基于LMS算法的短波通信数据干扰控制技术

短波通信原理简单,已广泛应用于大型无线通信系统。但在实际应用中,很多因素会影响短波通信,造成数据干扰,因此应采取有效的控制措施。基于此,分析短波通信的基本内容与主要特点,并在剖析短波通信干扰的基础上,分别从短波通信信号特征提取、干扰数据识别、数据干扰控制及实验测试4个方面,探讨基于最小均方(Least Mean Square,LMS)的短波通信数据干扰控制技术。

A novel dynamic step size LMS optimization scheme for interference reducing in FBMC-QAM

Filter bank multicarrier quadrature amplitude modulation(FBMC-QAM)will encounter inter-ference and noise during the process of channel transmission.In order to suppress the interference in the communication system,channel equalization is carried out at the receiver.Given that the con-ventional least mean square(LMS)equilibrium algorithm usually suffer from drawbacks such as the inability to converge quickly in large step sizes and poor stability in small step sizes when searching for optimal weights,in this paper,a design scheme for adaptive equalization with dynamic step size LMS optimization is proposed,which can further improve the convergence and error stability of the algorithm by calling the Sigmoid function and introducing three new parameters to control the range of step size values,adjust the steepness of step size,and reduce steady-state errors in small step sta-ges.Theoretical analysis and simulation results demonstrate that compared with the conventional LMS algorithm and the neural network-based residual deep neural network(Res-DNN)algorithm,the adopted dynamic step size LMS optimization scheme can not only obtain faster convergence speed,but also get smaller error values in the signal recovery process,thereby achieving better bit error rate(BER)performance.

基于LMS自适应滤波的雷达随队干扰抵消

随队干扰是雷达对抗中常用的干扰方式,通常通过遮盖目标回波信号而使雷达失去探测能力,因此需要加以抑制。随队干扰经常是非平稳的随机信号,在此情况下,文中利用最小均方(LMS)自适应滤波器得到干扰的估计并将其从雷达接收信号中消除,从而给出了一种基于LMS自适应滤波的雷达随队干扰抵消方法。首先,建立了雷达接收信号模型,包括主阵列天线接收信号和辅助阵元接收信号;然后,给出了基于LMS自适应滤波的干扰抵消原理,它实际上将辅助阵元接收信号输入自适应滤波器得到随队干扰估计,从主阵列天线接收信号中减去此干扰估计从而实现干扰抵消,通过分析抵消器的性能发现,除了辐射干扰的目标难以探测外,编队中其他目标的信干噪比都得到了提高;最后,给出了随队干扰抵消的仿真实例,验证了上述干扰抵消方法的良好效果。

一种改进的解相关LMS自适应算法

针对变步长LMS自适应滤波算法在输入信号高度相关时,收敛速度下降导致性能下降的问题,提出了一种改进的解相关LMS自适应算法,该算法引入解相关原理和归一化处理,用输入向量的正交分量来更新滤波器权系数,有效加快了算法的收敛速度,且稳态误差小,使得算法在有色输入和大范围的动态输入下都能保持良好性能.

LMS和归一化LMS算法收敛门限与步长的确定

从 LMS算法失调量的准确表达式出发,根据输入信号特征值分布重新研究了 LMS,归一化LMS(Normalized LMS,NLMS)算法收敛的必要条件,推导出 LMS和 NLMS 算法收敛的步长门限,并分析了输入信号特征值分布、滤波器阶数对算法收敛步长门限的影响,推导出满足性能失调下步长的自适应计算公式,减小了应用 LMS,NLMS算法时步长选取的盲目性,与已有的算法相比,具有计算简单、实用、自适应性能强,同时可获得满意失调量的特点,计算机模拟结果表明该方法的正确性。

基于数字积分和LMS的振动加速度信号处理

数字积分中的误差累积会引起波形的严重变形,在分析了误差传递规律的基础上,提出了基于最小二乘法的波形修正方案。用LMS分别对速度和位移信号进行一次拟合和二次拟合,求出积分后信号中的误差变化规律,然后进行波形修正得到正确的速度和位移信号。在我们自主开发的一套专门用于振动信号测量的便携式振动测量仪中,将该算法应用到加速度信号处理中,并取得了很好的效果,从而为准确判断设备的运行状态提供了可靠的数据来源。

基于改进的双曲正切函数变步长LMS算法

为了改进现有的变步长最小均方误差(least mean square,LMS)算法在低信噪比时性能较差的缺陷,提出了一种基于改进的双曲正切函数的变步长LMS算法,从理论分析和仿真实验两方面讨论了引入参数对算法收敛性、跟踪性、稳定性的影响及算法的抗干扰性。理论分析和仿真实验表明该算法在高低信噪比时均具有较快的收敛速度和跟踪速度以及较小的稳态误差和稳态失调,并且在低信噪比时该算法的收敛性、跟踪性、稳态性均优于其他多种变步长算法。

基于指数函数的归一化变步长LMS算法

在研究归一化最小均方误差(NLMS)算法的基础上,提出一种基于指数函数的变步长LMS算法。通过建立误差和步长的函数关系,实时调整步长,并对输入信号完成时域信号解相关,解决稳态失调系数与收敛速度的矛盾。仿真实验结果证明,该算法与传统LMS算法、SVS_LMS算法、NLMS算法以及双曲正切变步长LMS算法相比,具有更高的收敛速度和较小的稳态失调系数。

一种新的变步长LMS自适应滤波算法及其仿真

针对变步长自适应滤波算法收敛速度和稳态误差相矛盾的不足,建立了步长μ(n)与误差信号e(n)之间的一种新的非线性函数关系。该函数具有初始阶段和未知系统时变阶段步长自动增大而稳态时步长很小的特点,且能克服输入端不相关噪声对步长μ(n)的影响。由此函数,得出了一种新的变步长自适应算法,理论分析和计算机仿真结果表明该算法的性能优于文中所述其他算法。

基于LMS算法的窄带干扰检测技术

直扩系统通常采用干扰抑制技术提高系统的干扰容限。在无干扰或小干扰情况下,直接进行干扰抑制会给接收端带来极大的信噪比损失,而窄带干扰检测技术可以有效解决这一问题。传统的窄带干扰检测技术常用于低信噪比情况下,而本文提出的基于LMS算法的干扰检测算法能够较好的适用于大信噪比范围与高信噪比情况,对于不同的信噪比该算法可以自适应选取相应的门限以较高的干扰检测率与较低误检率有效检测干扰,同时相对于其他算法该算法原理简单,容易实现。

变抽头长度LMS自适应滤波算法

该文将自适应滤波器抽头长度与权值调整问题归结为单一的权值调整问题,提出了抽头长度的一般更新公式及新的变抽头长度LMS算法,从理论上分析了其合理性与收敛性。新算法用长滤波器与短滤波器的时平均平方误差估计稳态均方误差,采用了自适应调整的抽头长度步长,可在滤波器权值未收敛时就快速更新抽头长度。论文还证明了目前文献中几种有效的变抽头长度算法也可看作或化为文中抽头长度一般更新公式的特例,理论分析与自适应系统辨识的仿真结果验证了新算法的有效性。

利用改进的LMS算法抑制时变SAR窄带干扰的研究

根据合成孔径雷达(SAR)系统中窄带干扰的特性,提出一种有效的窄带干扰抑制的方法:首先利用Pisarenko谐波分析方法精确地确定干扰的频率,然后对传统的最小均方(LMS)算法进行分段和插值处理,估计出时变窄带干扰的复包络,并通过干扰数据的时域相消和信号幅度的自动增益恢复即可得到干扰抑制后的SAR数据。结合实测数据进行处理,并和传统的自适应频域陷波法和子空间滤波法相比较表明该方法可以更有效地抑制窄带干扰。

变步长的LMS盲多用户检测

提出了一种变步长 LMS自适应盲多用户检测算法 ,克服了定步长自适应算法的收敛步长与输入信号自相关矩阵特征值大小有关的缺点 ,使算法的步长能够随输入信号矢量的变化而变化 ,提高了算法的收敛性能 ,使其更加符合实际工作的需要。并通过计算机模拟仿真 ,比较了变步长算法和固定步长算法的性能。

变宽度凸组合变阶数LMS自适应滤波算法

为了进一步改善凸组合变阶数最小均方(convex combination variable fractional tap-length leastmean square,CFTLMS)自适应滤波算法的稳态性能,在证明其稳态性能的基础上,提出了一种变宽度凸组合变阶数(variable width-CFTLMS,VW-CFTLMS)自适应滤波算法,并给出参数的选择依据。仿真结果验证了低信噪比情况下,VW-CFTLMS算法稳态性能和参数选择依据的正确性;同时该算法的稳态性能要优于CFTLMS算法,其额外均方误差相比于CFTLMS算法降低约1.8dB,具有实用价值。

改进的变步长频域批处理LMS算法

现有的单载波频域均衡技术中的定步长频域批处理LMS(Frequency-DomainBlockLeastMeanSquare,FBLMS)算法,在收敛速度和稳态误差之间存在矛盾。针对这个问题,基于对变步长LMS算法的研究分析,提出了一种新的改进的变步长频域批处理LMS自适应滤波算法,通过变步长因子以及频域权系数抽头泄漏能很好地协调收敛速度和稳态误差之间的矛盾,并且还具有较低的算法复杂度的特点。通过Matlab对提出的新算法进行计算机仿真验证,结果表明该算法有较好的收敛速度和较小的稳态误差。

基于并行技术和流水线的LMS自适应滤波算法

针对现有自适应滤波算法中数据处理效率低的问题,提出了基于并行技术和流水线的最小均方误差(Least mean square,LMS)自适应滤波算法。该算法构建基于并行技术的多输入多输出滤波器结构,成倍提高系统滤波处理速度;设计基于流水线的LMS自适应滤波权系数求解方法,有效改善了权系数计算效率。最后利用现场可编程门阵列(Field programmable gate array,FPGA)对该算法进行了验证,结果表明,对于四级并行流水线四阶LMS自适应滤波器,其数据处理速率提高了约8倍,在相同的数据处理速率下,其功耗可降低约84%,从而提高了LMS自适应滤波处理速率,降低了系统功耗,实现了高速、超高速数据流的实时自适应滤波处理。

一种新的变步长LMS自适应算法及其性能分析

通过建立步长因子μ与误差信号e之间的非线性关系,提出一种新的基于箕舌线的变步长LMS算法。该算法具比有传统LMS算法计算量小、稳定性较好、简单易于实时处理等优点。仿真结果表明,其收敛速度、稳定性以及跟踪速度优于传统固定步长LMS算法和SVSLMS算法,且不须进行指数运算,计算复杂度低于SVSLMS算法。

语音去噪LMS自适应滤波器算法的改进

对LMS自适应算法进行了详细的性能分析与讨论，针对LMS算法运算较复杂、适应性较弱、稳定性差的缺点提出了一种HLMS（混合LMS）算法。建立了自适应噪声抵消系统，利用MATILAB软件对食堂、体育馆两处的录音信号进行计算机语音去噪仿真分析。实验结果表明，两种自适应方法均能有效抑制各种噪声污染，提高语音信噪比为60％～85％．而且对引入的语音信号失真也较小，二者均在10％以下。HLMS算法比LMS算法更简洁，LMS算法调节性能敏感于参考输入的方差，而HLMS算法敏感于参考输入的均方根值，因此HLMS算法的适应性比LMS算法更强．在非平稳随机输入情况下HLMS算法更能提供稳定的工作性能，更能较好的恢复原始语音信号。

基于复变LMS的不平衡电压下相位估计方法

在三相不平衡的电网电压条件下,存在电压不平衡、频率偏移的现象,会引起电压正序分量的相位难以被检测,相位估计精度严重降低。为了解决这一问题,本文提出了一种针对电压不平衡条件下的相位估计方法。首先,分析不平衡电网电压对相位估计造成的影响,并建立不平衡电网电压的复变模型;然后,提出复变最小均方误差(LMS)的相位估计方法进行电压正序分量的相位检测,又针对电压频率变化的问题,设计了频率跟踪算法法对电压的同步频率进行校正;最后通过仿真和实验,证明了本文提出的方法能够在三相不平衡的电压条件下快速准确地估计正序分量的相位,并能有效地降低电网电压频率偏移对相位估计造成的影响。

基于自适应混合能量参数的变步长LMS水声信道均衡算法

提出了一种新的变步长算法,并将该算法用于水声信道均衡。该算法克服改进归一化最小均方(developed normanized least mean square,XENLMS)算法依赖固定能量参数λ的局限性,遵循变步长算法的步长调整原则在XENLMS算法的基础上引入一个自适应混合能量参数λk,改善算法收敛速度和鲁棒性。首先通过仿真分析变步长算法中的3个固定参数α,β,μ的取值范围及对算法收敛性能的影响;并在两种典型的水声信道环境下,采用两种调制信号对算法的收敛性能进行计算机仿真,结果显示,新算法的收敛速度明显快于XENLMS算法和已有的变步长算法,收敛性能接近递归最小二乘(recursive least square,RLS)算法的最优性能,但计算复杂度远小于RLS算法。最后,木兰湖试验验证了带判决反馈均衡器(decision feedback equalization,DFE)结构的新算法具有较好的克服多径效应和多普勒频移补偿的能力,相比LMS-DFE提高了一个数量级。