基于自适应算法的去噪滤波仿真比较

介绍了自适应滤波器的基本原理,对最小均方算法(LMS)和递推最小二乘算法(RLS)这两种自适应算法进行了理论分析和仿真比较.模拟仿真结果和语音去噪系统均表明:两种算法都能有效滤除噪声干扰.相比之下,RLS算法具有更好的收敛性能和稳定性,权噪声小,抑噪能力强.     

声学回声消除算法研究

在回声消除中,自适应滤波是核心,而滤波器系数的更新又是自适应滤波的核心.在声学回声消除领域,滤波器系数的更新最常使用的算法是LMS算法,目前针对LMS算法有两种改进算法,即NLMS和NBLMS算法.基于TI公司的DSP芯片的硬件资源特点来比较NLMS(Normalized LMS)和NBLMS(Normalized Block Update LMS)算法,为消除声学回声提供选择依据.     

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.     

基于LMS算法的智能天线的MATLAB仿真

分析了智能天线的基本原理,结合一种直线阵自适应阵列,在MATLAB软件下,采用基于LMS算法的波束成形方法,对智能天线进行仿真实现.结果表明,使用基于LMS自适应算法的智能天线技术后,接收端的误比特率(BER)得到明显降低.     

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.     

自适应滤波器的算法比较研究

自适应滤波器一直是随机信号处理当中的一个重要的研究课题。在介绍了自适应滤波器的各种算法之后,重点讨论了基于LMS的自适应滤波器算法和基于RLS的自适应滤波器算法,并用Matlab对这两种算法进行了仿真和比较分析。     

基于LMS算法的自适应均衡器的分析

LMS算法由于简单而获得了广泛的应用,文章通过MATLAB仿真,分析了基于LMS算法的自适应均衡器的特性,分别讨论了步长参数和特征值扩散度对均衡器收敛特性和均方误差的影响。     

自适应滤波器(LMS)算法及其在DSP上的实现

根据自适应滤波器(LMS)算法的原理,本文提出了自适应滤波器(LMS)算法在TMS320VC5410上的实现方法,给出了系统的工作原理、电路、算法程序以及实验结果.     

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)。     

频域LMS 算法在语音消噪中的应用

推导了一种替代时域 LMS算法的快速频域算法 ( FLMS) ,计算机仿真的结果表明 :它在自适应滤波器权数超过 64时 ,运算量较时域 LMS算法有大幅度的下降 ,但保持了与时域 LMS算法相同的收敛速度。同时对算法的局限性和应用范围进行了讨论。     

基于LMS的自适应干扰抵消算法的matlab实现

介绍了自适应干扰抵消算法和LMS算法。并利用matlab实现了时域LMS和频域块LMS自适应干扰抵消算法,对两种算法进行了理论分析。     

LMS和RLS算法的研究与实现

自适应滤波算法的研究是当今自适应信号处理中最为活跃的研究课题之一。寻求收敛速度快、计算复杂性低、数值稳定性好的自适应滤波算法是研究人员不断努力追求的目标。本文介绍了目前两种典型的自适应滤波算法,即最小均方（Least Mean Square,LMS）算法和递归最小二乘（Recursive Least Square,RLS）算法,并对这两种典型自适应滤波算法的性能特点进行分析及仿真实现,给出了算法性能的综合评价。     

一种变步长LMS自适应算法

本文提出一种步长自适应于绝对误差和的最小均方(LMS)自适应算法。给出收敛条件和精度比值。新算法对平稳和非平稳输入信号的权噪声功率,及系统的跟踪能力都明显地优于一般的LMS自适应算法。并给出计算机模拟结果。     

LMS算法在平滑伪Wigner分布中的应用

提出了最小均方(LMS)算法在信号时频分布中的一种新的简单应用.频域LMS自适应结构使用信号项与交叉项的连续和时变的状态去模拟平滑伪Wigner-Ville分布,表明相应的平滑窗是一个指数函数,这个指数函数的时间常量在自适应算法中由步长参数所定义.     

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。     

基于粒子群算法的自适应LMS滤波器设计及可重构硬件实现

自适应滤波器设计是典型的多参数组合优化问题,利用一种改进的粒子群优化算法(MPSO)来优化设计自适应LMS滤波器.将滤波器设计问题转化为滤波器参数优化的问题,利用改进的粒子群算法MPSO搜索整个参数空间,从而获得全局优化的系数.设计的滤波器应用于系统的跟踪响应中,并在基于可重构硬件的平台上实现自适应滤波器.从收敛和失调性能指标评价所设计的LMS滤波器,实验结果表明设计的LMS滤波器具有较好的性能,证明了这种方法的有效性和优越性.     

频域自适应数字滤波器LMS算法的研究

本文应用 DFT 的“重迭保留”法和循环卷积定理、LMS 算法原理,导出了频域自适应滤波的 LMS 算法的公式。通过分析该算法的性能,并与时域LMS 算法作比较,证明了频域自适应滤波的 LMS 算法的可行性。     

基于自适应滤波算法的FIR MIMO系统均衡

为了实现对多输入多输出(MIMO)系统的均衡,提出了一种基于自适应滤波算法的自适应均衡方法。应用判决反馈式均衡器(DFE)的结构,把MIMO信道均衡问题的模型建模成一个简化的滤波模型。这个滤波模型使MIMO系统均衡问题中均衡器的设计问题转化为自适应滤波中最优滤波器的设计问题。两种典型自适应滤波器设计算法——LMS算法和RLS算法被应用于该模型中进行仿真,仿真结果显示了算法的收敛性和均衡方法的可行性。这种自适应均衡方法不需要对信道进行辨识,具有较小的运算量,并且可以适应信道变化。     

一种基于MVSSLMS算法的改进及在语音增强上的应用

提出了一种改进的变步长LMS(Modified Variable Step Size Least Mean Squares)算法.用误差信号的自相关e(n)e(n-1)及均方误差e2(n)来调节自适应滤波算法的步长μ(n).仿真结果表明该算法的收敛速度更快,优于MVSSLMS算法,可以很好地应用于自适应系统中.最后,研究了改进算法在语音增强系统中的实现,从混噪语音中提取了原始语音信号.