鲁棒总体均方最小自适应滤波:算法与分析

本文研究了在输入输出观测数据均含有噪声的情况下如何有效地进行鲁棒自适应滤波的问题 .以总体均方误差 (TMSE)最小为准则 ,基于最速下降原理 ,通过对总体均方误差梯度进行修正 ,提出了一种鲁棒的总体均方最小自适应滤波算法 .通过与已有算法的对比分析表明 ,该算法能够有效地降低权向量的每步调整量对噪声的敏感程度 .仿真实验的结果进一步表明 ,该算法的鲁棒抗噪性能和稳态收敛精度明显地高于其它同类方法 ,而且可以使用较大的学习因子 ,在高噪声环境下仍然保持良好的收敛性 .

改进的最小均方自适应滤波算法

针对传统的固定步长最小均方(LMS)算法应用于雷达杂波自适应滤波器系统存在收敛速度与收敛精确度相矛盾的问题,提出一种新的变步长LMS自适应滤波算法。在其基础步长迭代公式中,通过组合自相关误差与前一步长因子来实时更新迭代下一步长因子的方法,达到具有较快的收敛速度和较小的失调,并且不受已经存在的不相关噪声的干扰的效果。仿真结果表明,所提方法的实验效果与传统固定步长LMS算法及已有算法相比,在收敛速率、收敛精度、抑制噪声方面都有很大的改善,证明所提算法是有效、可行的,且与理论分析一致。

基于X滤波最小均方算法的冲击振动自适应逆控制

针对冲击振动控制的自身特点及已有算法的缺陷,提出了冲击振动的自适应逆控制方法.该方法能够根据不同的负载特性自适应地调节逆控制器参数,在时域实现了冲击振动控制,完全克服了频域方法中低频分辨率低、易产生溢出的问题.同时,针对X滤波最小均方(LMS)算法运算量大、收敛速度慢的缺点,提出了一种快速X滤波LMS算法,运用批处理技术,使码元间的平均计算量减小.试验表明,该方法使控制精度提高了约50%,明显优于已有的控制方法.

采用最小均方算法的自适应横向滤波器

文章首先简单介绍了LMS算法和采用此算法的系统结构图,随后分别给出了MATLAB和SIMULINK的具体实现及其运行结果,最后针对迭代步长对系统性能的影响情况进行简明的讨论。结果证明,采用LMS算法得出的结果与准确值的偏差在工程上完全可以接受,并且算法容易实现。

基于均方误差最小的卡尔曼滤波实用算法

卡尔曼滤波在各种动态数据处理中应用广泛,为了使滤波结果更加接近实际情况,在经典卡尔曼滤波的基础上,提出均方误差作为评价标准的卡尔曼滤波实用算法。通过经典卡尔曼滤波和该算法对数据处理结果的分析,表明该算法的滤波结果更加有效。

一种新的变步长最小均方自适应滤波算法

将步长因子μ与误差信号e(n)和测量噪声方差σN2之间的一种函数关系引入自适应滤波器,提出了一种变步长最小均方自适应滤波算法。与已有算法相比,本文算法的步长因子更易于设计和控制。仿真结果表明本算法具有很好的收敛性能,同时也证实了本文算法的有效性。

基于块自适应滤波的核最小均方算法

核最小均方(KLMS)算法在非线性系统中收敛性能较好,但其使用瞬时梯度估计均方误差梯度,导致随机性较大。而块自适应滤波理论利用多个输入-输出的误差来估计均方误差梯度,可降低KLMS算法稳态误差。为此,将块自适应滤波理论运用到KLMS算法中,提出核块最小均方(KBLMS)算法,根据最陡下降法原理推导出KBLM S权矢量更新公式,使用核方法计算得到滤波器输出表达式,并通过并行处理减小算法计算复杂度。仿真结果表明,KBLMS算法可有效提高KLMS算法的稳态性能,并且相比块最小均方算法具有更低的误码率。

基于最小均方算法的自适应有限长滤波器设计仿真

本文主要介绍最小均方算法的性能特点。基于最小均方算法的自适应滤波器电路结构简单且实时跟踪性能好。自适应滤波器的重要特性就在于它能够在未知环境申有效工作并能够跟踪输入信号的时变特性。理论分析和仿真结果表明，在低信噪比的前提下，自适应滤波器具有良好的信号处理性能，并对系统发生的突变表现出较强的鲁棒性。

基于广义最小均方的自适应递归滤波算法

本文提出了一种广义最小均方(GLMS)算法,分析了GLMS算法的性能,并根据GLMS算法,导出一种自适应递归滤波(ARF)算法。在推导中,ARF算法避开了超稳定定理,从而考虑自适应系统的严格正实条件和Popov不等式是不必要的。计算机模拟表明ARF算法具有很高的收敛速度。

小波包变换结合最小均方自适应滤波算法

考虑到小波包变换与最小均方(LMS)自适应滤波算法各自所独具的一些优点,将它们结合起来共同用于导弹引信的滤波抗干扰。通过Matalab仿真结果表明,这种方法能够取得比较好的滤波效果。

基于滤波最小均方算法的簇绒地毯装备噪声主动控制

为降低纺织车间簇绒地毯装备的低频噪声,将噪声主动控制的滤波最小均方算法(FXLMS)引入纺织机械噪声控制领域。以英国柯贝尔1/8针距簇绒地毯织机为研究对象,建立了噪声主动控制系统模型,根据现场情况布置传感-作动单元;并运用双传声器离线通道辨识方法估计初级和次级通道传递函数;针对前馈控制策略引起的次级声反馈现象,选用参量阵扬声器作为次级声源减轻该现象对噪声控制系统稳定性的影响。最后对簇绒地毯织机噪声的主动控制仿真研究和实验验证了该方法的可行性和有效性。实验结果表明:簇绒地毯织机采用的主动噪声控制方法对低频段噪声的控制效果较中高频段好,簇绒地毯织机噪声主要频率点的噪声消声量最大可达9.8 dB。

基于中值滤波的分布式扩散最小均方算法

研究无线传感网潜在的恶意攻击节点对系统整体估计性能的影响,从节点选择的角度入手,改进原有扩散最小均方算法的融合步骤。针对接收到的相邻居节点估计值采用中值滤波处理,替代原来的融合方法,以降低恶意攻击节点对整个网络的影响。通过改变恶意节点攻击强度或恶意节点度,对改进算法进行仿真,结果显示全局均方偏差值有所降低,且改进算法对恶意节点攻击强度和恶意节点度的改变并不敏感。

基于噪音拟合的优化变步长滤波最小均方算法

为了更快地实现主动降噪,设计了噪音多项式拟合模型,提出了改进的变步长滤波最小均方算法(Improved Filtered-x Least Mean Square,IFxLMS)。该算法在统计噪音信号的同时,对噪音信号进行拟合与预测,随后结合误差信号与预测信号对步长进行调节,达到快速调节的目的。为了验证该算法的性能,将该算法与传统变步长滤波最小均方算法对比试验,仿真结果显示,在相同噪音条件下,新算法将噪音信号降到10 dB、20 dB、30 dB、35 dB等信噪比时,所需的迭代次数减少了4次~60次不等,在同时新算法的鲁棒性也优于普通的滤波变步长最小均方算法。

基于最小均方自适应滤波器的热工过程建模方法

针对热工对象的时变性特点及其在运行过程中易受到不确定性干扰的影响,提出一种基于最小均方(least mean square,LMS)自适应滤波器的热工过程建模方法。LMS滤波器以未知对象的输入和输出作为激励和期望信号,通过最速下降法得到未知对象的有限脉冲响应(finity impluse response,FIR)模型,其与差分方程或传递函数是等价的。实验仿真和某电厂实际运行数据验证了该算法的有效性。这种建模方法避免了复杂的机理分析,其抽头权值的分布可以表征热工对象的动态特性,为分析热工对象提供了一种手段。

采用归一化最小均方误差准则的LM-BP算法

传统神经网络通常以最小均方误差(LMS)或最小二乘(RLS)为收敛准则,而在自适应均衡等一些应用中,使用归一化最小均方误差(NLMS)准则可以使神经网络性能更加优越。本文在NLMS准则基础上,提出了一种以Levenberg-Marquardt(LM)训练的神经网络收敛算法。通过将神经网络的误差函数归一化,然后采用LM算法作为训练算法,实现了神经网络的快速收敛。理论分析和实验仿真表明,与采用最速下降法的NLMS准则和采用LM算法的LMS准则相比,本文算法收敛速度快,归一化均方误差更小,应用于神经网络水印系统中实现了水印信息的盲提取,能更好的抵抗噪声、低通滤波和重量化等攻击,性能平均提高了4%。

一种新的自适应最小均方算法及其应用研究

介绍了一种新的变步长最小均方自适应滤波算法。该算法具有较快的收敛速度和较小的失调,并且具有计算量小、不受其它不相关噪声干扰等特点。通过计算机仿真分析,证明了其理论计算与实验结果相符。算法应用于电量参数的测量,也使测量的精度得到较大的提高。

改进的变步长最小均方误差电子耳蜗语音增强算法

针对外部强噪声环境下电子耳蜗语音质量受损、适应性差等问题,提出了基于谱减法和变步长最小均方误差(LMS)自适应滤波算法联合去噪的改进方法,并以该方法构建了一个电子耳蜗前端语音预处理系统。利用变步长LMS自适应滤波算法输出误差的平方项来调节步长,采用步长值固定与变化相结合的方法,解决了自适应滤波算法收敛速度慢、稳态误差大的问题,适应性得到提高,提高了语音信号通信质量。该系统以TMS320VC5416和音频编解码芯片TLV320AIC23B为核心,通过多通道缓冲串口(McBSP)和串行外设接口(SPI)实现了语音数据的高速采集和实时处理。实验仿真和测试结果表明该算法消除噪声性能好,信噪比在低输入信噪比情况下提高约10 d B,语音质量感知评价(PESQ)分值也得到较大提高,能有效提高语音信号质量,且该系统性能稳定,能进一步提高耳蜗前端语音的清晰度和可懂度。

时变系统最小均方算法的性能分析(英文)

在无过程数据平稳性假设和各态遍历等条件下 ,运用随机过程理论研究了最小均方算法 (LMS)的有界收敛性 ,给出了估计误差的上界 ,论述了LMS算法收敛因子或步长的选择方法 ,以使参数估计误差上界最小 .这对于提高LMS算法的实际应用效果有着重要意义。LMS算法的收敛性分析表明 :i)对于确定性时不变系统 ,LMS算法是指数速度收敛的 ;ii)对于确定性时变系统 ,收敛因子等于 1,LMS算法的参数估计误差上界最小 ;iii)对于时变或不变随机系统 ,LMS算法的参数估计误差一致有上界 .

基于时变步长最小均方算法的射频干扰对消

针对同时同频全双工系统中射频域干扰对消收敛速度与对消比相互制约的问题,提出基于时变步长最小均方算法的射频自干扰对消方法.该方法在正交两路合成干扰对消方案基础上,利用Logistic函数非线性关系实时改变步长因子,在最小均方准则下实现两路衰减器的快速精确调整,完成自干扰信号的有效对消.最后,理论分析了该对消方法的收敛性和稳态失调误差,给出了收敛状态下能够获得对消比的闭合表达式.理论分析和仿真表明,该方法的收敛时间缩短为已有变步长对消方法的1/4,最终达到的对消比与已有方法相比提高了约5dB.

一种约束稳定性最小均方波束形成算法

针对归一化最小均方(NLMS)算法步长调整精度不高的问题,将约束稳定性最小均方(CS-LMS)算法应用于智能天线的波束形成问题。通过引入后验误差的稳定性约束条件,构建适合波束形成问题的优化目标,并给出了其解的计算复杂度、收敛速度和稳态误差的理论分析。计算机仿真结果证实,CS-LMS波束形成算法比NLMS算法具有更加优良的抗干扰性能,较快的收敛速度,良好的系统跟踪能力和较小的稳态误差,尤其是当输入信号发生中断或突变时,算法依然工作得很好。