VoIP回声消除中LMS改进算法的研究

为解决Vo IP中语音回声问题,给出了一种改进的变步长LMS算法.改进算法在收敛时具有较大的步长,能快速消除回声,收敛后,步长变小,以减小稳态误差,使收敛速率与稳态误差之间的矛盾得到改善.仿真结果表明,改进算法的收敛速度和回声消除效果较好.     

基于去相关NLMS算法的自适应回波抵消

在NLMS算法的基础上,从语音信号相关性的角度出发,提出了一种去相关NLMS算法(DC-NLMS).该算法收敛速度快,稳态失调小,计算量与NLMS算法相当,克服了APA算法收敛速度快但计算量大的缺陷.计算机仿真结果表明,DC-NLMS算法在自适应回波抵消中的综合性能要优于NLMS算法、APA算法以及文献[7]中的算法.     

一种基于LMS的改进变步长算法及其应用

在分析定步长LMS算法和变步长LMS算法的基础上,提出了一种改进的LMS算法,改进的LMS算法是利用瞬时误差的绝对值的三次方和遗忘因子共同来调整步长的.理论分析和系统辨识的仿真结果均表明,新算法确实具有更快的收敛速度.     

基于双曲正弦函数的新变步长LMS算法

对自适应最小均方误差(LMS)滤波算法的步长选取问题进行了研究.在分析现有变步长LMS算法的基础上,通过对双曲正弦函数进行数学变化,构造步长因子u(n)与误差信号e(n)的函数,提出了一种基于双曲正弦函数的新变步长LMS算法,分析了参数a、b、c的选取对该算法性能的影响.仿真结果表明:该算法在收敛速度和稳态误差方面明显优于固定步长LMS算法及SVS-LMS算法.     

一种新的变步长LMS算法及其仿真

在分析传统LMS算法及其改进算法的基础上，提出了一种新的可变步长LMS算法，新算法采用梯度矢量的平均值的平方值调整步长．计算机仿真表明，与传统LMS算法和文献[1]中的VSS-LMS算法相比，新算法有更快的收敛和跟踪速度，并能收敛到更小且更稳定的均方误差。     

变步长凸组合LMS自适应滤波算法及分析

针对现有变步长凸组合LMS(VSCLMS)算法需预先决定行为参数的问题,提出了一种新的VSCLMS算法. 该算法对变步长滤波器按步进行分析,以最大均方权值偏差准则为步长选择依据,对固定步长滤波器则采用稳态最小均方误差准则为步长选择依据. 理论分析与仿真实验表明,该算法能在噪声、时变、甚至非平稳的环境下保持良好的随动性能,并在收敛的各个阶段均保持快速而稳定的均方特性. 与现有VSCLMS及CLMS算法相比,具有更快的收敛速度,且稳态均方性能与跟踪性能均更好.     

改进的凸组合变阶数LMS自适应滤波

滤波器的参数设置和信噪比强弱会影响变阶数自适应最小均方(least mean square,LMS)算法的性能,在噪声环境未知的情况下,变阶数LMS的稳态性能是衡量滤波器好坏的重要指标.在分析凸组合分数阶变阶数LMS自适应滤波算法稳态性能的基础上,提出一种变宽度凸组合变阶数自适应滤波算法.理论分析和仿真结果表明,在噪声环境未知情况下,所提算法相比于凸组合分数阶变阶数自适应滤波算法和变误差宽度的分数阶变阶数自适应滤波算法而言,有更好的环境自适应能力、更快的收敛速度和更好的阶数稳定性,具有实用性.     

仿射投影数据重用MCMA盲均衡

针对突发信号的盲接收,提出一种快速收敛的盲均衡算法. 该算法将自适应滤波领域中的仿射投影和数据重用思想引入修正常模算法(MCMA)盲均衡器. 与传统的MCMA算法相比,大大提高了算法的收敛速率,适用于突发信号的盲均衡. 在数值模拟中,与传统的MCMA 算法在收敛速率、稳态误差等方面进行了对比分析.     

稀疏信道下的码片均衡算法

针对稀疏信道的码片均衡,提出了一种RLS的改进新算法-SM RLS算法.理论分析与计算机模拟结果表明SMRLS码片均衡器性能优于传统的Rake,在稀疏信道下与经典的M RLS码片均衡器相比稳态误差基本保持不变,收敛速率提高且大大减少了运算量.     

一种改进变步长ELMS算法及其在自适应消噪中的应用

在简单讨论LM S算法的基础上,引入了ELM S算法,分析说明了该算法能达到更小的稳态M SE.改进的变步长ELM S算法是在对有用信号的预测中采用了自适应NLM S预测估计器,步长迭代中引入遗忘因子iλ,利用其与误差信号的加权和产生新的步长参与迭代.不仅对所提算法的收敛性及性能进行了分析,并将其用于自适应噪声对消中获得了成功.仿真结果表明,该算法有较好的收敛性能和较小的稳态失调.