一种基于高阶累积量变步长迭代的自适应谱线增强新方法

依据变步长LMS(LeastMeanSquare)算法能改善自适应谱线增强器(ALE)跟踪性能的特点,提出了基于高阶累积量变步长迭代的自适应谱线增强新方法。用实测水下运动目标辐射噪声数据,对该方法的性能进行了动态仿真研究。仿真表明,该方法具有很好的抑制高斯有色噪声能力和跟踪能力;能有效地增强线性调频、对数(或指数)频调信号谱线。因此,在提高水下探测系统功效,识别与检测水下运动目标方面具有一定的指导意义和应用价值。

基于M估计变步长自适应仿射投影算法的稳健时延估计

该文提出了一种基于M估计变步长自适应仿射投影方法的稳健时延估计(TDE)算法。该算法将自适应仿射投影算法应用于时延估计,无须事先假定信号和噪声的统计特性,自适应调整自身参数;应用稳健M估计理论,抵消重尾噪声干扰。数值仿真表明,在高斯噪声、非高斯噪声甚至冲激噪声的干扰下,该文算法比高阶统计量法和最小均方自适应法有更强的稳健性和更高的估计精度。

一种基于高阶累积量的新变步长的自适应谱线增强方法

从减小高阶累积量计算量出发,综合变步长算法和极性算法的优点,提出了基于高阶累积量的能量幂函数型变步长极性迭代自适应动态谱线增强新方法,该方法用输入信号的能量幂函数作变步长来改善跟踪性能,用非输入信号(由输入信号构成的函数)的符号或极性来减小高阶累积量的计算量。仿真表明,该方法具有良好的抑制高斯噪声、增强谱线和跟踪时变信号的性能。

基于四阶累积量一维切片谱线增强方法

为提高自适应谱线增强器跟踪性能,综合四阶累积量递推算法和变步长算法的优点,提出了一种计算正弦信号高价累积量的基于能量幂函数变步长迭代自适应谱线增强算法,该算法是用输入信号的能量幂函数作变步长来改善跟踪性能。其谱线增强器的结构为自适应 FIR 滤波器。仿真结果表明,该方法具有良好的抑制高斯色噪声、增强谱线和跟踪时变信号的性能。

变步长常数模盲均衡算法研究

为了进一步提高CMA盲均衡算法的收敛速度和均衡性能,研究了一种变步长常数模盲均衡算法。常数模盲均衡算法中,步长参数直接影响算法的收敛速度和均衡性能,合理的选择步长参数不仅能够避免算法发散或收敛过慢,并且适时调整步长参数可以避免算法陷入局部极小值。高阶均方误差直接反映算法的收敛状态,所以可以利用高阶均方误差作为步长参数的调整因子。计算机仿真表明以高阶均方误差作为步长参数调整因子使常数模盲均衡算法具有了更快的收敛速度和更好的均衡效果。