改进变步长LMS在组合学习结构预失真的研究

针对预失真间接学习结构易受加性噪声、模数转换（Analog to Digital Converter,ADC）量化噪声等影响,提出一种通过设置判别门限自适应切换直接学习结构和间接学习结构的组合学习结构数字预失真方案。该方案在直接学习结构中采用最小二乘法（Recursive Least Square,RLS）算法对参数进行快速粗估计,切换至间接学习结构时采用改进变步长最小均方（Least Mean Square,LMS）算法进一步提取参数。分析仿真表明,组合学习结构的预失真方案其线性化性能较间接学习结构有很大提升,且在算法收敛速度基本持平的情况下有效抑制了间接学习结构中的非相关噪声。     

延时估计误差对间接学习结构预失真器的影响

间接学习结构数字基带预失真器的实现需要估计模拟链路延时,而链路延时估计算法存在估计误差,此误差对预失真器性能的影响目前未有相关研究。该文以邻近信道功率比(ACPR)和归一化均方误差(NM SE)两项指标作为衡量标准,研究了延时估计误差对间接学习结构预失真器补偿性能的影响。结果表明,间接学习结构预失真器对延时估计误差敏感,在N yqu ist采样的预失真器系统中,只有当估计误差不超过系统采样间隔的1/64时,才能保证此预失真器能够有效地实现功放线性化。     

基于改进LMMSE的UFMC信道估计算法

针对将线性最小均方误差(linear minimum mean square error, LMMSE)算法直接应用于通用滤波多载波(universal filter multi-carrier,UFMC)系统中需要先验信道相关矩阵信息的不足,提出基于LMMSE的改进算法.该算法在频域对使用最小二乘(least square, LS)算法获得的信道频率响应进行平滑处理,在时域通过优化采样点的截短以确定理想的信道采样长度,并采用迭代估计方法获得最优信道相关矩阵,从而避免先验信道相关矩阵信息.经MATLAB仿真验证,改进后的算法对噪声的干扰可以有效抑制,对比传统LMMSE算法误码性能提升约2 dB,可以有效改善信道估计的准确度.     

一种基于记忆LUT的多倍频程预失真方案

针对多载波无线通信系统中多倍频程功率放大器存在的强非线性失真与记忆效应失真问题,提出了一种基于记忆查找表的LUT+MP多倍频程预失真方案。方案模型由记忆查找表(LUT)和记忆多项式(MP)串联构成,采用间接学习法的LMS和RLS算法对模型参数训练辨识。仿真结果表明,针对维纳模型高功率放大器,在输出功率回退OBO=2.27 d B时,对Wiener模型功放的三阶互调失真改善达到了55.9 d B,五阶互调失真改善达到了44.5 d B。与现有的LUT+FIR和LUT+并联FIR预失真方案相比较,能带来更好的建模精度和线性化效果。同时,设计使用的学习算法简单实用,稳定性能好。     

OFDM系统中记忆非线性功放基带预失真技术

研究了OFDM系统的自适应基带预失真技术。针对OFDM信号的高峰值平均功率比对非线性功率放大器敏感的特点,并考虑OFDM的宽带特性引起的功放记忆非线性效应,提出了一种基于辨识方案的非直接学习结构的自适应基带预失真技术,给出了自适应算法。仿真结果表明,该方案能有效抑制带外频谱扩散,减小带内失真,实现有记忆非线性大功率放大器(HPA)的自适应预失真。     

均方偏差分析的多态可变步长LMS算法

最小均方（least mean square,LMS）算法在时变信道的最小稳态均方偏差（mean square deviation,MSD）由输入功率、噪声功率、随机扰动信号功率以及滤波器长度共同决定。为达到系统中最小的MSD值,传统的LMS算法存在有迭代次数较多和收敛速度慢等问题,提出了一种多态可变步长最小均方（multi-state variable step size least mean square,MVSS-LMS）算法。该算法通过添加暂态递减步长作为过渡,实现以更快的收敛速度达到系统中最小的MSD值。理论分析与仿真结果表明,与目前最新的Prob-LMS算法相比,所提算法在时变信道以及突变信道都具有更快的收敛速度和更低的MSD值,且算法的复杂度更低。     

基于MBER的MC-CDMA系统多用户检测方案

针对衰落信道,提出了一种新的MC-CDMA下行链路多用户检测方案。该方案基于最小误比特率(Minimum bit error rate,MBER)准则,并利用梯度下降法实现。通过采用内核密度估计的方法来估计误码率函数,可将该方案推广到自适应的最小误比特率(Least bit error rate,LBER)多用户检测算法。仿真结果表明,与传统归一化自适应最小均方误差(Normalized least mean square,NLMS)算法相比,LBER具有更好的收敛性能和误码性能。     

一种变步长符号梯度脉冲噪声对消算法

针对最小均方误差(least mean square,LMS)自适应噪声对消器在脉冲噪声干扰条件下实现噪声对消失效的问题,提出了一种变步长符号梯度最小均方误差(variable step size sign LMS,VSSLMS)脉冲噪声对消算法?VSSLMS算法利用符号函数对误差信号?参考噪声信号取符号运算构成符号梯度? 符号算子的量化操作可以抑制脉冲噪声对自适应算法的影响,为进一步提高VSSLMS脉冲噪声对消性能,采用误差功率归一化准则设计步长控制函数,给出了一种变步长算法,该算法能减小由于符号算子引入的量化误差对收敛速度和收敛精度的影响?利用计算机仿真把提出的VSSLMS脉冲噪声对消算法与改进的归一化LMP算法(MNLMP)进行了比较,结果表明,VSSLMS算法具有更快的收敛速度,同时具有与MNLMP算法相近的稳态剩余误差?因此,VSSLMS算法在脉冲噪声对消中具有实际应用价值?     

一种块增量偏最小二乘算法

增量学习模型是一种有效挖掘大规模数据的数据处理技术。增量式偏最小二乘(incremental partial least square, IPLS)模型是一种基于增量技术的偏最小二乘算法改进模型,具有不错的数据降维效果,但是,IPLS模型每新增1个样本都需要对模型进行增量更新,导致模型的训练时间较长。针对这一问题,基于数据分块更新的思想提出了一种块增量偏最小二乘算法(chunk incremental partial least square, CIPLS)。CIPLS算法将样本数据划分为数个的数据块(chunk),然后再以数据块为单位对模型进行增量更新,从而大幅减少了模型的更新频率,提高了模型的学习效率。在K8版本的p53蛋白数据集和路透文本分类语料库上的对比实验表明,CIPLS算法大幅度缩短了增量式偏最小二乘模型的训练时间。     

自相似网络流量的处理和分析

为了解决自相似模型难以进行自相似网络流量趋势预测的问题,提出时间序列分析中短时相关模型(自适应自回归模型)的方法用于流量数据的估计;同时为了提高预测精度,提出改进的最小平方格型(modified least square lattice, MLSL)算法,使模型参数不断递推修正,收敛到最佳值.仿真试验结果验证了短时相关模型在网络流量预测应用中的可行性,实现了自相似网络流量的短期预测,该算法比最小平方(least square, LS)算法均方误差减少20%, 具有收敛快、预测精度高的优点,而该算法的计算量减少一半.     

基于贝叶斯测距和迭代最小二乘RSS的定位算法

针对基于接收信号强度(received signal strength,RSS)测距定位框架,提出基于贝叶斯测距和迭代最小二乘定位的RSS的定位算法.在测距阶段,先利用贝叶斯概率模型处理测距过程,并采用最小均方误差(minimum mean square error,MMSE)估计距离;在定位阶段,利用迭代最小二乘(iterative least square,ILS)估计节点的位置,最后重点对其定位性能做了理论分析和对比实验.仿真结果表明,提出的MMSE+ILS定位的方案极大地提高了定位精度,并降低了计算复杂度,但运行时间略有提高.     

基于改进RLS算法的永磁同步电机参数辨识

永磁同步电机(permanent magnet synchronous motor, PMSM)参数的在线准确辨识是实现电机高性能控制的基础,也为系统故障诊断提供了依据。传统递推最小二乘(recursive least square, RLS)法在辨识PMSM的d轴、q轴电感参数时对系统噪声、状态变化较为敏感,动态辨识稳定性不佳。文章在建立离散化辨识模型的基础上,提出了一种改进递推RLS算法,用于d轴、q轴电感参数的在线辨识。该算法在动态辨识过程中引入电流变化率,同时改进算法中的增益矩阵K,减小d轴、q轴辨识误差对电感修正产生的耦合影响。通过一台20 kW的PMSM仿真及实验,验证了改进的辨识算法能够有效提高参数的动态辨识效果。     

数字预失真技术设计及实现

预失真技术是克服功率放大器非线性失真的一种很有效的方法.采用最小二乘法(LS)算法的预失真技术可以获得很好的功率放大器线性化性能,但是其中的矩阵求逆运算在硬件上实现比较困难.论文采用坐标旋转数字计算算法(CORDIC)实现QR分解,并应用在预失真技术中,获得了较好的放大器线性化性能.通过在可编程逻辑阵列(FPGA)硬件平台上的仿真,验证了方法的可行性和有效性.     

LMP凸组合算法的稳态性能分析

为进一步解决最小p阶均方算法(least mean p-pow-er,LMP)收敛速度和稳态误差之间的矛盾,提高自适应算法的性能,提出对算法采用不同p值和不同步长进行凸组合(combination of least mean p-power,CLMP)的方案.该方案在高斯环境下将独立的大步长LMP1滤波器和小步长LMP2滤波器(p1 ＞p2)并联,利用分离假设条件进行稳态误差表达式的理论推导.仿真实验证明,在高斯平稳环境下组合滤波器稳态性能较单一滤波器表现得更好,为自适应滤波算法研究提供了一种新思路.     

基于TDOA的高精度无线定位算法分析与实现

文章根据移动应用需求,推导三维空间最小二乘(least square, LS)算法、Taylor级数展开法和查恩(Chan)算法3种经典到达时间差(time difference of arrival,TDOA)算法求解过程,通过仿真模拟分析3种算法的不同特点,确定移动定位场景下的最佳算法。为了进一步提高定位精度,采用Kalman滤波中递推估计思想,减小噪声干扰产生的误差,提升到达时间(time of arrival,TOA)测距精度,进而获得三维空间中性能优良的TDOA算法。测试试验表明,改进后的Chan算法有效且性能优良,定位误差最大为10～30 cm。     

基于并行粒子群优化算法的预失真器设计

高功率放大器是无线通信系统中非线性失真的主要来源之一. 数字基带预失真技术能有效地降低系统非线性失真,提高系统传输性能. 采用Hammerstein模型作为预失真器的模型结构,通过粒子群优化算法(particle swarm algorithm, PSO)估计预失真器系数,解决了梯度算法无法直接估计Hammerstein模型系数和易陷入局部极值等问题. 通过对PSO算法进行并行优化设计,使算法最大加速度比达3以上,加快了算法处理速度. 仿真结果表明新算法能够有效抑制系统带外频谱再生现象,减小相邻信道功率比(ACPR)达25 dB.      

分布式视频编码中相关噪声模型优化算法

在分布式视频编码中,准确的相关噪声模型(correlaiton noise model,CNM)是影响系统的关键因素。通过研究变换域中WZ帧与相应边信息的残差系数的分布关系,发现实际的残差分布与拉普拉斯分布模型存在一定的偏差。通过分析相关噪声模型的特性,提出相关改进算法。即根据残差系数的大小与实际概率置信度的关系,采用不同的分布参数,使得改进后的拉普拉分布模型更接近实际的残差分布。实验结果表明,该优化算法有效提高了系统的率失真性能,不仅降低了系统解码的码率,同时提升了最小均方误差(minimun mean square error,MMSE)重建的质量。     

一种改进的变步长最小均方算法滤除心电信号运动伪迹的研究

设计一种便携式心电监测装置,其具有低功耗、应用场景宽等优点,能够在运动状态下实时监测人体心电信号(electrocardiogram,ECG)。为了滤除心电信号中的噪声干扰,尤其是运动伪迹(motion artifact,MA)的噪声干扰,在最小均方(least mean squares,LMS)算法的基础上改进步长因子,加快自适应算法的收敛速度,从而保证在最佳权系数附近的失调量最小,且减少权值系数更新的运算量。实验结果表明,算法在处理信号过程中能够得到清晰不失真的原始心电信号,具有运算量小且滤波效果较好等优点。     

基于张量罚偏最小二乘的自动图像标注

如何有效地挖掘变量与标签之间的相互关系和处理高维数据是自动图像标注的两个具有挑战性的问题。以往的自动图像标注都是基于向量模式的学习算法,这样一方面产生高维数据,另一方面破坏了图像数据的高阶结构和内在相关性,导致信息丢失。向量模式下的罚偏最小二乘算法(penalized partial least square,PPLS)可以在获取变量和标签相关性的同时,进行维度约简。在PPLS的基础上,提出基于张量罚偏最小二乘算法(tensor-PPLS)。首先构造图像的张量数据形式,然后采用多线性主成分分析(MPCA)进行降维预处理,最后用tensor-PPLS进行图像标注。在图像标注的三个标准数据集上,提出的算法标注结果明显优于传统的基于向量模式的学习算法。     

LTE-A系统中基于RS的信号均衡的SINR估计算法

为了提高先进的长期演进(LTE-advanced,LTE-A)移动通信系统的传输效率,研究了提高子带的信干噪比(signal interference ratio,SINR)估计精度的问题,提出了一种利用参考信号(reference signal,RS)的信号均衡估计SINR的算法,该算法通过本地RS和均衡后的RS的方差计算SINR,与直接利用最小二乘法(least square, LS)计算参考信号接收功率(reference signal received power,RSRP)和干扰噪声(noise)得到SINR的传统算法相比,在增加有限复杂度情况下,SINR的估计精度有明显提高,特别是在终端处于高速移动?多普勒效应比较明显的信道环境下,SINR估算性能提升更加明显,从而提高系统的传输效率?