基于最小均方和递归最小二乘的自适应滤波器设计

本文首先研究了自适应滤波器的基本原理、系统组成结构以及实际应用,深入分析了基于最小均方误差准则的LMS算法和基于最小二乘准则的RLS算法;分析了两种算法的优点以及缺点.其次在自适应滤波算法的基础上,对于消噪算法重点分析了结构、性能以及衡量指标.对于传统的自适应噪声抵消提出了一种自动追踪最佳滤波器参数的实现方法,经过验证,经过算法后可以有效地寻找对应噪声的自适应滤波器的最佳阶数和步长.

基于递推最小二乘自适应滤波算法的图像去噪

递推最小二乘RLS(Recursive of Least Square)算法是自适应滤波算法中的精确分析算法。它具有收敛速率快,精确度高等特点,但是发现目前RLS算法多用于对一维信号的去噪处理。使用递推最小二乘(RLS)算法对二维图像进行去噪,从处理一维信号变成处理二维图像信号,需要对RLS算法进行改进。先迭代得到滤波器参数,形成3×3滤波掩模,再改进算法对图像进行滤波;同时与常数比率维纳滤波和自相关函数的维纳滤波算法的去噪效果进行对比。结论证明在对图像进行较严重的模糊和加噪处理后,其他两种算法对图像的还原能力差,而递推最小二乘自适应滤波(RLS)算法具有优良的图像去噪性能。

基于DFFRLS-AUKF的单轨吊车动态倾角辨识方法研究

为保障单轨吊车在深部矿井复杂轨道工况环境下行驶的安全控制性能,需提高单轨吊车动态倾角辨识的精度及可靠性。因此,本文提出了基于DFFRLS-AUKF算法的单轨吊车动态倾角辨识方法。首先,利用自适应平滑滤波算法对实时采集的加速度和速度数据进行滤波处理,避免环境噪声的干扰,保证数据的完整性;其次,通过建立轨道曲率模型实现对轨道全工况的精准分析,在滤波处理后的数据基础上,再结合带有动态遗忘因子的递归最小二乘(DFFRLS)算法得到可靠地轨道曲率值;最终,在计算出的轨道曲率基础上,利用Sage-Husa噪声估计器对无迹卡尔曼滤波(UKF)进行改进,实现了对动态倾角辨识结果地自适应动态调整,提高了动态倾角辨识地精准度。实验表明,单轨吊车在单轨路段1和单轨路段2测试期间,所提的DFFRLS-AUKF算法与传统算法相比动态倾角辨识精度分别平均提升了25.25%和39.5%,表明了DFFRLS-AUKF算法在不同轨道工况下具有良好的精准性及可靠性,有效保障了单轨吊车在复杂轨道工况下行驶的安全性。

异步CDMA系统中基于预处理递归最小二乘恒模算法的盲自适应接收

该文提出一种基于预处理递归最小二乘恒模算法(PP-RLSCMA)的多径异步CDMA系统盲自适应接收技术。首先对接收信号进行自适应预处理,并分析了预处理器的复杂性和稳定性。预处理的目的是通过对干扰和噪声的部分抑制以提高恒模接收的性能,所提出的预处理方法只与多径信道的最大长度有关。鉴于统计恒模算法收敛速度慢的缺点,提出一种快速递归最小二乘恒模算法的盲自适应接收。仿真表明,该文算法的误码率及收敛性能比LCMMV,LCCMA好。

基于递归最小二乘的智能车轨迹跟踪控制算法

提出一种实时估计轮胎侧偏刚度的自适应横向最优跟踪控制算法.路面附着系数的改变使得轮胎侧向力的近似线性区间发生改变,线性近似得到的轮胎侧偏刚度将不再可靠.基于递归最小二乘算法,以轮胎侧偏角和侧向力作为输入,实时在线估计轮胎的侧偏刚度,进而提出自适应线性二次型调节器(Adaptive Linear Quadratic Regulator,ALQR)控制器.在Matlab/Simulink和Carsim联合仿真平台上对其有效性和稳健性进行验证.结果表明,在多种路面附着条件和不同车速下,所设计的控制算法的性能均优于传统线性二次型调节器(Linear Quadratic Regulator,LQR)控制算法,最大横向位置误差和横摆角误差分别降低81.5%和73.0%.通过实车测试,算法的实际应用性和有效性得到实证,最大轨迹跟踪误差仅为0.56 m.

基于相关函数的递推最小二乘算法及其在回波消除中的应用

本文给出一种新的类似于RLS(recursive least squares)算法的递推最小二乘算法,该算法直接对输入信号的相关函数进行处理而不是对输入信号本身进行处理, 理论分析表明了该算法的收敛性。该算法应用于回波消除问题中,克服了常规自适应滤波算法在出现双方对讲的情况下需停止调节自适应滤波器系数这一不足。计算机模拟仿真表明该算法在双方对讲的情况下有良好的收敛性能。

二阶伏特拉滤波器RLS算法改进

分析了二阶伏特拉滤波器的一种快速RLS算法,针对其存在的收敛速度与收敛精度之间的矛盾,构造了遗忘因子函数并取代该算法中的固定遗忘因子,得到改进的RLS算法。提出了遗忘因子函数的构造原则并分析了相关参数的选取方法。算例表明:改进的RLS算法能解决收敛速度与收敛精度之间的矛盾,有效地加快了收敛速度。

LMS和RLS自适应滤波算法对比研究

介绍了自适应滤波器的基本原理,对最小均方(LMS,Least Mean Squares)和递归最小二乘(RLS,RecursiveLeast Squares)自适应算法进行仿真分析及对比研究。仿真结果及实例均表明,两种算法都能有效抑制和抵消各种干扰,但相比之下,RLS算法具有更好的收敛性能及稳定性。

改进最小二乘递推算法的洪水预报应用研究

建立线性自回归模型,应用于洪水实时预报,并应用AIC、BIC这两种准则以确定自回归模型的阶数。最小二乘递推算法是估计自回归参数的一种常见方法。最小二乘法估算出的模型参数在预报误差平方和最小的条件下是最优解。研究中,为了强化时变系统的辩识以提高洪水预报精度,对数据采取衰减记忆、有限记忆及时变衰减记忆的方式,对基本的最小二乘递推算法提出了三种改进形式,并利用这几种改进算法进行了洪水演算,最后对几种算法的演算结果进行了比较。

基于自适应RLS算法的鱼雷电磁引信直接耦合干扰消除

为了有效消除鱼雷电磁引信收发天线之间的直接耦合干扰,弥补传统方法的不足,提出了一种基于自适应递归最小二乘(RLS)算法的干扰消除新方法。首先分析了自适应滤波器的一般原理;其次阐述了RLS算法的滤波原理和实现流程;最后结合典型的鱼雷电磁引信过靶参数并设置不同的耦合干扰强度,在MATLAB环境中进行了算法的仿真研究。仿真结果表明,采用该方法可在直接耦合干扰的幅值是目标信号幅值的10万倍的条件下将其有效消除,是一种消除同频强背景干扰的有效方法。此外,该方法还具有自适应算法运算量小、收敛速度快和实时性数据处理等优点。

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。

应用于自适应格型RLS滤波器的变阶数算法

提出了一种新的变阶数(或抽头长度)算法,并将之应用于变阶数自适应格型递归最小二乘(RLS)滤波器的阶数更新中,讨论了格型滤波器阶数更新时相关参数的调整方法。新算法以分贝的形式比较短滤波器与长滤波器的时平均平方误差,采用自适应的抽头长度步长,能够在滤波器权值未收敛时同时快速更新滤波器长度与权值,且在不同大小噪声条件下都能收敛到最优阶数。理论分析与不同大小噪声条件下的自适应系统辨识仿真结果验证了新算法的有效性。

基于CMOE准则的盲自适应RLS检测器

针对直接递归最小二乘(RLS)算法存在的检测数值不稳定和收敛速度较慢等问题,将约束最小输出能量(CMOE)准则与直接RLS算法结合,提出一种基于CMOE准则的盲自适应RLS多用户检测算法。将该算法与直接RLS算法进行动、静态环境下输出信干比(SIR)、剩余输出能量(EOE)和误码率(BER)等方面的仿真,对比得出该算法具有更好的动态跟踪能力,更快的收敛速度和更高的稳定性。

一种用于实际OFDM系统的RLS自适应信道估计算法

分析了正交频分复用(OFDM)信道估计中的信道冲激响应(CIR)泄漏问题,提出了新的时域一维递归最小二乘(RLS)自适应信道估计算法.RLS滤波器的输入和参考信号被独立于信道统计特性的矩阵加权,降低了实际OFDM系统中CIR泄漏的影响.该算法保持了一维RLS算法低复杂度的特点,运算量远小于二维RLS算法.仿真结果证明,该算法极大地提高了一维RLS算法MSE性能,使其逼近于二维RLS算法.

基于RLS自适应滤波算法的MIMO-OFDM信道估计

对于传统递归最小二乘算法信道估计性能的抗噪声问题,提出一种基于自适应滤波的RLS估计算法。该算法通过在时域内加入自适应滤波器,对信道中的估计结果进行自适应滤波。经过仿真分析,将自适应滤波的RLS算法与传统的RLS算法在误码率(BER)的性能进行比较,得出基于自适应滤波的RLS算法是一种高精度抗噪声的信道估计算法。将系统的输入含有噪声的信号进行自适应滤波,得到输出信号波形,与输入信号波形进行对比,来验证自适应滤波对噪声抑制作用。

一种基于最小二乘准则的自适应滤波算法

基于最注二乘准则Ｊ（ｎ）＝ ，利用最徒梯度下降法，得到一种新的梯度型自适应滤波算法．该算法避免了递推最小二乘ＲＬＳ（Ｒｅｃｕｒｓｉｖｅ Ｌｅａｓｔ Ｓｑｕａｒｅｓ）算法需递推估计更新自相关矩阵Ｒｘｘ（ｎ）的逆的不足，计算机模拟仿真结果表明该算法有良好的收敛性能，收敛速度快于ＬＭＳ（Ｌｅａｓｔ Ｍｅａｎ Ｓｑｕａｒｅｓ）算法、ＮＬＭＳ（ＮｏｒｍａｌｉｚｅｄＬｅａｓｔ Ｓｑｕａｒｅｓ）算法和ＲＬＳ算法．

基于改进的递归最小二乘法的滤波器研究

分析了基于递归最小二乘法(recursive least-squares,RLS)的自适应滤波算法,并针对非平稳环境下RLS算法跟踪能力差,导致误差大的问题,通过调节RLS算法中的指数加权因子λ,叠加一个自适应记忆,优化其跟踪性能。理论分析和计算机仿真均表明,带有自适应记忆的RLS算法具有较快的自适应跟踪能力和较好的稳态性能,优于其他算法。

基于RLS的自适应滤波算法研究

为抑制谐振接地系统对地电容中的工频信号和其他谐波成分,提出了一种基于RLS算法的自适应滤波算法。该算法通过给定n-1次迭代滤波器抽头权向量最小二乘估计,依据新到达的数据计算n次迭代权向量最新估计。当滤波器输入信号变化时可保持最佳输出信号,在一定程度上补偿了滤波器元件参数变化带来的运算误差。对其滤波理论及算法进行仿真研究。结果表明:该算法提高了滤波的稳定性、快速性和精确性,优于其他自适应算法。

最小二乘自适应滤波的广义多信道QR格型算法

对于广义多信道的最小二乘自适应滤波，即允许有信道参数数目不相等，本文提出一种QR格型算法。这个算法完全利用Givens旋转来解广义多道最小二乘问题，具有优越的数值性能和高度的模块化结构，适合于VLSI实现。对于通用处理器实现，这个算法需要O（p2）运算复杂度，其中p为信道数，对于基本处理单元实现，需要2p角度计算单元和3p2－p旋转单元。

一种基于递归反演的二维图像自适应算法

针对图像除噪和图像解卷积处理问题,在一维递归反演(RI)算法的基础上,提出了一种用于二维自适应滤波的递归反演(RI)自适应算法.通过采用可变步长,从而避免使用系数更新方程中的反演相关矩阵,达到了更稳定的性能.在处理二维图像时,它可以沿水平方向和垂直方向更新滤波器系数.仿真结果表明,在图像解卷积处理和自适应线谱增强器应用方面,与二维RLS算法相比,所提出的二维RI算法表现出更好的性能.此外,它的计算复杂性相对较低,并且不需要自相关矩阵的反演,从而拥有更稳定的性能.