基于新息更新的时变步长LMS算法(TVSLMS)

提出一种基于新息更新的时变步长LMS算法(TVSLMS).该算法结构简单,时变步长设计新颖,与典型的LMS算法,如著名学者Windrow的LMS算法和Doherty和Porayath所提出的DLMS算法相比,TVSLMS算法收敛速度最高.尤其是算法所引入的收敛加速度,对收敛速度具有灵敏的调速作用.     

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.     

一种基于LS准则和L阶输入矢量的自适应算法

提出了一种新的基于LS准则和L阶输入矢量的自适应滤波算法．该算法采用新的梯度计算公式，使自适应滤波中权矢量的更新比LMS精确和平滑．仿真表明经过250次迭代，新算法就可以收敛于最优值1．6．新算法与基本的解相关LMS算法（DLMS）和LMS算法相比，收敛速度快、稳定性更好．并给出了新算法、DLMS算法和LMS算法性能曲线仿真结果．     

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。     

一种改进的LMS算法的研究与仿真

为解决最小均方误差算法中收敛速率和稳态误差之间相互制约的问题,在NLMS算法基础上提出了一种改进的LMS算法.改进算法通过引入调节因子和修正系数,使算法在收敛时和稳定时能够很好地改善收敛速率与稳态误差之间的制约关系.实验结果表明,相对于传统LMS和NLMS算法,新方法在改进收敛速率和稳态误差间关系效果更好.     

基于LS的梯度迭代最陡下降算法GISDA

提出了一种基于LS准则、利用梯度迭代的最陡下降算法GISDA（Gradient Iteration Steepest Descent Algorithm，GISDA）．该算法在梯度计算上比LMS精确．新算法与传统的最陡下降算法相比，具有运算量小、容易实现等优点．GISDA算法比LMS算法收敛速度快、稳定性更好．并给出了GISDA算法和LMS算法性能比较的计算机仿真结果和结论．     

一种新的抑制窄带干扰的时域均衡算法

通过对维纳滤波中最速下降法的分析,提出了一种新的AJ(anti-jamming) LMS时域均衡算法.该算法基于估计出的信道参数,对均衡器的权系数进行自适应调整.理论分析和仿真结果表明,虽然AJLMS算法的计算量比LMS算法有所增加,但它的抗窄带干扰性能得到了明显提高.     

基于神经网络误差修正的灰色广义预测控制

提出一种基于神经网络误差修正的多步灰色广义预测控制算法,采用神经网络对灰色系统的建模误差进行预测,同时根据新信息优先的原则,用最新预测误差不断更新神经网络建模数据,对新出现的误差具有动态补偿动力,最终预测值为模型预测值与预测误差之和,有效地抑制模型误差的影响,增强灰色广义预测的鲁棒性.仿真结果验证了该算法的有效性.     

基于VSR的最小开关损耗SVPWM算法仿真与分析

本文分析了电压源型逆变器最小开关损耗的SVPWM算法原理,并进行Simulink仿真验证,介绍仿真模块各个部分的作用,最后给出仿真结果,证明了理论分析的准确性。