段更新一次抽头长度,数据段内滤波器权值采用LMP算法调整。算法仿真表明,算法在不同特征指数的α稳定分布下都具有很强的韧性,能自适应调整到最优抽头长度,达到最优抽头长度的LMP算法的稳态误差。

基于α稳定分布的二阶Volterra变抽头长度自适应滤波算法

传统自适应Volterra滤波器抽头长度固定。当一个被识别系统或被均衡信道的特征未知或时变时,自适应滤波器的抽头长度太长,不仅增加了计算量同时也增加了误差;抽头长度太短则无法满足系统的性能要求。针对这个问题本文提出了一种二阶Volterra变抽头长度自适应滤波算法。先对Volterra滤波器输入信号进行格型滤波处理,实现了二次项信号解耦,减少了二次项的权系数,使线性部分和非线性部分权值具有相同的抽头长度,简化了传统Volterra滤波器的结构;基于最小平均p范数准则,运用分数抽头长度的概念,对滤波器抽头长度进行实时自适应调整,用LMP算法自适应调整权系数。计算机仿真结果表明,在不同信噪比的高斯噪声和α稳定分布噪声背景下,应用本文算法的自适应信道均衡都具有良好的收敛性能,本文算法能自适应调整到最优抽头长度;验证了算法的有效性。

变抽头长度LMS自适应算法研究

抽头长度是影响线性滤波器性能的一个重要参数。研究论述了变抽头长度算法的两种代价函数,介绍了分段滤波器算法、梯度下降算法和分数抽头长度算法的基本原理,并进一步概括分析影响算法性能的因素,比较了三种算法的性能。在此基础上提出了新的直接根据稳态均方误差调整抽头长度的算法,仿真论证了该方法在自适应系统辨识模型中的检测效果,从仿真结果中可以看出该算法可以很好地适应复杂的系统环境,且具有较小的稳态波动。

基于可变抽头长度的IEEE 802.11n信道估计方法

为了提高在不同信道冲激响应长度下无线局域网传输性能,提出一类基于可变抽头长度的MIMO-OFDM信道估计方法.该类方法利用训练序列对信道进行估计,动态调整抽头长度及位置,基于最小二乘原理完成一个较大点数的信道估计,估计噪声功率并确定噪声门限.根据IEEE802.11n无线局域网信道模型中多群集效应,使用消去策略确定需要的抽头长度,在满足门限后对系统进行抽头长度更新后的最小二乘估计.分析及仿真结果表明,该类方法与传统MIMO-OFDM信道估计方法相比,节省了系统资源,估计性能有显著提高,尤其适用于较高信噪比及较大星座图调制的MIMO-OFDM系统.

基于变抽头长度的水声通信多用户检测器

针对水声信道环境特点,提出一种基于变抽头长度的水声通信多用户检测方法。该方法采用交织多址技术,用不同的交织器区分用户,并通过长度更新算法调整抽头长度。仿真结果表明基于变抽头长度的多用户检测器能够自适应地收敛到最优抽头长度,从而获得系统性能的改善。

水声协作通信中的多分支变抽头长度多用户检测器

针对水声协作通信中水声信道特点带给链路可靠性的影响,提出一种多分支变抽头长度多用户检测(Multi-Branch Variable Tap-length Multi-User Detection,MBVT-MUD)方法,中继节点工作于放大转发模式(Amplify-and-Forward,AF)。该方法联合实现了自适应合并和抽头长度的自适应调整。仿真结果表明,MBVT-MUD能够根据各个分支的信道环境自适应调整抽头长度到最优,且相对于现有的方法,能获得更好的误码率(Bit Error Rate,BER)性能。

一种基于变抽头长度的变步长LMS算法

不管是变步长还是变抽头长度,都是为了克服传统LMS算法的不足。这些年来,有很多的变步长和变抽头长度思想被提出,这些方法都希望能更好地改善传统LMS算法的性能。为了进一步改善LMS算法的性能,本文首先简要分析了一种变抽头长度方法,引入漏因子,将抽头长度假设成一个假分数来进行更新,再对更新后的值进行处理,变为真实的抽头长度。其次,本文将变步长的思想应用到了变抽头长度算法中,本文利用一个近似于Sigmoid函数的非线性函数模型来建立步长和误差的关系,使得算法能在对抽头长度进行收敛的同时,能兼顾到步长与误差的关系。本文提出的算法能结合变抽头长度方法和变步长方法的优点,进一步改善传统LMS算法的性能。仿真实验表明:相比于原变抽头长度算法,新算法不仅提高了收敛速度,而且降低了稳态误差,同时能更快更准确地跟踪抽头长度的变化。