基于局部均值分解和归一化最小均方的宽频振荡检测方法

为精确采集和分析电力系统宽频振荡信号,提出基于改进局部均值分解与归一化最小均方算法相结合的宽频振荡检测新方法。首先利用归一化最小均方算法对宽频振荡信号进行降噪处理,进而采用改进局部均值分解算法提取该降噪信号的乘积函数;然后对上述乘积函数分量进行希尔伯特变换,求解信号瞬时频率的高频突变点,实现对振荡起止时刻的准确定位。仿真实验表明,本文所提方法能准确求解宽频振荡信号,且在强噪声下仍具有很高的精度。

基于改进变步长最小均方算法的心电图信号去噪

针对定步长和现有变步长最小均方(LMS)自适应滤波算法对心电图(ECG)信号去噪效果较差的问题,提出一种基于分式函数改进的变步长LMS算法。首先利用分式函数构造出改进的变步长LMS算法的步长函数式,通过理论和仿真分析得到该算法参数的最佳取值,并在相同条件下与定步长和其他变步长LMS算法进行性能对比,验证了该算法具有更快的收敛速度、更低的稳态误差和更小的计算复杂度。然后将该算法与定步长和其他变步长LMS算法在相同条件下对含多种真实噪声的ECG信号进行去噪效果对比。实验结果表明,相比于其他算法,该算法能更好地去除ECG信号的噪声,且去噪后ECG信号的信噪比最大,均方误差最小,Pearson相关系数最接近于1。

采用归一化最小均方误差准则的LM-BP算法

传统神经网络通常以最小均方误差(LMS)或最小二乘(RLS)为收敛准则,而在自适应均衡等一些应用中,使用归一化最小均方误差(NLMS)准则可以使神经网络性能更加优越。本文在NLMS准则基础上,提出了一种以Levenberg-Marquardt(LM)训练的神经网络收敛算法。通过将神经网络的误差函数归一化,然后采用LM算法作为训练算法,实现了神经网络的快速收敛。理论分析和实验仿真表明,与采用最速下降法的NLMS准则和采用LM算法的LMS准则相比,本文算法收敛速度快,归一化均方误差更小,应用于神经网络水印系统中实现了水印信息的盲提取,能更好的抵抗噪声、低通滤波和重量化等攻击,性能平均提高了4%。

自适应最小均方算法及其能量函数研究

根据递推随机理论，用李雅普诺夫法研究最小均方算法的微分方程，结论是，不管信号是平稳过程还是非平稳过程，该算法大范围渐近稳定。在均方意义下定义自适应时间常数为李雅普诺夫函数与其导数之比，由此建立时间常数、步长。

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.

带零吸收项的变步长l_0范数归一化最小均方误差算法

针对稀疏系统的识别问题,提出一种带零吸收项的变步长l0范数约束归一化最小均方误差(l0-NLMS)算法。在此改进的l0-NLMS算法中,通过箕舌函数来调整步长的变化,理论推导了此l0-NLMS算法在均值和均方差下的收敛条件以及均方误差和均方偏移量的表达式。设计实验分别比较在不同输入信号时算法的步长和稳态偏移量的变化,通过仿真验证该算法在识别稀疏信道模型上是有效的。分析结果表明:当处于相对高的信噪比、低的信噪比、输入不相关信号和输入相关信号时,该算法具有较快的收敛速度,能很好地进行稀疏系统的模型识别。

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。

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。

一种新的自适应最小均方算法及其应用研究

介绍了一种新的变步长最小均方自适应滤波算法。该算法具有较快的收敛速度和较小的失调,并且具有计算量小、不受其它不相关噪声干扰等特点。通过计算机仿真分析,证明了其理论计算与实验结果相符。算法应用于电量参数的测量,也使测量的精度得到较大的提高。

时变系统最小均方算法的性能分析(英文)

在无过程数据平稳性假设和各态遍历等条件下 ,运用随机过程理论研究了最小均方算法 (LMS)的有界收敛性 ,给出了估计误差的上界 ,论述了LMS算法收敛因子或步长的选择方法 ,以使参数估计误差上界最小 .这对于提高LMS算法的实际应用效果有着重要意义。LMS算法的收敛性分析表明 :i)对于确定性时不变系统 ,LMS算法是指数速度收敛的 ;ii)对于确定性时变系统 ,收敛因子等于 1,LMS算法的参数估计误差上界最小 ;iii)对于时变或不变随机系统 ,LMS算法的参数估计误差一致有上界 .

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.

基于时变步长最小均方算法的射频干扰对消

针对同时同频全双工系统中射频域干扰对消收敛速度与对消比相互制约的问题,提出基于时变步长最小均方算法的射频自干扰对消方法.该方法在正交两路合成干扰对消方案基础上,利用Logistic函数非线性关系实时改变步长因子,在最小均方准则下实现两路衰减器的快速精确调整,完成自干扰信号的有效对消.最后,理论分析了该对消方法的收敛性和稳态失调误差,给出了收敛状态下能够获得对消比的闭合表达式.理论分析和仿真表明,该方法的收敛时间缩短为已有变步长对消方法的1/4,最终达到的对消比与已有方法相比提高了约5dB.

一种约束稳定性最小均方波束形成算法

针对归一化最小均方(NLMS)算法步长调整精度不高的问题,将约束稳定性最小均方(CS-LMS)算法应用于智能天线的波束形成问题。通过引入后验误差的稳定性约束条件,构建适合波束形成问题的优化目标,并给出了其解的计算复杂度、收敛速度和稳态误差的理论分析。计算机仿真结果证实,CS-LMS波束形成算法比NLMS算法具有更加优良的抗干扰性能,较快的收敛速度,良好的系统跟踪能力和较小的稳态误差,尤其是当输入信号发生中断或突变时,算法依然工作得很好。

改进的变步长自适应最小均方算法及其数字信号处理

针对紫外光通信中传统自适应最小均方(LMS)算法存在的不足,提出了一种新的变步长LMS(VSS-LMS)算法,利用MATLAB仿真验证了该算法的可行性,以TMS320VC5509为核心设计了数字信号处理(DSP)最小化硬件系统和VSS-LMS算法的软件流程,在硬件上实现了传统LMS算法和新的VSS-LMS算法的自适应滤波,并进行了对比分析,结果表明所提出的VSS-LMS算法具有较快的收敛速度和较小的稳态误差,这对紫外光通信接收系统的设计和优化具有一定的参考意义。

基于均方误差最小的图像错误隐藏内插算法

以图像像素间的强相关性为基础 ,本文以MPEG - 2的视频信号为例 ,对于以条为单位的信息丢失 ,提出了一种内插算法 ,并导出了内插像素的显式表达式 ,从而可以快速地执行实时处理。仿真实验表明应用该算法实现丢失像素的内插 ,效果是令人满意的。

基于最小均方误差的串扰消除多用户检测算法

在存在强多址干扰的直接序列扩频码分多址(DS-CDMA)系统中对传统串行干扰消除检测器的优点及缺陷进行分析,提出一种基于最小均方误差的串行干扰消除多用户检测算法。该算法能够对时变信道环境进行有效跟踪,避免判决误差扩散。仿真结果表明,在加性高斯白噪声环境中一个同步DS-CDMA系统中对于信号功率弱的用户,该算法相比传统串行干扰消除算法及迫零算法的检测性能有较大的改善,在消除原有检测算法检测精度不稳定的同时能提高算法的误码性能。

结合最小均方误差的改进球形译码检测算法

在多输入多输出(MIMO)系统的信号检测算法中,球形译码算法的检测性能最接近最大似然算法,但传统球形译码算法运算复杂度较高。为降低球形译码算法复杂度,提出一种新型的球形译码检测算法。新算法由改进的快速球形译码算法与最小均方误差算法相结合而成。改进的快速球形译码算法通过在球形半径收缩时乘上一个常量参数来提高半径收缩速度,减少算法搜索的信号点数,从而达到降低复杂度的目的。最小均方误差算法则能够通过减小噪声对接收信号的干扰来降低因搜索噪声点而产生的复杂度。将最小均方误差算法的信道矩阵应用在改进的快速球形译码算法中,将两种算法有效地结合,能够进一步降低算法复杂度。仿真结果表明,当信噪比(SNR)低于10 dB时,新算法相比于原始球形译码算法,检测性能平均提高了9%左右。

衰减激励条件下最小均方算法的收敛性

给出了衰减激励信号的定义 ,并在衰减激励条件下 ,利用随机过程理论 ,研究了随机系统最小均方算法的收敛速率 ,阐述了参数估计误差收敛时 ,衰减指数和算法中设计参变量 (收敛因子或步长 )的选择方法 .分析表明 :在衰减激励条件下 ,最小均方算法也具有良好的性能 :当衰减指数和设计参变量满足一定条件时 。

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。