改进的最小均方自适应滤波算法

针对传统的固定步长最小均方(LMS)算法应用于雷达杂波自适应滤波器系统存在收敛速度与收敛精确度相矛盾的问题,提出一种新的变步长LMS自适应滤波算法。在其基础步长迭代公式中,通过组合自相关误差与前一步长因子来实时更新迭代下一步长因子的方法,达到具有较快的收敛速度和较小的失调,并且不受已经存在的不相关噪声的干扰的效果。仿真结果表明,所提方法的实验效果与传统固定步长LMS算法及已有算法相比,在收敛速率、收敛精度、抑制噪声方面都有很大的改善,证明所提算法是有效、可行的,且与理论分析一致。

一种新的变步长最小均方自适应滤波算法

将步长因子μ与误差信号e(n)和测量噪声方差σN2之间的一种函数关系引入自适应滤波器,提出了一种变步长最小均方自适应滤波算法。与已有算法相比,本文算法的步长因子更易于设计和控制。仿真结果表明本算法具有很好的收敛性能,同时也证实了本文算法的有效性。

小波包变换结合最小均方自适应滤波算法

考虑到小波包变换与最小均方(LMS)自适应滤波算法各自所独具的一些优点,将它们结合起来共同用于导弹引信的滤波抗干扰。通过Matalab仿真结果表明,这种方法能够取得比较好的滤波效果。

基于最小均方自适应算法的光纤陀螺信号实时滤波方法

为了提高光纤陀螺在高速高机动飞行器上旋转调制式惯导系统的旋转轴稳定控制中的使用性能,提出了一种基于最小均方(LMS)自适应算法的光纤陀螺信号实时滤波方法。首先,分析了LMS自适应滤波器的设计参数对滤波性能的影响与选取原则。在此基础上,基于稳定控制系统对高频噪声和滤波时延的实际应用要求,设计了一种优化的LMS自适应滤波器。仿真与试验结果表明:经过优化的LMS自适应滤波器兼顾了动静态性能要求,相比于工程中常用的传统FIR滤波器,其降噪能力提高了约9.16%,相位延迟降低了约18.96%,可以满足旋转调制式惯导系统旋转轴稳定控制使用需求。

基于最小均方自适应滤波器的热工过程建模方法

针对热工对象的时变性特点及其在运行过程中易受到不确定性干扰的影响,提出一种基于最小均方(least mean square,LMS)自适应滤波器的热工过程建模方法。LMS滤波器以未知对象的输入和输出作为激励和期望信号,通过最速下降法得到未知对象的有限脉冲响应(finity impluse response,FIR)模型,其与差分方程或传递函数是等价的。实验仿真和某电厂实际运行数据验证了该算法的有效性。这种建模方法避免了复杂的机理分析,其抽头权值的分布可以表征热工对象的动态特性,为分析热工对象提供了一种手段。

基于自适应最小均方误差算法实现10kV电力线通信的噪声对消

首先介绍了中压电力线信道噪声通用模型,对现场采集的噪声进行互相关系数计算,并采用对称分量法进行相关性分析,得出三相电力系统相间噪声具有一定相关性的结论。改变单相传输模式,根据两相噪声的一致性特点,提出基于自适应最小均方误差(least-mean-square error,LMS)算法实现中压电力线通信(medium voltage power line communication,MV-PLC)的噪声对消。自适应LMS算法虽然收敛速度较慢,但是计算量小,易于实现。仿真结果表明,噪声对消方法的采用有效改善了10kV中压电力线的信噪比,为10kV配网自动化系统采用载波通信技术提供了新的实现途径。

基于X滤波最小均方算法的冲击振动自适应逆控制

针对冲击振动控制的自身特点及已有算法的缺陷,提出了冲击振动的自适应逆控制方法.该方法能够根据不同的负载特性自适应地调节逆控制器参数,在时域实现了冲击振动控制,完全克服了频域方法中低频分辨率低、易产生溢出的问题.同时,针对X滤波最小均方(LMS)算法运算量大、收敛速度慢的缺点,提出了一种快速X滤波LMS算法,运用批处理技术,使码元间的平均计算量减小.试验表明,该方法使控制精度提高了约50%,明显优于已有的控制方法.

一种新的变步长自适应最小均方算法

提出了一种根据滤波器系数梯度差值的自相关来计算步长的新的变步长自适应LMS算法。分析了算法的收敛性能和稳态特性,给出了算法参数选择的原则。由实验验证了该算法具有良好的收敛性能和跟踪特性,特别是在输入信号相关的情况下,该算法显示出比标准LMS算法和其它变步长算法的优异性能。

采用最小均方算法的自适应横向滤波器

文章首先简单介绍了LMS算法和采用此算法的系统结构图,随后分别给出了MATLAB和SIMULINK的具体实现及其运行结果,最后针对迭代步长对系统性能的影响情况进行简明的讨论。结果证明,采用LMS算法得出的结果与准确值的偏差在工程上完全可以接受,并且算法容易实现。

基于最小均方算法的自适应有限长滤波器设计仿真

本文主要介绍最小均方算法的性能特点。基于最小均方算法的自适应滤波器电路结构简单且实时跟踪性能好。自适应滤波器的重要特性就在于它能够在未知环境申有效工作并能够跟踪输入信号的时变特性。理论分析和仿真结果表明，在低信噪比的前提下，自适应滤波器具有良好的信号处理性能，并对系统发生的突变表现出较强的鲁棒性。

基于块自适应滤波的核最小均方算法

核最小均方(KLMS)算法在非线性系统中收敛性能较好,但其使用瞬时梯度估计均方误差梯度,导致随机性较大。而块自适应滤波理论利用多个输入-输出的误差来估计均方误差梯度,可降低KLMS算法稳态误差。为此,将块自适应滤波理论运用到KLMS算法中,提出核块最小均方(KBLMS)算法,根据最陡下降法原理推导出KBLM S权矢量更新公式,使用核方法计算得到滤波器输出表达式,并通过并行处理减小算法计算复杂度。仿真结果表明,KBLMS算法可有效提高KLMS算法的稳态性能,并且相比块最小均方算法具有更低的误码率。

一种新型自适应最小均方算法

针对最小均方(LMS)算法应用于功率放大器时存在收敛速度与收敛精度相矛盾的问题,提出了基于步长比较的最小均方算法。在带有P因子的变步长最小均方算法的基础上,采用简化的Sigmoid函数对步长进行改进,通过对前后两次步长的比较来确定是否更新权系数,以误差的自相关时间均值及均方误差的时间均值来调节算法步长,可以加快算法的收敛速度,降低算法的计算量。仿真结果表明,与最小均方算法相比,经过自适应预失真处理后,该算法的误差向量幅度(EVM)值提高了2.653 2%,系统邻信道功率比(ACPR)减少了4dB。

基于最小均方自适应滤波的气固两相流参数测量方法

针对气固两相流参数测量中信号噪声先验知识未知的问题,提出一种基于最小均方自适应滤波的气固两相流交流电信号处理方法,利用浮点型DSP-TMS320F28335处理器采集静电传感器的交流电信号,并对采集到的信号利用最小均方自适应滤波算法进行处理,按照均方误差最小准则来调节滤波器权值达到最优,实现最优滤波。最后,在气固两相流流速测量实验平台上,对气固两相流固相流速进行实时在线测量。实验结果验证了该方法可提高气固两相流流速的测量精确性和稳定性。

基于自适应阈值活动语音检测和最小均方误差对数谱幅度估计的低信噪比降噪算法

针对低信噪比(SNR)环境下传统方法对声信号降噪的局限性,提出了一种联合自适应阈值活动语音检测(VAD)算法和最小均方误差对数谱幅度估计(MMSE-LSA)的实时降噪算法。首先,在VAD算法中通过基于能量概率最大值的概率统计来对背景噪声进行估计,对得到的背景噪声进行实时更新并保存;然后,将实时更新的背景噪声作为MMSE-LSA的参考噪声,并对噪声幅度谱进行自适应更新,最后进行降噪处理。通过在真实场景中对四类声信号进行实验,结果表明,该算法在保证对低SNR声信号的实时处理的情况下,相较于传统MMSE-LSA算法,降噪信号的SNR能够提高10~15 dB,且不存在信号过减的情况,可应用于实际工程。

最小均方自适应控制汽车主动悬架的仿真

根据汽车行驶平顺性和操纵稳定性的评价方法,确定簧上质量的加速度、车轮与地面间的动载荷以及簧上、簧下质量的动挠度为评价指标。选择LMS自适应滤波算法,通过调整自适应滤波器的权系数使二次性能指标达最小。针对简化的车辆模型,经过大量的仿真计算,确定主动悬架系统LMS自适应控制策略不仅计算简单,而且3项评价指标均得到显著的降低。结果分析表明,LMS自适应控制策略理论上在主动悬架系统中的应用是切实可行的。

自适应最小均方算法的本质

本文指出最小均方算法并不能使均方误差最小,证明了最小均方算法实际上是一种加权最小二乘算法。

最小均方误差判决和自适应判决反馈均衡器的设计实现

介绍了基于 FIR和 IIR的采用最小均方误差 (MMSE)算法的判决反馈均衡器 ,针对该算法的缺点提出了两种采用自适应算法的判决反馈均衡器 :LMS算法和 CMA算法 ,对这些算法的仿真表明了各自的性能和优缺点 ,在此基础上提出了一种改进的混合算法 .仿真表明 ,该算法只需要少量的训练序列 ,性能比 CMA算法有明显的改进 .

QR分解的最小二乘格型自适应滤波算法在噪声主动控制中的应用

在噪声主动控制系统中,滤波-x递归最小二乘(FxRLS)算法收敛速度快但计算量大。基于此,提出了格型联合估计滤波器结构与基于QR分解的最小二乘格型(QRD-LSL)自适应滤波算法相结合的噪声控制方法,该方法对联合估计过程进行了改进并得到了基于各阶估计误差的联合过程估计权系数更新关系,格型联合估计器结构简单,QRD-LSL自适应滤波算法数值稳定性好。仿真结果表明提出的噪声控制方法有良好的噪声控制效果,收敛速度快,计算量小,稳态误差小,跟踪性能好。

一种变步长的零吸引归一化自适应滤波算法

为了使最小均方算法对高斯噪声环境和稀疏系统具有更好的收敛速度和稳态误差,提出了一种变步长的零吸引归一化最小均方算法。该算法将改进的Versoria函数的稀疏感知范数与归一化最小均方算法相结合后,引入了一种新的类高斯函数的变步长策略,解决了固定步长条件下算法收敛速度较慢、跟踪性能较差的问题。从理论层面分析了所提算法的收敛性,并基于MATLAB平台讨论了改进的类高斯步长函数中各参数对算法性能的影响。最后将所提算法与其他同类算法应用于不同信噪比条件下的高斯噪声环境以及稀疏环境中进行未知系统辨识实验,仿真结果表明,所提算法具有更快的收敛速度、更好的跟踪能力以及较小的稳态误差。

四元数复数形式的最小均方算法

目前,作为多维信号处理的一个重要工具,四元数代数理论已在各种领域有所应用,并取得了良好的效果。基于四元数的复数形式,本文提出了四元数复数形式的最小均方(LMS-QC)自适应滤波算法。首先推导了LMS-QC自适应滤波算法,并且对其性能进行了分析,给出了步长的选择范围。进一步针对某一机载简化矢量传感器阵列,给出了归一化LMS-QC波束形成算法。此算法克服了四元数实数形式的最小均方(QLMS)自适应滤波算法的局限性,更适合复信号的多维处理,并且加权矢量每次迭代的计算量仅为QLMS算法的一半。计算机仿真结果表明LMS-QC算法是收敛的。稳态时估计均方误差达到了最小值,权矢量的模值和输出信干噪比也接近最优值。在主要区间内,LMS-QC算法的性能优于QLMS算法。