基于LMS自适应滤波算法的电力变压器有源降噪系统

为了有效抑制电力变压器产生的高分贝低频噪声,针对变压器有源降噪系统开展了相关研究。结合实验条件,在分析变压器噪声时域及频域特点的基础上,合理选择了有源降噪系统类型。通过仿真和理论分析了收敛系数、滤波阶数以及系统采样频率对有源降噪系统采用的LMS自适应滤波算法收敛性、稳定性以及降噪效果的影响。搭建了变压器噪声在线监测及有源降噪软件控制平台,并针对变压器噪声特点合理选择了硬件系统设备。结果表明,在变压器噪声有源降噪实验中,噪声低频区域降噪效果显著,在误差传声器处取得了5-10 d B的降噪效果,平均声能量密度下降了68.38%-90%,验证了LMS算法的有效降噪性,以及所构建的有源降噪系统对变压器噪声在线监测与抑制的可靠性。

一种改进的LMS自适应滤波算法

在信号采集处理中,为了更有效地将信号中的噪声剔除,对原始信号的还原程度更高。针对现如今已经存在的LMS变步长算法提出了一种改进方案,既在基于tanh函数的LMS算法的基础上,通过建模推导并引入了一个调节因子。若系统处于大误差情况下,算法能够保持较快的收敛速度,同时又保证了系统误差较小时的收敛精度,不易发生过滤波。设计完成后通过Matlab进行了多次仿真验证,结果表明,在均值为0的高斯白噪声条件下,相比于原有LMS算法,收敛速度提高了10%,滤波精度提升了5%,MES有了0.2dB的提升,所以改进后的算法也有着良好的应用前景。

DSP环境下新的变步长LMS自适应滤波算法

基于解决固定步长的LMS算法收敛速度快与均方误差小两个性能指标无法兼顾的目的,提出一种改进的变步长LMS自适应滤波算法,采用步长因子调整变步长的方法,建立u因子与超量误差信号之间的非线性函数关系,从而实现自适应滤波。通过TMS320C5509A平台进行实测数据试验可以得出,本文算法能在低信噪比的条件下对信号进行滤波保持较高性能,同时具有收敛速度较快和稳态误差较小的优点,在雷达信号处理行业中应用广泛。

一种新的变步长LMS自适应滤波算法性能分析

在简单介绍了基本的LMS,NLMS自适应滤波算法的基础上,介绍了一种新的可变步长LMS自适应滤波算法,并将该算法应用于自适应噪声对消系统的仿真中。通过计算机仿真,给出了LMS、NLMS和新的可变步长LMS自适应滤波三种算法的性能对比,结果表明该算法具有较快的收敛速度和较小的稳态误差。

LMS自适应滤波算法改进及其在连线干涉测量中的应用

对航天测控信号进行滤波处理将有利于提高系统的测量性能。连线干涉测量以载波时延为测量量,所以其测量精度与载波差分相位估计性能直接相关,而该性能主要受近载频噪声的影响。提出采用LMS自适应滤波算法对测控信号进行滤波处理以提高载波差分相位估计精度的思路。首先给出基于LMS自适应滤波算法的相位估计方案,并分析其可行性和存在的问题;然后提出基于余弦函数的改进LMS自适应滤波算法,最后将改进算法应用于CEI测量仿真和观测试验中。蒙特卡罗仿真和实测数据处理表明,改进的LMS自适应滤波算法优于原算法,在同样数据处理长度下,滤波处理后载波差分相位估计精度提高了约一倍,这在航天测控中具有重要意义。

一种变步长凸组合LMS自适应滤波算法改进及分析

为了避免单个滤波器在收敛速度与稳态误差上相互制约,从而导致系统性能降低的问题,本文采用凸组合最小均方算法(Combined Least Mean Square,CLMS),将快速滤波器和慢速滤波器并联使用,同时为进一步改善CLMS算法的性能,对已有的变步长凸组合最小均方算法(Variable Step-size Convex Combination of LMS,VSCLMS)做出改进,提出了一种新的VSCLMS算法.在该算法中,对快速滤波器选用以最小均方权值偏差(Minimization of Mean Square Weight Error,MMSWE)为准则的按步分析的变步长滤波器;对慢速滤波器采用以稳态最小均方误差(Least Mean Square,LMS)为准则的固定步长滤波器.通过理论分析与仿真实验表明,该算法能够在噪声、时变以及非平稳的环境下保持较好的随动性能,且在各个阶段均保持良好的收敛性,与传统的CLMS、VSCLMS算法相比,不仅具有更快的收敛速度,而且拥有稳定的均方性能和较优的跟踪性能,为自适应滤波算法的研究提供了一条可行途径.

一种新的变步长LMS自适应滤波算法

传统LMS算法的优点是计算简单、易于实现，缺点是收敛速度慢，如果为加快收敛速度而增大步长因子μ，则会导致大的稳态误差，甚至引起算法发散。固定步长因子无法解决收敛速度和稳态误差之间的矛盾。本文通过建立步长因子μ与误差信号之间的非线性函数关系，得出一种新的变步长自适应滤波算法（SVSLMS）。理论分析和计算机仿真结果表明该算法的性能优于传统的LMS算法和NLMS算法。即在计算量增加不多的前提下，能同时获得较快的收敛、跟踪速度和较小的稳态误差。

一种变步长LMS自适应滤波算法及分析

本文对变步长自适应滤波算法进行了讨论 ,建立了步长因子 μ与误差信号e(n)之间另一种新的非线性函数关系 .该函数比已有的Sigmoid函数简单 ,且在误差e(n)接近零处具有缓慢变化的特性 ,克服了Sigmoid函数在自适应稳态阶段步长调整过程中的不足 .由此函数本文得出了另一种新的变步长自适应滤波算法 ,并且分析了参数α ,β的取值原则及对算法收敛性能的影响 .该算法有较好的收敛性能且计算量少 .计算机仿真结果与理论分析相一致 。

一种新的变步长LMS自适应滤波算法

本文通过建立步长因子μ与误差信号之间的非线性函数关系,提出了一种新的变步长LMS(LeastMean Square)算法.该算法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,且克服了S函数变步长LMS算法(简称SVSLMS算法)在自适应稳态阶段μ(n)取值偏大的缺陷.理论分析和计算机仿真结果表明该算法的性能优于SVSLMS算法.

一种新的变步长LMS自适应滤波算法

通过建立步长因子μ与误差信号e之间的非线性关系,提出一种新的基于抽样函数的变步长LMS算法,并进行了计算机仿真.结果表明,该算法除了具有传统LMS算法计算量小、稳定性较好、简单易于实时处理等优点外,其收敛速度、稳定性以及跟踪速度均优于传统固定步长LMS算法抽样函数、SVSLMS算法.

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。

一种新的变步长LMS自适应滤波算法

为了解决传统的固定步长的最小均方误差(LMS)算法在收敛速度和稳态误差上的矛盾,基于Sigmoid函数进行改进,提出了算法步长因子μ与误差信号e之间的一种新的非线性函数关系。首先,基于Sigmoid的偶函数特性将2个函数相乘,使得算法在稳态时能够获取更小的步长;然后,将误差信号用指数形式进行表示,进一步控制步长的变化速度;最后,通过误差e(n)和e(n-1)联合改变步长因子,提高了算法在低信噪比时的性能。理论分析和计算机仿真表明,与已有的变步长LMS算法相比,相同收敛精度时该算法的收敛速度更快,相同收敛速度时该算法的收敛精度更高,在相同条件下算法的抗噪声性能更好。

一种改进的变步长LMS自适应滤波算法

提出一种改进的变步长LMS(Least Mean Square)算法,该算法在步长参数μ与误差信号e(n)之间建立了一种非线性函数关系,并且分析了参数α,β的取值原则及对算法收敛性能的影响。该关系具有在误差e(n)接近零处缓慢变化的优点,克服了s函数变步长LMS算法在自适应稳态阶段μ(n)取值偏大的缺陷。理论分析和计算机仿真结果表明,改进算法的收敛速度和稳态误差的性能指标都有较大的提高。

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。

基于模糊推理的变步长LMS自适应滤波算法

LMS算法是一种基于最速下降法的最小均方误差自适应滤波算法。为了提高LMS 算法的收敛速度,依据模糊控制原理,推导出一种结构简单的步长与误差的非线性函数关系, 进而得出一种新的变步长LMS自适应滤波算法(FVSLMS),该算法结构简单,易于实现。在理论上,根据万能逼近定理,用FVSLMS算法可以以任意精度逼近步长与误差的非线性函数关系,因此它可以作为以误差调节步长的变步长LMS算法的一类统一形式。最后,通过计算机仿真说明了FVSLMS算法具有较好的收敛性能。

改进的变步长LMS自适应滤波算法及仿真

通过分析变步长自适应滤波算法,建立步长和误差信号之间的非线性关系,提出一种新的变步长LMS自适应滤波算法,并用计算机进行仿真,结果表明该算法在误差接近于零时步长具有缓慢变化的特性,滤波效果更好。

基于前向差分Delta算子的LMS自适应滤波算法

针对传统的最小均方(LMS)自适应滤波算法在高速采样系统的信号处理中存在着收敛性慢,系统易受外界干扰等难以避免的缺点,提出了一种基于前向差分的Delta算子方法所描述的最小均方自适应滤波算法。该算法利用前向差分的Delta变换推导出Delta-LMS滤波器的结构及其迭代步骤,与传统的基于移位算子所描述的LMS算法和基于后向差分的Delta算子所描述的LMS算法相比,有效地加快了系统的收敛速度,改善了系统的跟踪性能。仿真结果表明,该算法在高速采样系统的信号处理中具有更快的收敛速度和更好的滤波性能。

改进的变阶数LMS自适应滤波算法

为了减小分数阶数变阶数最小均方算法(FTLMS)稳态滤波器阶数误差,提出了一种变误差宽度的变阶数LMS算法,并对该算法进行稳态理论分析,给出参数选择的依据.为了验证该算法性能,设置了3种仿真环境:信噪比(SNR)为20 dB、0 dB及冲击响应权系数呈稀疏分布.仿真结果表明,与FTLMS算法相比,在SNR为20 dB及冲击响应权系数呈稀疏分布仿真条件下,当收敛速度相同时,滤波器阶数稳态误差减小为10%,在SNR为0 dB时,滤波器阶数稳态误差减小为1/3.

一种改进的变步长LMS自适应滤波算法及性能分析

针对现有LMS(leastmean square)算法不能同时提高收敛速度及降低稳态误差的矛盾,提出一种改进的变步长LMS算法,建立了步长参数μ(n)与误差信号e(n)之间的一种新的非线性函数关系:与现有的算法相比,同时引入记忆因子λ和控制函数取值的参数β(n),使当前步长与上一次迭代所得步长及前M个误差的平方相关。理论分析和计算机仿真结果表明,与现有几种常见的LMS算法相比,改进的算法收敛速度和稳态误差的性能指标得到了提高。

一种新的变步长LMS自适应滤波算法及其应用

针对变步长LMS(Least Mean Square)自适应滤波算法不能同时满足较高收敛速度以及较低稳态误差的问题,根据反馈理论提出了一种新的变步长LMS自适应滤波算法,在原有算法模型中通过引入反馈控制函数建立了一种新的步长与误差的非线性函数模型,使得当前的步长值跟当前误差与前一次误差比值的平方相关,通过MATLAB分析了新函数模型中关键参数对滤波性能的影响并确定了合理的关键参数.仿真结果表明:相比原有的算法,改进的新算法极大地提高了收敛速度,同时也降低了稳态误差.新算法性能良好,将其应用于超宽带无线电引信回波信号的滤波处理中,误差的抑制能力提高了4倍,滤波效果较佳.