自适应变步长LMS滤波算法及分析

为了提高最小均方（LMS）自适应滤波算法的性能,通过建立步长因子与误差信号之间的非线性函数关系,提出一种自适应变步长LMS算法。该算法具有初始阶段和时变阶段步长自适应增大和稳态阶段步长很小的特点,消除了不相关噪声的影响,并且进一步克服了Sigmoid函数变步长LMS算法在自适应稳态阶段步长取值偏大的缺陷,计算机仿真结果与理论分析相一致,证实该算法优于传统算法。     

一种新的变步长LMS自适应滤波算法及性能分析

研究了自适应最小均方误差(least mean squares,LMS)滤波算法的步长选取问题。在详细分析现有变步长LMS算法的基础上,给出一种以双曲正切函数的改进形式为变步长的LMS算法。讨论了步长参数的选取原则及其对算法收敛性、抗干扰性和稳态误差的影响。该算法不但具有较快的收敛速度和跟踪速度,而且能获得更小的稳态失调。理论分析和仿真结果表明,该算法具有更好的稳态性能。     

模糊步长LMS算法及其性能分析

以均方误差、输出与误差信号的相关系数作为衡量LMS算法收敛程度的标准及模糊推理系统的输入,提出了一种用零阶Sugeno模糊推理系统自适应调整步长的模糊步长LMS(FSS-LMS)算法,并从理论上分析了FSS-LMS算法的计算复杂度及其收敛性能。分析结果指出FSS-LMS算法的计算复杂度与传统LMS算法基本相当,但它具有更大的灵活性。自适应系统辨识的仿真结果表明FSS-LMS比传统的LMS算法及其它一些变步长LMS算法具有更好的收敛性能。     

一种余弦调频信号增强新算法研究

为了克服常规LMS算法抑制高斯噪声效果差、跟踪能力弱、且步长为零时无跟踪能力等缺点，利用高阶量抑制高斯噪声的性能，并将泄漏LMS算法和变步长LMS算法的优点统一在高阶累积量递推估计算法中，提出了基于高阶累积量泄漏－变步长类LMS算法迭代的余弦调频信号自适应增强新算法，对其原理进行了剖析。用实测运动目标辐射噪声数据，进行了动态仿真。结果表明：该算法能有效地克服基于LMS算法的自适应谱线增强器的不足，具有良好的抑制高斯有色噪声能力和跟踪性能。因此，本研究为水下运动目标识别与检测提供了新的技术途径。在工程实践中，具有重要的指导意义和应用价值。     

在噪声抵消应用中自适应滤波算法性能的仿真比较

介绍了噪声抵消的原理和从强噪声背景中自适应滤波提取有用信号的方法,并对最小均方(LMS,LeastMeanSquares)、归一化LMS(NLMS,NormalizedLeastMeanSquares)和递推最小二乘(RLS,RecursiveLeastSquares)三种基本自适应算法进行了对比研究。计算机模拟仿真结果表明,这几种算法都能通过有效抑制各种干扰来提高强噪声背景中的信号检测特性。相比之下,RLS算法具有良好的收敛性能,除收敛速度快于LMS算法和NLMS算法以及稳定性强外,而且具有更高的起始收敛速率;更小的权噪声,更大的抑噪能力。     

自适应滤波在无源探测中对杂波抑制的应用

介绍了外照射源目标探测的作用和研究的必要性。重点分析了自适应LMS信号滤波处理方法和在直达波和多径干扰等杂波抑制中的应用。对自适应LMS滤波算法进行改进,即对归一化LMS(normalized LMS)算法进行推导和分析,提高了自适应滤波的收敛速度,对目标中的杂波起到更好的抑制作用。并在试验中对非归一化滤波、归一化滤波以及不同滤波步长μ进行了分析和比较。最后在试验结果中得到了30 dB的对消增益并获得了目标信号。     

一种改进的自适应平方根传递对准滤波算法

提出了一种解决时变噪声条件下传递对准的改进自适应平方根滤波算法。该算法将状态方差调节因子阵、自适应调节的系统噪声和量测噪声方差以及噪声有限记忆尺度融入平方根滤波结构中,采用序列算法滤波解算。算法通过一步控制和多步自适应调节过程,以较少的计算量从数值计算、噪声抑制及自适应调节方面提高滤波性能。仿真结果表明,该算法滤波稳定性强,能够根据实际噪声快速调整,且滤波精度高,为机载导弹提供了一种有效的快速精确传递对准方法。     

LMS自适应滤波算法在FOG数据处理中的应用

针对光纤陀螺（fiber optic gyroscope, FOG）输出数据的随机噪声问题,提出将变步长最小均方（least mean square, LMS） 自适应滤波算法应用于FOG数据处理中。根据FOG数据特点,构造变步长LMS 自适应滤波器,对FOG输出数据进行实时预处理,自动地调节参数,达到降低FOG随机漂移及角度随机游走的目的。采用Allan方差对滤波前后的FOG数据进行分析,结果表明所提出的算法在FOG数据处理中效果明显,可以优化FOG的零偏稳定性0.019(°)/h及角度随机游走0.001 5(°)/h^1/2。     

基于高阶累积量符号相干累积自适应滤波算法

基于传统LMS（Least Mean Square）的自适应谱线增强（Adaptive Line Enhancement，ALE）算法的主要缺点是：抑制高斯噪声效果差，计算量大，收敛速度慢，为了尽可能的克服这些缺点，利用相干累积算法对输入数据中相干分量的相干累积作用和符号算法能减少计算量的性能，修正了传统的LMS算法，提出了基于高阶累积量符合相干累积迭代的自适应谱线增强新算法，该算法具有良好的抑制高斯有色噪声效果。计算量小，输出信号平稳等特点，能较好地克服基于LMS的ALE算法的缺点。仿真结果证实了该算法的有效性和可行性。因此，本文的研究具有良好的实用性和应用前景。     

α稳定分布噪声下基于梯度范数的VSS-NLMP算法

针对α稳定分布噪声环境下的自适应滤波问题，提出一种新的基于梯度范数的变步长归一化最小平均p范数(variable step size normalized least mean p norm, VSS-NLMP)算法。该算法首先对梯度矢量进行加权平滑，以减小梯度噪声的影响，然后利用梯度矢量能够跟踪自适应过程的均方偏差这一特点，利用梯度矢量的欧氏范数控制步长的变化。给出了新算法的迭代过程，然后对其收敛性进行分析，仿真结果表明本算法较现有变步长NLMP算法有更好的性能。     

一种新的变步长LMS自适应算法

为了提高LMS自适应算法的性能,在对一类变步长LMS算法研究的基础上,提出了步长因子与误差信号之间的一种新的非线性函数关系,进一步改善了此类算法的性能。在相同收敛速度或者相同超量均方误差的前提下,该算法具有更小的超量均方误差或者更快的收敛速度。计算机仿真结果与理论分析相一致,证实了该算法性能优于原算法。     

噪声鲁棒变步长LMS算法及其在OFDM水声信道均衡中的应用

针对最小均方(least mean square, LMS)算法在低信噪比(signal to noise ratio, SNR)条件下性能较差的问题,提出一种噪声鲁棒变步长LMS(noise robust variable step-size LMS, NRVSLMS)算法。该算法通过结合改进的双sigmoid函数和误差信号自相关函数,在迭代过程中动态调整步长的大小,解决了传统LMS算法中收敛速度、跟踪性能和稳态性能互相矛盾的问题。理论分析和仿真结果表明,与其他变步长算法相比, NRVSLMS算法抗噪声能力强,具有良好的跟踪速度和稳态性能。将该算法应用于正交频分复用(orthogonal frequency division multiplexing, OFDM)水声信道均衡中,与现有LMS类自适应均衡方法相比,基于NRVSLMS算法的信道均衡方法能够显著降低系统误码率(bit error rate, BER)和均方误差(mean square error, MSE)。     

区间小波变换域的新拟牛顿LMS自适应消噪

将小波变换、自适应算法和新拟牛顿算法相结合,得出一种区间离散正交小波变换域新拟牛顿LMS消噪算法。该算法具有较好的环境适应性,有效克服了传统步长因子选取和输入信号自相关函数估计误差对算法收敛速度和稳态误差的影响。计算机仿真结果表明,在新拟牛顿条件下,该算法具有较快的收敛速度和较强的消噪能力,可以很好地应用于自适应消噪系统中。     

一种优化的自适应总体最小二乘系统辨识算法

对于监督信号和训练信号都含有噪声的系统辨识问题,如果采用经典的最小均方和迭代最小二乘算法进行估计,会带来较大的误差,而直接求解又会有较大的计算量,不利于在线计算.将权向量的求解转化为增广输入向量自相关矩阵瑞利商的受限最佳化问题,对增广输入向量进行遮代估计,同时建立了步长因子和误差信号问的函数关系,这个函数关系是建立在代价函数相对于步长梯度的基础上,而不是基于经验公式.所提算法结构简单,具有更好的稳健性,仿真表明这种算法相对于同类总体最小二乘算法和其他自适应算法有更快的收敛速度和更高的收敛精度.     

基于对角载入的鲁棒自适应波束形成算法

作为一种梯度自适应波束形成算法,LMS算法因简单有效而得到广泛的应用.但是在存在偏差的情况下,LMS算法的性能较差.针对上述问题,考虑信号方向向量的偏差对LMS算法性能的影响,提出了一种基于对角载入的鲁棒约束LMS算法,并对算法的对角载入因子和收敛性能进行了分析,给出了保证算法收敛的步长取值范围.该算法利用对角载入的特性,可有效的抑制各种偏差所带来的影响,收敛速度快,抗扰动性强,对信号方向向量的偏差具有较强的鲁棒性,从而可以保证阵列输出的信干噪比接近最优值.仿真实验表明,与传统约束LMS算法相比,基于对角载入的鲁棒自适应波束形成算法具有很好的性能.     

Lattice structure adaptive IIR notch filter based on least square kurtosis

A new variable step-size algorithm for a second-order lattice form structure adaptive infinite impulse response (IIR) notch filter to detection and estimation frequency of sinusoids in Gaussian noises is proposed. Utilizing least square kurtosis of output signals as a cost function, the new gradient-based algorithm to update frequency of the adaptive IIR notch filter and the new variable step-size algorithm are given. The computer simulation results show that the proposed algorithm has better ability in suppressing colored Gaussian noises and better accuracy in estimating parameters at low SNR than previous algorithms.