一种改进的自适应滤波算法及其在回波对消中的应用

提出一种改进的自适应滤波算法，它通过选择自适应滤波器的系数更新时间间隔，在系统的收敛速度与计算量之间取得折衷；算法在每次系数更新时，利用了系统过去时刻数据并将频域批处理技术运用到算法计算中,大大加快了算法的收敛速度并且降低了计算复杂度,从而克服了LMS算法收敛速度慢以及仿射投影算法(APA)、递归最小二乘算法(RLS)计算量大的缺点.将所提算法应用于声回波对消中,仿真实验结果证实了其优点.     

基于恒模算法降采样频域均衡器实现研究

为了降低频域均衡与数字信号处理复杂度和功耗,提出一种基于恒模算法频域更新抽头系数的降采样频域均衡结构。通过对时域更新抽头系数的恒模算法改进为频域更新抽头系数,降低了抽头系数更新计算复杂度。通过正交相移键控传输仿真实验,采用降采样输入序列进行频域均衡,在1.75倍降采样条件下引入0.16dB信噪比代价的通信传输系统中降低12.5%频域均衡数据处理量,实现低复杂度信号均衡处理。     

基于信噪比的改进变步长LMS算法及应用

在无线直放站反馈干扰抵消的过程中,自适应滤波器的误差信号可以接收目标信号与残余回波的混合,是阻碍滤波器根据残余回波强度,快速调整抽头系数.利用误差信号的特点,给出了一种基于信噪比的改进变步长最小均平方(least mean square,LMS)自适应算法.该算法利用误差信号和滤波器的输出信号作为目标信号和反馈干扰信号的估计,根据目标与干扰信号的功率比值来调整自适应滤波器的步长.计算机仿真结果表明,该算法具有快速的初始收敛速率和较小的超量均方误差.在稳态情况下,对于干扰的突变能够快速地再次收敛,表明该算法在反馈干扰抵消方面的性能优于已有的算法.     

EM-ACO算法及其在多重超声回波参数估计中的应用

针对EM算法在估计多重超声回波参数时存在收敛速度慢和迭代结果强烈依赖于初始值的缺点,将蚁群算法应用到多重超声回波参数估计的EM算法中,提出一种新的多重超声回波参数估计算法——EM-ACO算法.该算法结合EM算法和蚁群算法的优点,不仅可以改善EM算法估计多重超声回波参数时估计结果强烈依赖于初始值的缺点,有效提高EM算法的收敛速度,而且可以获得更高的参数估计精度.根据超声回波的高斯回波模型,应用EM-ACO算法,在不同的信噪比条件下,对多重超声回波的参数向量组进行估计.仿真结果表明:EM-ACO算法能在各种不同的初始值条件下,以较少的迭代次数估计出多重超声回波的参数向量组,并且具有较高的估计精度.     

小波变换域多路回波消除自适应滤波算法

提出了一种小波变换域Newton／LMS多路回波消除自适应算法．新算法使用输入信号经离散小波变换后的细节分量调节自适应滤波器系数．当新算法应用于多路回波消除时具有很高的收敛速度和收敛精度,取得了较好的回波消除效果．仿真表明了新算法的有效性。     

自适应回波干扰滤波器的设计

设计一种自适应回波干扰滤波器,对滤波器中关键的变步长自适应回波抵消算法进行研究,在DSP上实现滤波器的设计.结果表明,该滤波器的算法具有快速收敛速度并降低稳态误差,可满足通信实时性和可靠性要求,能够解决直放站回波干扰问题.     

回波抵消器中定时抖动的影响

本文针对ISDN数字用户环路二线全双工的回波抵消传输方式,首先探讨了LMS、VLMS1自适应算法,并在此基础上提出改进的VLMS2算法。然后分析了定时抖动对回波抵消算法的影响,并进行了计算机模拟。结果表明,VLMS2算法在收敛速度及抗抖动方面均有较好的性能,最后提出了对减少定时抖动影响可行的定时提取方案。     

求解约束优化问题的加速CMODE算法

为了加快CMODE(多目标与差分进化结合)算法的收敛速度,提出一种基于适应排序的分组选择方法将种群分为精英组与普通组,对精英组个体使用随机选择方式,对普通组个体使用适应排序选择方式,通过分组选择系数控制种群的选择压力.引入一种个体更新辅助策略对于淘汰个体给予一次机会与相似个体比较并保留优胜个体,提高优秀个体的生存几率并进一步加快收敛速度.改进后的算法在cec2006的测试函数上进行了测试,结果表明该算法使大多数函数的收敛速度明显提高.     

变步长动量常数模算法

为解决常数模算法中稳态误差与收敛速度间的矛盾,将动量项与变步长因子引入到常数模算法中,由稳态误差和上一步步长共同影响当前步长因子,在权系数更新时考虑到了动量项的影响,提出了变步长的动量常数模算法.改进后算法在计算量增加不大的前提下,与原算法相比,具有更快的收敛速度和更小的稳态误差.     

一种改进的噪声抵消器LMS自适应算法

指出常规噪声抵消器LMS自适应算法采用恒定的步长，具有收敛速度慢，失调量大的缺点，提出了一种改进的LMS自适应算法，该算法根据对输入信号信噪比的估计，采用变步长，其步长随输入信号信噪比的变化而改变，从而提高了收敛速度，降低了回响，提高了输出信号信噪比，计算和实验结果表明改进的算法在收敛速度，降低回响，消噪性能等方面均优于常规算法。     

MIMO-OFDM系统中稀疏信道估计算法研究

 针对多输入多输出正交频分复用系统,利用信道冲激响应的稀疏特性,提出1种新的MIMO-OFDM信道估计算法,简称为MIMO-MP算法.首先利用匹配追踪思想确定出非零抽头系数的位置,然后再采用最小二乘算法完成对非零系数值的2次估计,从而通过减少信道估计参数的个数降低算法复杂度.该算法具有较好的性能,但在剩余向量更新上还不是很精确,通过改进剩余向量的更新方式,得到另一种性能更优的算法简称为MIMO-MMP算法.仿真结果验证了算法的有效性.     

基于逐维改进的自适应步长布谷鸟搜索算法

步长的选取对于布谷鸟搜索算法的收敛速度与运算结果的精度起着关键作用。提出了一种基于逐维改进的自适应步长布谷鸟搜索算法。首先,在原始自适应步长布谷鸟搜索算法中,当上一代鸟窝位置为最优位置时,步长不再更新,则简单修正原有的步长让其更新;其次,将逐维更新评价策略引入修正后的自适应步长布谷鸟搜索算法。实验结果表明,该算法不仅平衡了全局寻优能力和寻优精度之间的矛盾而且具有较好的收敛速度。     

OFDM系统中基于匹配追踪的稀疏信道估计算法研究

针对OFDM系统,利用信道冲激响应的稀疏特性,提出了一种新的OFDM稀疏信道估计算法。它分两步完成：首先利用匹配追踪思想确定出非零抽头系数的位置,然后再采用最小二乘算法完成对非零系数值的二次估计,从而通过减少信道估计参数的个数降低算法复杂度。该算法具有较好的归一化均方误差性能,但在剩余向量更新上还不是很精确,通过改进剩余向量的更新方式,得到了另一种性能更优的OFDMMMP算法。仿真结果验证了该算法的有效性。     

归一化自适应共轭梯度恒模盲均衡仿真研究

为提高恒模盲均衡算法收敛速度,提出了一种归一化自适应共轭梯度恒模盲均衡算法并进行了仿真研究。利用级联滤波方法对恒模盲均衡器输入进行了重新定义,并在此基础上采用自适应共轭梯度算法对均衡器参数进行更新,对均衡器输入采用归一化进行处理,以保证算法的稳定性。共轭梯度算法计算复杂度介于LMS和RLS算法之间,与LMS算法相比较具有更快的收敛速度,仿真结果证明归一化自适应共轭梯度算法恒模盲均衡与传统恒模盲均衡算法相比具有更好的均衡性能,复杂信道条件下剩余码间干扰可降低约10 dB,均衡系统中引入的级联滤波器可视为时变信道的一部分,表明算法对于时变信道同样有效。     

基于阵列天线的改进步长抗干扰算法

在空间电磁对抗环境错综复杂的情形下,所接收的导航信号很容易被干扰,信号极易因被干扰而无法正常接收。针对以上问题,本文基于阵列天线,对抗干扰算法进行了研究,为简化运算,避免求逆问题,提出迭代逼近的方法对权值进行更新。针对固定步长在权值收敛时的局限性,为了改善算法的动态输入范围,提高收敛速度,提出了一种新的变步长的功率倒置算法。该算法以输入信号的瞬时能量值为基础构造步长的更新模型,有效解决了因步长选取不当产生的矛盾问题。仿真实验表明,相比较于固定步长的抗干扰算法,本文所提的变步长算法可以有效提高权值收敛速度,并对干扰形成更深的零陷,具有较好的干扰抑制能力。     

改进的多目标遗传算法在无人机机翼结构优化中的应用

现有的多目标遗传算法往往只能求得整个非劣曲线的一部分,同时局部搜索能力差,收敛速度较慢。为了解决这些问题,提出了一种改进算法,该算法将非劣分层遗传算法(NSGA)与向量评估遗传算法(VEGA)的优点结合起来,并且提供了一个利用往代信息构造搜索方向的局部搜索算子,有效扩展了非劣曲线的范围,加快了收敛速度。以某无人机机翼结构的多目标优化问题为例,证明本文改进算法可以较为快速地获得一个分布均匀的非劣解集。     

一种新的变步长LMS算法

对已有的一些变步长LMS自适应滤波算法进行了分析,在此基础上提出一种改进的变步长LMS算法.该算法建立了步长因子与误差信号和权系数变化之间的非线性函数关系,从而使权向量异步更新达到最佳.仿真结果表明,该算法具有更快的收敛速度,更小的稳态误差及更平稳的收敛过程.     

具有差分进化算子的社会蜘蛛群优化算法

[目的]社会蜘蛛群优化算法 (SSO) 是一种新颖的元启发式优化算法,自从它被提出之后就受到该领域学者的广泛关注,并且也被成功应用到许多领域.但是由于社会蜘蛛群优化算法还处在算法的研究初期,该算法的收敛速度与收敛精度还需要进一步提高.[方法]将差分进化算子引入到社会蜘蛛群优化算法(SSO-DM)中,并将改进的算法应用于函数优化问题中,通过5个标准测试函数来验证基于差分进化算子的社会蜘蛛群优化算法(SSO-DM)的优化性能.[结果]差分进化算子增强了社会蜘蛛群优化算法的收敛速度与收敛精度.[结论]本研究中所提出的算法能够获得精确解,并且它也具有较快的收敛速度和较高的算法稳定性.     

基于改进动态因子的鲸鱼优化算法

为了实现鲸鱼优化算法的种群多样性、减小计算复杂度,构造具有搜索上下界的初始种群。进一步,设计动态收敛因子和动态权重因子,以提高算法的收敛速度和计算精度,在此基础上,提出基于改进动态因子的鲸鱼优化算法并证明了其收敛性,分析了其复杂度。为了验证新算法优化性能和普适性,将改进的鲸鱼优化算法与其他优化算法进行比较,并将其应用到无人机路径规划中。结果表明：基于改进动态因子的鲸鱼优化算法相比于其他优化算法有更好的收敛精度和更快的收敛速度。可见,基于改进动态因子的鲸鱼优化算法性能更好,能更高效的完成任务。