基于一种新的S型函数快速凸组合最小均方算法

为解决传统凸组合自适应滤波算法在联合参数迭代计算量大、算法收敛速度慢、跟踪性能差等问题,提出了一种基于一种新的S型函数快速凸组合最小均方(SCLMS)算法;该算法用一种新的S型函数,代替Sigmoid函数,在保证和CLMS算法相同稳态误差情况下,避免了指数运算,减少了计算量;同时也提高了收敛速度和信号的跟踪性能。通过独立高斯白噪声作为输入信号算法仿真、相关噪声作为输入信号算法仿真;以及非平稳环境下算法仿真;并对三种仿真结果进行了分析,验证了该算法性能可靠有效。     

采用最小均方算法的自适应横向滤波器

文章首先简单介绍了LMS算法和采用此算法的系统结构图,随后分别给出了MATLAB和SIMULINK的具体实现及其运行结果,最后针对迭代步长对系统性能的影响情况进行简明的讨论。结果证明,采用LMS算法得出的结果与准确值的偏差在工程上完全可以接受,并且算法容易实现。     

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。     

反正切函数联合参数的凸组合最小均方滤波算法

为解决传统最小均方自适应滤波算法联合参数λ(n)运算量大、收敛速度慢的问题,提出一种基于修正的反正切函数的凸组合最小均方滤波算法,并应用Matlab软件对不同信噪比算法进行仿真比较。结果表明:该算法在保证运算量的前提下,能够加快算法的收敛速度及减小其稳态误差。反正切函数联合参数的凸组合最小均方滤波算法具有更好的滤波性能。     

基于X滤波最小均方算法的冲击振动自适应逆控制

针对冲击振动控制的自身特点及已有算法的缺陷，提出了冲击振动的自适应逆控制方法。该方法能够根据不同的负载特性自适应地调节逆控制器参数，在时域实现了冲击振动控制，完全克服了频域方法中低频分辨率低、易产生溢出的问题。同时，针对X滤波最小均方(LMS)算法运算量大、收敛速度慢的缺点，提出了一种快速X滤波LMS算法，运用批处理技术，使码元间的平均计算量减小。试验表明，该方法使控制精度提高了约50％，明显优于已有的控制方法。     

LMS算法中稳态均方误差的研究

该文详细讨论了ＬＭＳ算法中输入信号相关性，加权数目和稳态均方误差的关系。通过公式推导，从理论上证明了增加加权数目并不能保证减小稳态均方误差。对于具体的输入信号?存在一个最佳的加权数目，使稳态均方误差最小，再增加权数目，稳态均方误差有增大的可能。     

最优变步长最小均方模型和实现算法

为了解决最小均方(leastmeansquare,LMS)算法中收敛速度和稳态误差之间的矛盾,在独立假设的条件下,从滤波器系数均方误差的角度,提出了最优步长定理,证明了最优步长和均方误差之间存在一一对应的关系。并以此构造了最优变步长LMS(optimalvariablestep-size,OVS-LMS)模型。推出了最优步长的递推式,讨论了最优初始化相对步长的选取方法。综合以上的分析结果,提出了该模型的实现算法。计算机仿真证明了该算法和OVS-LMS模型的学习曲线是非常相近的,因而该算法在独立假设条件下是最优的变步长LMS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。     

最小均方算法用于数字信号的性能

为了获取最小均方 (LMS)算法用于数字信号的性能 ,提出了一项新的性能参数——误码率。分析了误码率与算法均方误差之间的关系 ,在实验的基础上给出了两者之间的一个近似函数表达式。并重点研究了算法步长对收敛速度、稳态失调量、误码率这三项性能参数的影响 ,以及步长确定的原则 ,为数字信号领域使用 LMS算法提供了一些理论基础。     

最小均方误差准则的自适应天线阵控零技术研究

本文针对基于最小均方误差准则的自适应天线阵方向图的控零技术进行研究。首先介绍了最小均方误差准则的基本理论,然后对基于该准则的自适应天线阵进行理论分析,最后对需要信号和干扰信号的到达方向发生改变以及干扰信号的幅值发生改变的两种情况阵的抗干扰性能。     

一种改进的MNVS自适应滤波算法

提出一种改进的归一化变步长自适应滤波算法（ＡＮＶＳ）,它对归一化变步最小均方误差自适应乍法（ＭＮＶＳ）作了进一步的改进,使之既具有愉收敛速度,又有快速跟踪能力,计算机仿真结果表明,该算法的性能明显优于ＭＮＶＳ算法,而其计算量与ＭＮＶＳ算法相当。     

一种改进的解相关LMS自适应算法

针对变步长LMS自适应滤波算法在输入信号高度相关时,收敛速度下降导致性能下降的问题,提出了一种改进的解相关LMS自适应算法,该算法引入解相关原理和归一化处理,用输入向量的正交分量来更新滤波器权系数,有效加快了算法的收敛速度,且稳态误差小,使得算法在有色输入和大范围的动态输入下都能保持良好性能.     

分级LMS算法的性能改进

提出一种改进型分级最小均方误差算法(modified Hierarchical LMS).该算法通过修正原有HLMS算法中各子滤波器的期望信号,以使各子滤波器均处于滤波处理状态,从而改善原有HLMS算法的性能.仿真结果表明,改进型HLMS算法不仅能保持快速收敛,而且在相同条件下滤波器冲激响应较之原有HLMS算法获得的滤波器冲激响应的均方误差有一个数量级的性能改善.     

一种可变步长LMS算法及其性能分析

提出了一种自适应可变步长最小方差算法（ANVSS），以解决基本最小方差算法LMS中收敛速度和稳态误差之间的矛盾．该算法利用当前和过去共m（滤波器阶数）个误差信息，并通过引入修正系数ρ和遗忘因子λ（i），来确定下一步的迭代步长．文中对这种算法进行了分析和仿真验算．对比一般的变步长算法，ANVSS算法对于平稳过程中的滤波器能获得更快的收敛速度和更小的稳态误差，同时还具有较好的跟踪跃变系统的能力．     

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)。     

基于LMS算法的自适应滤波器在水声信号处理中的应用

针对水下环境通常是一种时变的强噪声信道,而采用传统的滤波器难以检测到有用信号的特点,利用LMS自适应谱线增强算法,构造了自适应滤波器。通过理论分析与仿真实验对该增强器进行了研究。结果表明：该谱线增强器收敛后均方误差小,提高了增强谱线和抑制非高斯噪声的能力。     

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.     

一种改进的变步长LMS自适应滤波算法

在分析传统LMS(Least Mean Square)算法及其改进算法的基础上,提出了一种新的改进的变步长LMS算法。新算法利用误差信号以及误差信号相关值共同调整步长,克服了一般变步长LMS算法低信噪比环境下抗噪较差以及高信噪比环境下收敛较慢的缺点。计算机仿真结果表明,与传统LMS算法和VSSLMS算法相比,该算法收敛速度更快,均方误差更小,同时也具有良好的抗噪性能。     

带有色观测噪声的自适应滤波算法

对于带有色观测噪声的系统,基于最小二乘准则(LS),提出了递推增广最小二乘算法(RLSE),该自适应算法能显著减小噪声的影响,提高信号质量.并在此基础上提出了计算噪声方差的估值方法.计算机仿真例子和信噪比的计算证明了算法的正确性和有效性.     

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。