低信噪比下的LMS自适应无偏时延估计

比较性研究了最小均方(LMS)时延估计器中有偏与无偏估计算法的时延估计性能,并基于Treichler的γ-LMS算法提出了一种改进的无偏估计方法.利用自适应滤波器中最佳逼近原理的几何解释来估计输入噪声的功率,迭代过程中逐步去除输入噪声的影响,使得最优维纳解的真实峰值得到增强,在低信噪比或复杂噪声环境下显著改善了自适应时延估计性能.该方法无需假设输入与输出噪声功率相等或功率比已知、有用信号应为白过程等限制条件,因此具有广泛的应用价值.仿真与实际数据处理都验证了该方法的有效性.

低信噪比环境下基于γ-LMS算法的修正无偏自适应时延估计方法

当环境信噪比低于某一阈值,由输入噪声引入的有偏维纳解使最小均方(LMS)自适应时延估计器的错误时延估计概率陡然增加。系统分析了LMS自适应算法有偏估计的噪声来源及有偏时延估计器的性能,并基于Treichler的γ-LMS算法提出了一种修正无偏自适应时延估计方法。该方法利用传统LMS自适应滤波器可以获得的信息估计输入噪声功率,然后根据γ-LMS算法的思想在迭代过程中引入一个修正因子,逐步去除输入噪声的影响,无需假设输入与输出噪声功率相等或功率比已知、有用信号应为白过程等限制条件。自适应时延估计的仿真实验与供水管道泄漏检测定位中的实际数据处理都验证了该方法的有效性。