汽车车内噪声主动控制迭代变步长LMS算法

针对LMS算法无法同时兼顾收敛速度和稳态误差固有缺陷,及已有变步长LMS算法存在易受噪声干扰影响的问题。文中通过建立步长因子与迭代次数之间的非线性函数关系,提出了一种基于迭代变步长LMS算法的汽车车内噪声主动控制方法。通过将基于LMS算法、变步长LMS算法和迭代变步长LMS算法的汽车车内噪声主动控制结果进行对比,结果表明,与LMS算法相比,迭代变步长LMS算法的收敛速度提高37%;与变步长LMS算法相比,迭代变步长LMS算法的收敛速度提高15%,具有更快的算法收敛速度和较小的稳态误差。

MIMO-OFDM系统中一种有效的信道估计方法

提出了一种MIMO-OFDM(Multiple Input and Multiple Output-Orthogonal Frequency Division Multi-plexing)系统中的信道估计实现方案.该算法采用STBC(Space-Time Block Code)训练序列,利用LMS(Least Mean Square)迭代算法估计信道响应,避免了矩阵的求逆运算,与基于MMSE(Minimum MeanSquare Error)的MIMO信道估计算法相比,具有运算复杂度低、跟踪能力强的优点.计算机仿真结果显示了该算法的有效性和优越性.

一种微地震采集装置自适应增益算法

针对微震监测系统中事先难以确定被监测的微震信号振幅大小,无法设置最合适增益问题,提出了一种快、慢增益调整的自适应增益算法.在增益调整时,先使用前一周期采样数据求取其平均值,再和参考值比较,生成快增益调整值,对本周期数据进行快速增益调整;对于一些瞬时的冲击信号,采用慢增益调整,利用LMS自适应增益算法计算慢增益调整值.采用自相关算法对输入的微震信号和随机噪声进行识别,使得微震监测系统对微震信号和随机噪声进行有选择的增益放大.结果表明:利用该自适应增益算法对微震信号和随机噪声进行自适应增益调整,当最大微震信号振幅达到AD量程的90%时,最小微震信号振幅可达到AD量程的30%,而噪声信号接近于0.

使用实时自适应陷波器抑制多个窄带干扰

基于KWAN和MARTIN提出的抑制多个窄带干扰算法,改进了其中的梯度搜索算法,减少了硬件复杂性。KWAN和MARTIN的算法在窄带干扰数量增加时,硬件数量呈几何级数增长。而对于笔者改进的算法来说,硬件数量只需要代数增长就能够实现相同的效果。KWAN和MARTIN的算法在处理3至10个窄带干扰时,所需要的硬件数量分别比新算法多12.5%和124%。新算法的仿真结果显示了它在多种实际的信号处理应用中都是强壮和有效的。