水声信道快速收敛自适应均衡算法

从提高自适应均衡算法水声信号收敛性能的角度出发,提出了一种新的快速收敛水声信道自适应均衡算法。该算法将改进的归一化均方误差算法和判决反馈均衡器结构有机结合,在不增加计算量的前提下,很好地实现了不同水声信道的自适应均衡,易于算法的硬件实现。仿真结果表明,该算法计算量同归一化最小均方(normalized least mean square, NLMS)误差算法的计算量相当,但在稳态误差和收敛速度上有很大优势;收敛性能与自适应调整最小二乘回归〖CD*2〗判决反馈均衡器(variable tap-length decision feed-back equalizer based on recursive least square, RLS-DFE)算法接近,却克服了RLS-DFE算法计算量大,不利于硬件实现的实际问题。提出的算法为水声通信提供了一种性能优良的可实现方法,具有较高的应用价值。     

基于二阶锥规划的自适应均衡算法

提出一种改进的均衡器算法。该方法基于最小均方误差（minimum mean square error, MMSE）准则,使均衡器的输出与训练码的均方误差最小,并且将信道均衡的最小均方误差目标函数转化为二阶锥形式,利用内点法求最优解。与传统基于最小均方误差（least mean squares, LMS）和递归最小二乘（recursive least squares, RLS）自适应算法的均衡器相比,由于不需要迭代收敛过程,不存在收敛速度与精度的矛盾,克服了基于LMS和RLS的自适应均衡器参数设置的困难,而且利用更短的训练序列长度即可获得相同的均衡效果,对于改善通信效率具有参考价值。     

基于Kalman滤波算法的Volterra级数核估计及其应用

为了进一步提高Volterra级数模型在混沌时间序列预测中的精度以及核估计的收敛速度,提出利用自适应Kalman滤波算法对Volterra级数核进行估计的一种新方法。同时,在混沌动力系统相空间重构的基础上,采用关联维数法和最大Lyapunov指数法,对船舶运动时间序列进行混沌特性判定,并对船舶横摇运动时间序列进行多步预测。仿真表明,与归一化最小均方(normalization least mean square, NLMS)算法和最小二乘(recursive least-square, RLS)算法的Volterra级数模型相比,基于自适应Kalman滤波算法的Volterra模型在收敛速度与预报精度方面均优于NLMS算法和RLS算法,为实时在线预报提供了理论依据。     

基于凸联合的Krylov子空间自适应LMS算法

提出了一种基于凸联合的Krylov子空间自适应最小均方（least mean square, LMS）算法。首先采用Krylov子空间变换将未知系统的冲击响应转换为Krylov子空间下的稀疏结构,利用其稀疏特性,将一种改进的比例归一化LMS（improved proportionate normalized LMS, IPNLMS）算法和一种变阶数归一化LMS（variable tap length normalized LMS, VTNLMS）算法进行凸联合,最后通过Krylov子空间反变换得到未知系统冲击响应。仿真结果验证了所提出的凸联合自适应LMS算法具有更快的收敛速度和更小的稳态误差。     

变宽度凸组合变阶数LMS自适应滤波算法

为了进一步改善凸组合变阶数最小均方(convex combination variable fractional tap-length least mean square,CFTLMS)自适应滤波算法的稳态性能,在证明其稳态性能的基础上,提出了一种变宽度凸组合变阶数(variable width-CFTLMS, VW-CFTLMS)自适应滤波算法,并给出参数的选择依据。仿真结果验证了低信噪比情况下,VW-CFTLMS算法稳态性能和参数选择依据的正确性;同时该算法的稳态性能要优于CFTLMS算法,其额外均方误差相比于CFTLMS算法降低约1.8 dB,具有实用价值。     

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)。     

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。     

一种新的基于LMS的自适应半盲多用户检测算法

深入研究了最小均方(least mean square,LMS)盲多用户检测,提出多载波码分多址(multicarrier CDMA,MC-CDMA)系统下一种基于子空间约束LMS的自适应半盲多用户检测算法.该算法设计了一种最小输出能量(minimum output energy,MOE)半盲检测器,给出一种子空间约束LMS算法自适应得到MOE检测器的权向量.为了降低计算复杂度,采用修正的紧缩近似投影子空间跟踪(projection approximation subspace tracking with deflation,PASTd)算法自适应跟踪信号子空间.通过利用小区内所有用户的扩频码有效地抑制了多址干扰,将权向量约束在信号子空间,降低了噪声子空间的影响,从而提高了收敛速度,改善了输出信号干噪比和误码率性能,仿真实验验证了该算法的有效性.     

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。     

基于二维正交化WLCLMS的自干扰对消方法

广义线性结构广泛用于解决共平台系统中同相/正交相位(in-phase/quadrature-phase, IQ)不平衡引起的自干扰镜像信号残留问题。由于在共轭项维度上的拓展, 输入信号间的相关性使得用于实现权值向量自适应更新的广义线性复数最小均方(widely linear complex least mean square, WLCLMS)算法出现明显的收敛速度下降。针对这一问题, 本文提出了一种二维正交化方法, 通过特征值分解实现输入信号在样本延时以及共轭项两个维度上的去相关。同时建立了包括格形预测器、基于梯度的白化器, 以及数字对消器三级结构的自适应二维正交化WLCLMS模型, 实现了时变环境中自干扰信号的实时跟踪。仿真结果表明, 该方法在有效提升收敛速度的同时, 有着稳定的稳态误差性能, 并且针对系统采样率、滤波器阶数、IQ不平衡量的变化具有良好的鲁棒性。     

基于洛伦兹函数的变步长凸组合最小均方算法

为进一步减小收敛速率与稳态误差之间的矛盾,改善自适应滤波算法,利用改进的Lorentzian函数提出了一种新的变步长凸组合最小均方(new variable step-size convex combination of least mean square,NVS-CLMS)算法,该算法既有效提高了收敛速率又具备很好的抗干扰能力。同时,为了克服CLMS算法停滞等待的弊端,采用了瞬时转移结构;另外,在参数的迭代公式中使用sign函数进行优化以降低运算量。仿真结果证明该算法与CLMS、VS-CLMS相比,在不同的仿真环境中均能表现出良好的均方特性和跟踪特性。     

基于SVRGD的机载预警雷达自适应波束形成算法

自适应波束形成是机载预警雷达数字信号处理的一个关键环节。针对传统最小均方误差(least mean square, LMS)算法在短快拍数条件下的波束形成性能下降以及因迭代震荡易收敛于局部最优值的问题,提出了一种基于机器学习的随机方差减小梯度下降(stochastic variance reduction gradient descent, SVRGD)自适应波束形成方法。首先,建立面阵列接收信号数据模型。其次,基于随机梯度下降原理,引入方差缩减法通过内外循环迭代方式进行梯度修正,以减小随机梯度估计的方差,建立算法模型与实现流程。最后，通过设置平面阵列仿真场景,分析SVRGD自适应波束形成算法在波束形成、抗干扰、收敛速度等方面的性能,验证了该算法在低快拍数、强干扰和强噪声背景下具有的优良能力。     

基于自适应混合能量参数的变步长LMS水声信道均衡算法

提出了一种新的变步长算法,并将该算法用于水声信道均衡。该算法克服改进归一化最小均方(developed normanized least mean square, XENLMS)算法依赖固定能量参数λ的局限性,遵循变步长算法的步长调整原则在XENLMS算法的基础上引入一个自适应混合能量参数λk,改善算法收敛速度和鲁棒性。首先通过仿真分析变步长算法中的3个固定参数α,β,μ的取值范围及对算法收敛性能的影响;并在两种典型的水声信道环境下,采用两种调制信号对算法的收敛性能进行计算机仿真,结果显示,新算法的收敛速度明显快于XENLMS算法和已有的变步长算法,收敛性能接近递归最小二乘(recursive least square, RLS) 算法的最优性能,但计算复杂度远小于RLS算法。最后,木兰湖试验验证了带判决反馈均衡器(decision feedback equalization, DFE)结构的新算法具有较好的克服多径效应和多普勒频移补偿的能力,相比LMS-DFE提高了一个数量级。     

Toeplitz矩阵有限等距特性研究

在压缩感知热潮的影响下,观测矩阵的有限等距特性（restricted isometry property, RIP）也受到广泛关注。大多数理论研究表明高斯随机矩阵是满足RIP特性的,但由于其存储成本较高,物理实现较复杂,在实际使用中托普利兹（Toeplitz）随机矩阵由于可以使用快速离散傅里叶变换实现而受到青睐。该文将图论中点均匀着色定理和盖尔圆盘定理应用于压缩感知中,对托普利兹观测矩阵的RIP特性进行了证明,证明结果表明,由服从某种特定概率分布的项构造的Toeplitz矩阵以较大概率满足有限等距特性。最后,对最小二乘算法（least square,LS）、线性最小均方误差（linear minimum mean square error,LMMSE）算法和高斯观测矩阵的压缩感知算法以及Toeplitz观测矩阵的压缩感知算法进行了对比分析,Toeplitz观测矩阵的压缩感知算法在性能方面要优于高斯观测矩阵的压缩感知算法和传统算法,运算复杂度方面要优于高斯随机矩阵,为压缩感知实现无失真地重构原始信号提供了理论和应用参考。     

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。     

基于波形特征的外辐射源雷达杂波抑制算法

在正交频分复用(orthogonal frequency division multiplexing,OFDM)波形外辐射源雷达系统中,相对于直达波和多径回波,目标回波的功率要微弱许多,因此多径杂波抑制是此雷达信号处理的一项关键技术。许多时域自适应滤波算法被用来抑制直达波和多径回波,但往往存在滤波器阶数过多,或计算负担过高的问题。基于OFDM波形的多载波调制特性,提出了分载波自适应滤波算法,相比于常规时域自适应滤波算法,能够有效降低滤波器阶数和计算复杂度,简单且高效。以基于OFDM调制原理的数字调幅广播外辐射源雷达为例,详细介绍了分载波递归最小二乘和分载波归一化最小均方算法的自适应滤波原理和过程,并基于仿真和实测数据分析比较了常规时域自适应滤波算法和分载波自适应滤波算法的性能差异。     

复杂环境下的UWB脉冲成形算法

针对超宽带定位系统在多用户和弱信号环境下接收端易出现码间串扰(inter symbol interference, ISI)和多用户干扰(multiuser interference, MUI)等问题,提出一种基于修正最小均方误差估计(minimum mean square error estimation, MMSE)的自适应迭代算法进行超宽带(ultra wideband,UWB)脉冲设计。该算法选取修正Hermite多项式(modefied Hermite polynomial, MHP)作为脉冲设计基函数。通过分析MHP的时频特性对最小均方误差估计准则下组合脉冲的各阶MHP系数进行修正,在此基础上根据组合脉冲功率谱密度与美国联邦通讯委员会(federal communications commission, FCC)辐射掩蔽之间的拟合程度设计自适应算法,对组合脉冲进行自适应调整实现脉冲设计。仿真结果表明该方案获得的脉冲有较高功率利用率,同时在多用户接入和弱信号检测方面也具备很强的适用性。     

多变量混沌时间序列Volterra自适应实时预测

针对多变量混沌时间序列,给出一种Volterra滤波器实现结构.该滤波器利用基于奇异值分解的最小二乘法确定初始核,通过归一化最小均方差(normalized least mean square,NLMS)算法实时确定滤波系数,并用这种多变量Volterra结构对Lorenz时间序列进行仿真.计算结果表明,在无噪声情况下,该方法的实时一步预测精度比目前单变量混沌时间序列Volterra自适应预测方法的一步预测精度提高了102倍,表明这种实现结构易实现且收敛性能更好;在有噪声的情况下,该方法的实时多步预测性能优于局部多项式预测法的多步预测性能,且抗噪性更强.     

干扰源定位中到达时间差参数估计方法

卫星干扰源定位技术的关键之一是定位参数的测量。目前传统的定位时延估计算法无法满足在低信噪比环境下的到达时间差(time difference of arrival, TDOA)参数估计。为了进一步提高定位性能,提出了基于四阶累积量的最小均方误差算法(least mean square algorithm based on fourth-order cumulant, CUM-LMS),在使用四阶累积量进行时延估计的基础上,提取峰值信息,计算均方误差,得到准确的TDOA参数。实验结果表明,所提出的算法有效地提高了时延参数估计的性能。     

自适应FIR高精度时延估计研究

从最小二乘原理出发,结合参量模型时延估计方法,提出了一种使得时延引起的输入信号与参考信号之间实现最小二乘的自适应FIR高精度时延估计方法。与广义互相关法、相位谱法和自适应最小均方(leastmean square,LMS)时延估计方法相比,该方法具有算法简单、运算量小、精度高、收敛快的优点。计算机仿真实验和消声水池试验结果均验证了该算法的有效性。