基于反双曲正切函数的变步长LMS算法

针对定步长的LMS算法无法同时满足低稳态误差和快收敛速度这个需求,本文提出了一种基于反双曲正切函数的变步长LMS算法. 该算法基于反双曲正切函数构建步长与误差信号之间的非线性函数关系式,以此来替代LMS算法中的定步长,实现了对步长因子的动态调整. 文中详细讨论了新的变步长函数中参数α,β和γ对于算法性能的影响,并和其他几种较新的变步长算法进行了性能比较. 仿真结果表明,所提算法很好地兼顾了收敛速度、稳态误差和跟踪性能,在系统辨识、正弦信号去噪和自适应线性预测方面表现出了优异的性能.      

一种新的变步长LMS自适应滤波算法及其仿真

针对变步长自适应滤波算法收敛速度和稳态误差相矛盾的不足,建立了步长μ(n)与误差信号e(n)之间的一种新的非线性函数关系。该函数具有初始阶段和未知系统时变阶段步长自动增大而稳态时步长很小的特点,且能克服输入端不相关噪声对步长μ(n)的影响。由此函数,得出了一种新的变步长自适应算法,理论分析和计算机仿真结果表明该算法的性能优于文中所述其他算法。     

一种新的变步长LMS自适应滤波算法及其仿真

针对变步长自适应滤波算法收敛速度和稳态误差相矛盾的不足,建立了步长μ(n)与误差信号e(n)之间的一种新的非线性函数关系.该函数具有初始阶段和未知系统时变阶段步长自动增大而稳态时步长很小的特点,且能克服输入端不相关噪声对步长μ(n)的影响.由此函数,得出了一种新的变步长自适应算法,理论分析和计算机仿真结果表明该算法的性能优于文中所述其他算法.     

用于恒模数字信号的变步长归一化最小均方算法

为全面分析用于数字信号的最小均方（LMS）算法性能，提出了一种新的性能评估参数－误码率，为了提高LMS算法性能，提出了一种新的变步长归一化LMS自适应算法，该算法长在启动阶段主要由瞬时误差控制，以加速收敛，在收敛阶段主要由其历史值来决定，以获得低的误码率，而切换条件是基于短时均方误差值，与已有类似的变步长LMS算法相比，在几乎不增加算法复杂度的情况下，具有更快的跟踪速度，更低的比特误码率，特别是其控制参数在观测噪声强度发生变化时不需重新调整，计算机仿真效果支持了理论分析。     

变步长等变自适应盲源分离算法

针对传统盲源分离(BSS)算法采用固定步长难以同时兼顾收敛速度和稳态误差的难题,采用等变自适应盲源分离(EASI)算法,提出了一种基于分离指标的变步长等变自适应盲源分离算法(VS-SI)。该算法利用EASI收敛条件,构造表征信号分离程度的分离指标,并设计带遗忘因子的更新算法,以减小历史数据误差的影响,实现分离指标的自适应计算,并采用一个非线性单调递增函数实现步长的自适应调节。通过与固定步长的自然梯度算法(FS-NG)、固定步长的EASI算法(FS-EASI)、步长指数衰减算法(EDS)和基于权重正交约束变步长算法(AS-WO)的性能进行对比,结果表明,在无噪声和有噪声两种情况下,提出算法均有较快的收敛速度,最终性能指标分别减小了15%和20%以上,同时兼顾稳态误差和收敛速度,具有较好的数值鲁棒性。     

一种改进的声回声抵消算法

NL MS(normalized least mean square)算法是是自适应信号处理中应用最广泛的算法之一 ,它的最大缺点是收敛速度慢 ,对非平稳信号自适应能力差。为提高声回声抵消算法的收敛速度 ,采取了将语音分析中常用的线性预测作为前置滤波器的方法来减少参考信号的相关性 ,采用步长控制的方法来提高收敛速度 ,同时保持了 NL MS算法稳定性好和算法简单的优点。最后在模拟环境下对算法进行了测试 ,证明了比 NL MS算法具有更高的收敛速度和回声抵消量     

一种新的变步长LMS算法

为了提高LMS自适应算法的性能,在对传统LMS算法、变步长LMS算法及其改进算法分析的基础上,提出了一种新的步长与误差信号之间的函数关系。既能保证均方误差收敛、有较小的失凋,又能在算法达到稳态时,在低信噪比环境下有很好的跟踪性能,并且不易受噪声影响。理论分析和计算机仿真结果均表明该算法优于传统算法。     

一种新的变步长自适应最小均方算法

提出了一种根据滤波器系数梯度差值的自相关来计算步长的新的变步长自适应LMS算法。分析了算法的收敛性能和稳态特性,给出了算法参数选择的原则。由实验验证了该算法具有良好的收敛性能和跟踪特性,特别是在输入信号相关的情况下,该算法显示出比标准LMS算法和其它变步长算法的优异性能。     

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?     

一种基于离散小波变换的自适应滤波新算法

将小波变换、变换域自适应算法和变步长自适应算法相结合，得出了一种基于离散小波变换的自适应滤波新算法(NDWT-LMS)，该算法可以有效地降低输入信号的自相关程度，克服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。计算机仿真结果表明该算法与LMS算法相比具有更快的收敛速度和更小的失调噪声，可以很好地应用于自适应系统中。     

基于DFP的二阶Volterra滤波器及其在混沌序列预测中的应用

为克服应用Least Mean Square（LMS）,Normalized LMS（NLMS）或Recursive Least Square（RLS）算法估计二阶Volterra滤波器系数时参数选择不当引起的问题,提出了基于后验误差假设并具有可变收敛因子的Davidon-Fletcher-Powell（DFP）方法的二阶Volterra自适应滤波器（DFPSOVF）．给出参数估计算法中自相关逆矩阵估计的递归更新公式,并对算法的计算复杂度进行了分析．应用DFPSOVF滤波器对纯净和不同信噪比下的Lorenz混沌时间序列以及实际采集的具有混沌特性的温度时间序列进行单步预测,仿真表明其能够保证算法的稳定性和收敛性,不存在LMS算法和NLMS算法的发散问题．     

基于NLMS线性相位FIR滤波器的自适应设计

在以往具有线性相位的滤波器自适应方法中,最常用的是最小均方（ＬＭＳ）方法。但用此法设计时必须小心地选择迭代步长,同时还可能遇到梯度噪声放大问题。文中提出了一种用于设计具有线性相位的有限冲击响应（ＦＩＲ）滤波器自适应方法。它用经过改进的归一最小均方（ＮＬＭＳ）算法来保证所得结果具有线性相位,且克服了梯度噪声放大问题,同时也不必选择步长。进一步的改进使它的计算更高效,实时实现更方便。     

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.     

基于阵列天线的改进步长抗干扰算法

在空间电磁对抗环境错综复杂的情形下,所接收的导航信号很容易被干扰,信号极易因被干扰而无法正常接收。针对以上问题,本文基于阵列天线,对抗干扰算法进行了研究,为简化运算,避免求逆问题,提出迭代逼近的方法对权值进行更新。针对固定步长在权值收敛时的局限性,为了改善算法的动态输入范围,提高收敛速度,提出了一种新的变步长的功率倒置算法。该算法以输入信号的瞬时能量值为基础构造步长的更新模型,有效解决了因步长选取不当产生的矛盾问题。仿真实验表明,相比较于固定步长的抗干扰算法,本文所提的变步长算法可以有效提高权值收敛速度,并对干扰形成更深的零陷,具有较好的干扰抑制能力。     

个别时变步长LMS自适应算法

本文提出一种步长自适于输入信号与预测误差相关的个别时变步长最小均方(IVLMS)自适应算法。给出步长的物理解释,导出算法的收敛条件、权二阶矩矩阵差分方程和稳态失调量。将个别时变步长的思想应用于归一化LMS算法和分块LMS算法,均获得良好效果。     

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。     

一种时域变步长BLMS自适应算法

在块最小均方LMS自适应滤波算法(BLMS)的基础上,提出了一种新的变步长的BLMS算法,该算法中的步长随着块平均误差增加或减小而相应地变大或变小,并引入补偿因子,使得自适应滤波器在调节权值的过程中块均方误差在接近零处具有缓慢变化的特性。理论分析和实验仿真表明,该新算法具有比BLMS算法较快的收敛速度,较小的稳态误差,有较好的抑制噪音的能力,有利于实时数字信号处理。     

Active micro-vibration control based on improved variable step size LMS algorithm

The contradiction of variable step size least mean square(LMS) algorithm between fast convergence speed and small steady-state error has always existed. So, a new algorithm based on the combination of logarithmic and symbolic function and step size factor is proposed. It establishes a new updating method of step factor that is related to step factor and error signal. This work makes an analysis from 3 aspects: theoretical analysis, theoretical verification and specific experiments. The experimental results show that the proposed algorithm is superior to other variable step size algorithms in convergence speed and steady-state error.