一种变步长解相关的自适应声回波对消算法

作者提出了一种变步长归一化解相关的LMS自适应海波算法(简称μ（k）-NDLMS算法)．该算法综合了变步长自适应方法和归一化解相关方法的优点，将其用于声回波对消(AEC)中，在计算量增加很小的情况下，其收敛速度和稳态失配都较之自适应信号处理中常用的NLMS算法有所改善．作者通过计算机仿真，证实了这一结果．     

用于稀疏系统辨识的零吸引最小均方算法

为显著提高对稀疏系统的辨识性能,提出了一种自适应算法。该算法将与稀疏性有重要关系的l1范数引入LMS算法的代价函数中,并导出新的滤波器权系数更新公式。该公式在迭代过程中向权系数不断添加一个指向零矢量的修正量,使得在稀疏系统中占主要地位的零系数加速收敛,从而显著提高自适应算法的收敛速度和跟踪速度。理论分析并推导了算法的均值收敛过程。仿真结果表明:该算法无论对一般稀疏系统还是分簇稀疏系统,都能明显改善收敛性能,并且表现出良好的稳健性和通用性。     

基于加权稀疏约束的稳健Capon波束成形性能比较

分析比较了几种加权稀疏约束的Capon自适应波束成形算法的性能,这些算法利用天线阵列增益的稀疏分布特性,存在抑制旁瓣,能降低干扰零陷,提高系统稳健性.通过仿真分析发现:相比于传统的Capon波束成形算法,稀疏Capon波束成形(SCCB)算法和加权稀疏Capon波束成形(WSCCB)算法的旁瓣和干扰零陷均有所降低,但是都存在着干扰零陷不准现象.     

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.     

一种新的变换域变步长批处理LMS算法及其应用

将变换域LMS算法和变步长LMS算法及批处理LMS算法相结合,提出了一种新的变换域变步长批处理LMS自适应算法,该算法融合了前面3种算法的优点,可以有效地降低输入信号的自相关程度,克服了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,并且实时性较好。计算机仿真结果表明该算法具有更快的收敛速度和更小的失调噪声,可以有效地应用于自适应收发隔离系统。     

有色环境下的LMS算法研究

研究有色噪声和非平稳信号(如回声取消)情况下自适应滤波,提出解相关自适应最小均方(LMS)算法。首先设计出自适应预滤波器同时对输入信号和误差信号解相关,使输入信号和误差信号的白化,然后证明该方法并不改变维纳最优解,最后提出改进的变步长解相关自适应LMS算法。仿真实验表明:无论在有色噪声环境下还是白噪声环境下,该算法都改善了LMS算法性能,即提高了收敛速度又减小稳态误差。     

一种提升LMS自适应滤波哭器抗窄带干扰能力的方法

LMS自适应滤波器是一种抗窄带干扰的经典算法,然而该算法在信干比低于－35 dB时性能将急剧恶化,有时甚至无法收敛. 为解决低信干比条件下LMS算法失效的问题,提出了一种在自适应滤波前利用FFT截波预处理的方法,应用这一方法,将使LMS自适应滤波器的有效滤波范围扩展至－50 dB以下.     

LMS自适应滤波算法原理与仿真

在对自适应滤波器相关理论研究的基础上,重点研究了LMS自适应滤波算法,并借用Matlab仿真平台,给出了在一定信噪比条件下,LMS算法的滤波结果。通过分析仿真可以看出,LMS算法计算量小,可以达到较好的滤波效果,容易实现,有很高的实用价值。     

基于归一化LMS算法的自适应滤波器设计

归一化LMS(NLMS)算法是一种变步长的LMS算法,比LMS算法具有更快的收敛速度.采用Altera 公司的仿真软件DSP Builder和QUARTUSII7.2,进行归一化LMS算法的自适应滤波器的现场可编程门阵列(FPGA)设计.     

一种新的变步长LMS算法及在自适应波束形成中的应用

LMS算法是自适应波束形成的经典算法之一,由于其步长中参数是固定值,造成收敛速度与稳态误差之间相互制约,影响算法的性能.因此,提出了基于Sigmoid函数的变步长LMS方法,并且误差e(n)在接近为零时有缓慢变化的特点,分析了α、β与e(n)的函数关系以及对收敛性能的影响.计算机仿真表明,该算法有较好的收敛性能.     

凸组合实时判决反馈稀疏水声信道盲均衡算法

针对高速水声通信信道稀疏特性,提出了一种凸组合实时判决反馈盲均衡算法。将盲均衡器分为保持均衡器支路和稀疏均衡器支路,以保持均衡器能量和权系数的瞬时梯度为判据,对稀疏均衡器支路对应抽头进行实时稀疏化处理。算法中避免设置稀疏化阈值,对不同稀疏水声信道和通信信号具有通用性,且对于时变稀疏水声信道可以利用保持均衡器支路恢复稀疏均衡器支路置零抽头系数,使算法对信道具有较强跟踪和冷启动能力。典型稀疏水声信道条件下的仿真结果证明,凸组合实时判决反馈稀疏水声信道盲均衡算法性能稳健,与全阶判决反馈盲均衡算法相比,计算简单,收敛速度快,稳态剩余误差小,有利于算法在水声通信系统中的推广应用。     

基于快速变分稀疏贝叶斯学习的频谱感知与定位

针对稀疏贝叶斯压缩感知算法存在复杂度高、收敛速度慢等缺陷,提出了一种快速变分稀疏贝叶斯学习的频谱检测与定位算法.该算法在原始问题求解过程中增加了辅助变量,消除了原问题模型中未知变量之间耦合度高的问题.并依据稀疏参数的收敛情况,自适应删除不收敛稀疏参数对应的基函数,从而进一步加快了算法的收敛速度.实验结果表明:该算法在收敛速度和频谱检测精度上有显著的改善.     

基于改进稀疏编码模型的图像分类算法

针对图像表示,提出了一种基于改进稀疏编码模型的图像分类算法.首先,提取表示图像视觉局部特征的SIFT (Scale Invariant Feature Transform) 描述子;然后,利用稀疏编码方法生成基于SIFT描述子的视觉词汇库,将SIFT描述子编成稀疏向量;通过有效稀疏向量的区域融合和空间结合而获取整体的稀疏向量并用于图像表示;最后,采用随机森林多分类器对稀疏向量进行训练和测试.结果表明,与现有的算法相比,该算法的性能更佳,可以有效表示图像的特性并提高其分类的准确率.     

MIMO-OFDM系统低复杂度的同步参数与稀疏信道联合估计

由于MIMO-OFDM系统中载波频偏、采样频偏、符号定时误差等多个同步参数及信道的影响,文中提出一种同步参数与信道的最大似然（ML）联合估计算法.稀疏衰落的情况下,该算法使用基于压缩感知（CS）的信道估计,通过较少的接收样值来恢复稀疏信道,以降低复杂度.仿真中通过数值模拟对估计性能进行分析.结果表明,该算法在保持较低复杂度的同时,可获得理想的性能.     

基于位置参数二分法控制的信号稀疏分解

研究基于匹配追踪方法实现的信号稀疏分解算法。通过对信号稀疏分解中使用的过完备原子库的结构特性分析,找到中心位置,构造时频原子库,利用二分法控制中心位置参数,将信号快速稀疏分解,应用于基于中心位置参数的改进贪婪匹配追踪算法。该算法与匹配追踪相比,计算速度大约提高了36倍,降低了计算复杂度,提高了稀疏分解的精度。通过对仿真数据的处理验证了所提方法的可行性和有效性。     

用于干扰对消的稀疏约束卡尔曼滤波算法

无人机等小型平台上干扰机的收发隔离问题是影响其收发同时工作的关键。对于动态稀疏系统来说,常规的卡尔曼滤波算法并未考虑干扰信号耦合路径的稀疏性,对路径衰减系数的辨识精度不够,导致隔离性能不佳。针对此问题,从KF算法的修正步出发,将其等效为一个凸问题,并在此基础上,增加对待估计参数的稀疏性约束,重新推导了算法的修正步,提出了一种稀疏约束的KF算法,充分利用了待辨识系统的先验信息,提高了估计参数的稀疏倾向性。理论分析和仿真结果表明,新算法能够有效适用于动态稀疏环境下的系统辨识,提高了KF算法对于动态稀疏系统的辨识精度,并且能够将干扰机的收发隔离度提高3～5dB,改善了干扰机的收发隔离性能。     

基于稀疏特性的欠定盲信号分离算法

在源信号在非充分稀疏条件下,提出了一种改进的两步法欠定盲源分离算法.与现有的大多数稀疏分量分析算法法都是假设源信号是充分稀疏不同,该算法放宽了源信号的稀疏性.与此同时,该算法能够估计出聚类空间的个数,能够克服源信号个数未知的情况.模糊划分矩阵的应用更加有利于源信号的分离.仿真结果表明了该算法的有效性.     

基于谱特征参数的图像稀疏降噪

提出一种基于谱特征参数的图像稀疏降噪算法。其采用稀疏重构理论为图像降噪框架,并将图论中的谱特征参数作为一约束条件,以有效克服传统稀疏重构中稀疏解不稳定的问题。该降噪算法将噪声图像块作为基础元素进行关系图构建,进而得到邻接矩阵。然后,求解该邻接矩阵对应的拉普拉斯矩阵,并对其进行特征分解,得到对应的特征向量,即谱特征参数。最后,将图像块矩阵与一定数目该高频谱特征参数所组成矩阵的乘积作为稀疏模型的正则项形成提出的算法模型。实验结果表明,与基于K-SVD的稀疏表示降噪算法相比,在相同参数的情况下提出的算法在多种类型噪声下对多幅图像的降噪效果都有着显著的提高。     

脉冲噪声环境下一种改进的压缩感知洛伦兹迭代硬阈值重构算法

求解洛伦兹范数下的最优化问题是实现脉冲噪声环境下压缩感知重构的有效途径.但是洛伦兹迭代硬阈值（LIHT）算法随着脉冲噪声中脉冲数量的增加,重构性能明显下降.文中针对这一问题,提出一种改进的洛伦兹迭代硬阈值（MLIHT）算法.MLIHT算法中采用Barzilai-Borwein （BB）方法来设置步长μ,引入ι1范数来寻找最优参数γ.将MLIHT算法分别应用到高斯稀疏信源和0-1稀疏信源的压缩感知脉冲噪声重构中,并且进行仿真实验和实验结果分析.实验结果表明,MLIHT算法对于脉冲噪声中脉冲的数量和幅度均不敏感,而且MLIHT算法实现有效重构所需的观测数要少于LIHT算法.     

基于3D-OMP算法的SAR动目标成像方法

针对稀疏场景下的SAR动目标成像问题展开研究，提出一种基于三维正交匹配追踪(3D-OMP)算法的稀疏成像方法。首先对成像区域进行网格划分，然后以运动目标的二维速度作为动态参数构建三维稀疏字典矩阵，即参数化稀疏表征。在算法迭代过程中，通过计算回波数据矩阵与三维稀疏字典矩阵各层之间的相关度筛选出信号的支撑集。最后利用最小二乘准则，计算出支撑集下目标场景的稀疏表征系数。该3D-OMP算法是经典OMP算法的改进与拓展，因此继承了OMP算法计算复杂度低、信号稀疏特征增强明显的优势，同时具备了重构SAR动目标图像的能力。仿真实验结果验证了该SAR动目标成像方法的有效性。