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.     

一种变步长自适应算法在通道校准中的应用

针对相控阵雷达中多通道接收机的幅相这一保证波束形成的重要指标,在一种变步长的LMS(最小均方)算法基础上,引进动量项,并通过步长来调节动量项加权参数,提出一种新的变步长的自适应算法.通过理论分析,比较了新算法和变步长LMS算法的性能.仿真结果表明,新算法在对接收机窄带信号处理上,收敛性和稳定性相对于变步长的LMS算法都有提高,能较好地达到稳态误差和收敛速度之间的平衡,对信号具有良好的校准效果.     

归一化LMS算法自适应滤波器的MATLAB仿真与DSP实现

固定步长LMS算法自适应滤波器在收敛速度与稳态误差之间存在矛盾,变步长LMS算法的步长因子是变化的,能够灵活避免此矛盾.分析了两种变步长LMS算法自适应滤波器基本原理,先使用MATLAB对其分别进行仿真,之后应用SZ-EPP5416评估板对其分别进行了DSP实现,仿真结果与DSP实现都表明变步长LMS算法改善了收敛速度与稳态误差间矛盾,但归一化LMS算法能更好地改善固定步长LMS算法的矛盾,具有更快收敛速度与更小稳态误差.     

应用于助听器反馈抑制系统的变步长归一化子带自适应滤波算法

为减小自适应滤波算法中较快的收敛速度与较低的失调量之间的矛盾,提出了一种变步长归一化子带自适应滤波(VSS-NSAF)算法,并将其用于助听器声反馈抑制系统.该算法基于滤波器系数短时平均和长时平均之间的归一化距离,将滤波器的更新状态分为收敛状态、过渡状态和平稳状态.滤波器可在不同更新状态下自适应地使用不同步长,收敛状态下使用大步长以保证快速收敛,过渡状态下则使用逐步减小的阶梯状步长以进一步降低失调量,平稳状态下使用小步长以保证系统收敛至稳态解.仿真实验结果表明,与传统的归一化最小均方误差(NLMS)算法及其他子带自适应滤波算法相比,所提算法的收敛速度更快,平均稳态失调量更低.     

一种新的可变步长LMS算法研究

在分析基本最小均方误差算法(LMS)和归一化最小均方误差算法(NLMS)的基础上,提出了一种新的可变步长LMS算法(NVLMS)和它的改进算法(MNVLMS).仿真结果显示,NVLMS算法对于平稳过程中的滤波器,能获得较快的收敛速度和较小的稳态误差.在非平稳环境下,MNVLMS算法在减少算法复杂度的情况下能获得和NLMS算法一样的收敛速度和稳态误差.     

基于误差信号自相关函数的变步长恒模盲均衡算法研究

提出了一种自适应变步长恒模盲均衡算法，利用剩余误差信号的自相关函数估计值作为控制步长的因子来自适应改变步长的大小，克服了恒模算法存在的固有缺陷。理论分析和仿真实验均表明该算法与恒模算法相比，在收敛过程中加快了收敛速度，收敛后又能减小对均衡器参数的误调，具有更小的稳态剩余误差。     

基于反双曲正切函数的变步长LMS算法

针对定步长的LMS算法无法同时满足低稳态误差和快收敛速度这个需求,本文提出了一种基于反双曲正切函数的变步长LMS算法. 该算法基于反双曲正切函数构建步长与误差信号之间的非线性函数关系式,以此来替代LMS算法中的定步长,实现了对步长因子的动态调整. 文中详细讨论了新的变步长函数中参数α,β和γ对于算法性能的影响,并和其他几种较新的变步长算法进行了性能比较. 仿真结果表明,所提算法很好地兼顾了收敛速度、稳态误差和跟踪性能,在系统辨识、正弦信号去噪和自适应线性预测方面表现出了优异的性能.      

一种新的可变步长LMS自适应滤波算法

在简单讨论基本LMS,变步长NLMS和LMS/F组合自适应滤波算法的基础上提出一种新的可变步长LMS自适应滤波算法,新算法引入修正系数ρ和遗忘因子λi=exp(-i),并利用ρ和λi来产生新的步长参与迭代。计算机仿真结果表明,与基本LMS算法或变步长NLMS、LMS/F组合算法相比,新算法在保持算法简单这一特点的同时进一步加快了收敛速度,并能够收敛到更小且稳定的均方误差(MSE)。     

一种可变步长LMS算法及其性能分析

提出了一种自适应可变步长最小方差算法（ANVSS），以解决基本最小方差算法LMS中收敛速度和稳态误差之间的矛盾．该算法利用当前和过去共m（滤波器阶数）个误差信息，并通过引入修正系数ρ和遗忘因子λ（i），来确定下一步的迭代步长．文中对这种算法进行了分析和仿真验算．对比一般的变步长算法，ANVSS算法对于平稳过程中的滤波器能获得更快的收敛速度和更小的稳态误差，同时还具有较好的跟踪跃变系统的能力．     

一种基于离散小波变换的自适应滤波新算法

将小波变换、变换域自适应算法和变步长自适应算法相结合，得出了一种基于离散小波变换的自适应滤波新算法(NDWT-LMS)，该算法可以有效地降低输入信号的自相关程度，克服固定步长因子所导致算法在快的收敛速度和较低的稳态误差之间存在的矛盾。计算机仿真结果表明该算法与LMS算法相比具有更快的收敛速度和更小的失调噪声，可以很好地应用于自适应系统中。     

引入动态动量因子的共轭梯度多模盲均衡算法

为了克服传统多模算法收敛速度慢的缺点,提出了引入动态动量因子的共轭梯度多模盲均衡算法。该算法将共轭梯度方法及动量项引入多模算法中,得到了引入动量项的共轭梯度多模盲均衡算法的迭代公式。在研究动量因子变化规律的基础上,进一步引入指数函数的变形形式,构造了动量因子与误差之间的非线性函数关系。利用误差的递减规律实现动量因子的自适应减小,从而达到加快收敛速度,降低稳态误差的目的。理论分析和仿真结果均表明:提出的新算法与传统多模算法及共轭梯度多模算法相比较,能够有效地提高收敛速度,并且降低了稳态均方误差。     

基于加权平均梯度的变步长LMS算法

为了尽可能减少影响变步长LMS算法性能的因素,提出了基于加权平均梯度的变步长LMS算法.该算法的滤波器权系数在收敛的过程中自适应接近最优权矢量,算法利用平滑梯度矢量的欧式范数和瞬时误差控制步长更新,并从理论上分析了算法的稳态误差.与其他几种变步长LMS算法对比,该算法的收敛速度最快、稳态误差最小.     

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.     

基于双曲正切函数的智能天线变步长LMS算法

提出一种基于双曲正切函数的智能天线变步长最小均方（LMS）算法. 通过建立步长因子与误差信号的双曲正切函数关系改进LMS算法, 解决了固定步长时收敛速度和稳态误差间的矛盾. 仿真结果表明, 所提出的变步长最小均方算法比标准的最小均方算法有更快的收敛速度和更小的稳态误差.     

一种基于正弦函数的新变步长LMS算法

为解决传统LMS算法由于固定步长,在解决稳态误差与收敛性之间关系时始终处于矛盾状态的问题,在对固定步长LMS算法分析的基础上,根据变步长LMS算法的步长调整原则,通过构造步长因子μ(n)与误差信号e(n)的非线性函数,提出了一种基于正弦函数的新变步长LMS算法,并且分析了参数取值对算法性能的影响.理论分析和仿真结果表明:该算法的收敛速度和稳态误差明显优于固定步长的LMS算法和SVS-LMS算法.     

基于修正常系数模板的变步长双模式盲自适应均衡算法

为解决修正常系数模板算法(MCMA)收敛速度缓慢的问题,在MCMA算法的基础上,给出了一种变步长双模式MCMA算法.改进算法在启动阶段用步长可变加快其收敛性,在收敛后转换到判决引导模式(DD),以保证算法收敛后稳态误差在可靠范围内.通过对实测信道的Monte-Carlo仿真,比较了MCMA算法和变步长双模式MCMA算法的性能,证明了该改进算法收敛速度快,稳态误差小.     

一种改进的解相关LMS自适应算法

针对变步长LMS自适应滤波算法在输入信号高度相关时,收敛速度下降导致性能下降的问题,提出了一种改进的解相关LMS自适应算法,该算法引入解相关原理和归一化处理,用输入向量的正交分量来更新滤波器权系数,有效加快了算法的收敛速度,且稳态误差小,使得算法在有色输入和大范围的动态输入下都能保持良好性能.     

变步长自适应滤波算法的谐波检测

为提高自适应滤波算法的收敛速度,并降低其稳态误差,建立了LMS算法理论最优步长值与误差信号和输入信号之间的关系,提出了一种新的变步长LMS自适应谐波检测算法。该算法的优点是:根据误差信号的平方时间均值估计来调节步长因子,克服了以往算法在自适应稳态阶段步长调整过程中的不足。即使待检测信号的信噪比较低,检测过程也具有较快的动态响应速度和保持较小的稳态失调噪声。计算机仿真表明,该算法具有更好的收敛精度。     

基于自适应动量因子的区间神经网络建模方法

区间神经网络建模是区间控制的核心部分,也是提高系统鲁棒性的重要方法.针对区间神经网络算法收敛速度慢的问题,提出一种自适应动量因子算法.算法利用区间运算建立输入与输出数据的映射模型,通过引入具有自适应特性的动量项,使用最速下降法对动量项进行自适应更新,在加快系统收敛速度的同时,克服系统稳态误差大和容易陷入局部最小值的弊端.典型算例实验表明:区间神经网络能够较为精确地建立区间网络模型,自适应动量因子算法提高了区间神经网络整体性能.     

一种新型的迭代变步长LMS算法及性能分析

为解决现有固定步长和变步长类最小均方(Least Mean Square,LMS)算法在跟踪时变系统中存在的收敛速度慢、稳态失调误差较大的缺陷,提出了一种基于S-L(Sigmoid-Logistic)函数的迭代变步长LMS算法.首先,采用Sigmoid二次型函数构建步长因子的动态调整规则,实现不同误差情况下的自适应稳态调谐;然后通过Logistic函数建立误差信号与迭代时间的联合非线性函数,作为步长因子的控制前端输入信号,从而能够兼顾稳态误差与迭代时间对步长因子的修正作用.仿真结果表明,该方法能够在快速收敛情况下获得较小的稳态失调误差,对未知、时变系统表现出了较快的收敛速度和跟踪精度.