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。     

基于格型结构LMS算法的自适应预测

自适应预测在语言和图像编码中有着大量的应用。本文重点研究LMS算法的一步线性预测。其间推导了LMS算法在格型结构中的表达式,并验证了二阶格型结构的LMS算法收敛过程,也在格型结构系统中验证了LMS算法在一步前向预测上的准确性。结果表明,在格型结构中使用LMS算法进行一步前向预测,能够达到较高的准确性。     

无线通信的两种自适应均衡算法仿真分析

在无线通信中,通信质量受到码间干扰的影响。而均衡技术能够有效降低码间干扰的影响。本文比较了最小均方算法和归一化最小均方算法,并利用计算机仿真对两种算法的性能进行分析。     

基于LMS算法自适应滤波器的Matlab仿真分析

适应滤波器在信号检测、信号恢复、数字通信等许多领域中被广泛应用,因而一直是学术界一个重要研究课题。近年来,微电子技术和超大规模集成穴VLSI雪电路技术的飞速发展又促进了自适应滤波技术的进步。自适应滤波技术正是由于具有对干扰频率不敏感且其权值调整是基于对系统参数的优化等特点,而越来越多地受到人们的关注。传统的自适应滤波器主要在时域中实现,采用抽头延迟线(TappedDelayLine)结构及Widrow-Hoff自适应LMS算法。这种方法算法简单,稳健性也比较好,因而被广泛的应用。但是滤波器的阶数可能会很高,步长系数可能会很小,收敛性…     

基于RA准则的多用户OFDM自适应资源分配算法改进

针对现有最优算法计算复杂度高、不利于实时应用的不足,根据误比特率和总功率限制条件下多用户OFDM系统自适应资源分配的数学优化模型,从最大化系统容量的目标出发,提出了一种计算复杂度低、易于实现的子载波、比特及功率分配算法.理论分析和仿真结果表明,在时变无线信道中采用此算法的性能明显优于Lee提出的算法和静态资源分配算法(OFDM-TDMA),且计算复杂度低.     

基于快速FIR算法的自适应滤波器的VLSI实现

【目的】自适应滤波器能根据优化算法来自动调整传递函数，是一种强大的自适应系统，在信号处理、通信、雷达、声呐、地震学、导航系统和生物医学工程等领域有着广泛应用。随着集成电路工艺技术的发展，电路功耗显得尤为重要，可提升收敛特性和吞吐率。【方法】本研究提出一种基于快速FIR算法的3并行延时LMS自适应滤波器的架构，设计一种新颖的硬件高效架构，用于并行自适应3条支路的权重更新。与传统滤波器结构相比，并行滤波器具有更高的吞吐率和更低的功耗。为提高自适应数字滤波器的收敛特性，从三条权值更新支路中选择一个具有更好系统性能的分支。采用细粒度的算术运算单元和重定时技术，能有效降低关键路径的延时。【结果】从ASIC综合结果可知，与现有最佳结构相比，本研究所提出的3并行9抽头滤波器架构的功耗降低近16%，面积延时积(ADP)降低近11%。【结论】本研究所提出的架构设计具有重要的实践指导意义。     

一种改进变步长ELMS算法及其在自适应消噪中的应用

在简单讨论LM S算法的基础上,引入了ELM S算法,分析说明了该算法能达到更小的稳态M SE.改进的变步长ELM S算法是在对有用信号的预测中采用了自适应NLM S预测估计器,步长迭代中引入遗忘因子iλ,利用其与误差信号的加权和产生新的步长参与迭代.不仅对所提算法的收敛性及性能进行了分析,并将其用于自适应噪声对消中获得了成功.仿真结果表明,该算法有较好的收敛性能和较小的稳态失调.     

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.     

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．     

一种改进的矢量曲线数据压缩算法

对已有的矢量数据压缩算法进行分析，提出一种更简单、精确的算法，这种算法基于斜率和封闭曲线的数据压缩可以一次性提取特征点。     

基于遗传算法的输油管道压力信号自适应滤波

通常检测到的输油管道压力信号存在着信噪比较低的问题,通过应用实数编码的改进遗传算法对最小均方误差(LM S)自适应滤波器的权值向量W进行寻优,避免了收敛步长μ选择不当所引起的误差;遗传算法的并行操作也有效地防止了W在递推过程中收敛于局部最优解.仿真结果表明,该方法简单,运行时间短,去噪效果良好,可为泄漏检测和定位提供可靠的数据.     

基于去相关NLMS算法的自适应回波抵消

在NLMS算法的基础上,从语音信号相关性的角度出发,提出了一种去相关NLMS算法(DC-NLMS).该算法收敛速度快,稳态失调小,计算量与NLMS算法相当,克服了APA算法收敛速度快但计算量大的缺陷.计算机仿真结果表明,DC-NLMS算法在自适应回波抵消中的综合性能要优于NLMS算法、APA算法以及文献[7]中的算法.     

基于QR分解算法的自适应抗干扰阵列最优权值并行提取

自适应抗干扰阵列系统通常采用数值稳定性良好的ＱＲ分解最小二乘法进行自适应处理。在需要最优权值的应用中,采用“回代法”或“权冲洗法”从阵列中得到权值。     

变步长凸组合LMS自适应滤波算法及分析

针对现有变步长凸组合LMS(VSCLMS)算法需预先决定行为参数的问题,提出了一种新的VSCLMS算法. 该算法对变步长滤波器按步进行分析,以最大均方权值偏差准则为步长选择依据,对固定步长滤波器则采用稳态最小均方误差准则为步长选择依据. 理论分析与仿真实验表明,该算法能在噪声、时变、甚至非平稳的环境下保持良好的随动性能,并在收敛的各个阶段均保持快速而稳定的均方特性. 与现有VSCLMS及CLMS算法相比,具有更快的收敛速度,且稳态均方性能与跟踪性能均更好.     

渐消递推滤波辅助光谱分析：最佳自适应算法

研究了Ｋａｌｍａｎ渐消递推最佳滤波辅助光谱辨析。基于Ｋａｌｍａｎ滤波达到最优时其新息序列互不相关的性质，提出了一种新的渐消滤波─—最佳自适应算法。通过在线自适应地调整遗忘因子从而使滤波（器）在存在模型误差或受到外扰时仍保持收敛性和最优性。用于重叠峰的辨识，能取得更好效果。     

基于自适应权重的粒子群和K均值混合聚类算法研究

针对K均值聚类算法存在的缺点,提出了一种基于自适应权重的粒子群优化(PSO)和K均值混合聚类算法.该算法在运行过程中通过引入非线性动态惯性权重系数,提高了混合聚类算法全局搜索能力和局部改良能力,并根据群体的适应度方差来确定K均值算法操作时机,增强算法局部搜索能力的同时缩短了收敛时间.将该算法与K均值聚类算法、基本PSO聚类算法和基于传统的粒子群K均值聚类算法进行比较,表明该算法不仅能有效地克服陷入局部最优,而且全局收敛能力和收敛速度都有所提高.     

基于遗传/自适应神经网络混合算法求解作业车间调度问题

本文针对一类加工时间可变的调度问题,用遗传算法和基于约束满足的自适应神经网络混合算法进行了研究.遗传算法迭代生成的染色体对应非可行解,由自适应神经网络运算后得到可行解,对应的染色体作为新一代染色体.本算例的目标函数是基于任务的提前/拖期惩罚、附加惩罚以及加工时间的偏离量惩罚,目标是确定最优加工时间和最优加工顺序极小化目标函数,并与一般的遗传算法相比较,最后结果证明了本文算法的有效性.