基于箕舌线函数的快速凸组合最小均方算法

在分析凸组合最小均方(CLMS)自适应滤波算法性能的基础上,针对其联合参数λ(n)需要复杂指数运算的缺点,提出一种新的快速CLMS(FCLMS)算法。该算法采用修正箕舌线函数来替代原算法的Sigmoid函数,从而在保证算法收敛性能的同时合理避免了指数运算,在一定程度上提高了算法的灵活性。仿真结果验证了新算法与原算法相比有同样好的收敛性能并在计算量上明显小于原算法。     

基于改进的双曲正切函数变步长LMS算法

为了改进现有的变步长最小均方误差(least mean square, LMS)算法在低信噪比时性能较差的缺陷,提出了一种基于改进的双曲正切函数的变步长LMS算法,从理论分析和仿真实验两方面讨论了引入参数对算法收敛性、跟踪性、稳定性的影响及算法的抗干扰性。理论分析和仿真实验表明该算法在高低信噪比时均具有较快的收敛速度和跟踪速度以及较小的稳态误差和稳态失调,并且在低信噪比时该算法的收敛性、跟踪性、稳态性均优于其他多种变步长算法。     

基于相对误差互相关函数的变步长LMS算法

许多时变步长自适应滤波算法被用来解决标准LMS算法的固有矛盾,但实验表明这些算法易受独立噪声的干扰,或计算量大、耗时太长。针对上述问题,提出了一种新的变步长LMS自适应滤波算法,它采用相对的误差互相关函数来控制步长更新。该算法计算量小、易于控制,具有快速的收敛速度和较小的失调,不受已存在的非相关噪声的影响,可很好地应用于自适应对消系统中,且在低信噪比环境中仍能保持良好的性能。计算机仿真及实测数据的处理与理论分析结果一致。     

最小均方自适应滤波器

一、序言 滤波的任务就是要从获得的信号与干扰中尽可能地滤除干扰,分离出所期望的信号。这个问题的解决,从维纳的开创性工作开始,得到了卡尔曼等人的推广和提高,目前仍然处于方兴未艾的阶段。但是任何将维纳滤波理论与卡尔曼滤波理论用于实际的人都知道,他们必须事先具备信号与干扰的某些统计知识,才能动手设计这类滤波器,而这些资料往往正好是缺少的。于是人们以极大的兴趣与精力转而研究如何根据观测数据来实时地调整滤波器的参数,使之适应实际情况,这就是自适应滤波问题。 通常所说的自适应滤波几乎都是在卡尔曼滤波模型上进行。采用不同的估值方法,根据观测数据,或者估计噪音的统     

变宽度凸组合变阶数LMS自适应滤波算法

为了进一步改善凸组合变阶数最小均方(convex combination variable fractional tap-length least mean square,CFTLMS)自适应滤波算法的稳态性能,在证明其稳态性能的基础上,提出了一种变宽度凸组合变阶数(variable width-CFTLMS, VW-CFTLMS)自适应滤波算法,并给出参数的选择依据。仿真结果验证了低信噪比情况下,VW-CFTLMS算法稳态性能和参数选择依据的正确性;同时该算法的稳态性能要优于CFTLMS算法,其额外均方误差相比于CFTLMS算法降低约1.8 dB,具有实用价值。     

基于对数正态误差函数的变步长盲均衡新算法

为了克服常数模算法(CMA)收敛速度慢,收敛后均方误差大的不足,定义了对数正态误差函数和新变步长,提出了基于对数正态误差函数的变步长盲均衡新算法。通过调整对数正态误差函数的均值与方差及变步长特性参数来加快该算法的收敛速度并减小收敛后的均方误差。用深海声道轴信道,对该算法的性能进行了仿真研究。结果表明:该算法收敛速度快、收敛后均方误差小,较好地克服了CMA的缺陷。     

基于线性最小均方误差估计的SAR图像降噪

针对合成孔径雷达(synthetic aperture radar, SAR)图像降噪过程中容易引起细节纹理信息损失的问题,该文结合SAR图像相干斑噪声的统计特性,提出了一种基于变换域系数线性最小均方误差(linear minimum mean-square error, LMMSE)估计的SAR图像降噪方法。首先通过SAR场景下的Kmeans聚类算法将相似图像块聚类;然后针对每一类相似图像块集合进行奇异值分解(singular value decomposition, SVD),得到同时包含图像块集合行列相关信息的含噪奇异值系数;为从含噪奇异值系数中更准确地估计出真实图像奇异值的系数,先通过加性独立信号噪声(additive signal-dependent noise, ASDN)模型将乘性噪声转化为加性噪声,再利用LMMSE准则对奇异值系数进行估计,最后将估计结果重构得到降噪后的图像块集合。实验结果表明,该方法充分利用相似图像块集合奇异值系数稀疏的特性,采用LMMSE准则估计奇异值系数,既保证了系数中噪声分量的去除又避免了图像纹理细节对应小系数的丢失,不仅去噪效果明显,同时能有效地保持图像纹理细节,具有良好的图像视觉效果。     

基于FPGA的改进型最小均方自适应时延估计器

提高时延估计器的运算速度和时延分辨力是实现垂直线阵水下被动声目标快速、精确定位的关键。将最小均方自适应时延估计算法中原有的按“滤波-误差更新-权系数更新”严格依次递进的顺序迭代运算,优化为只包含误差更新和权系数更新操作的全并行乘/加运算。改进后的自适应时延估计器结构紧凑,并未改变其误差收敛特性。消声水池缩比试验表明,基于现场可编程逻辑门阵列(field programmable gate array, FPGA)实现的改进型最小均方自适应时延估计器能够在不需要流水线或时序控制单元的前提下提高数据处理速度,且具有一定的抗噪声干扰性能。     

基于扩展Infomax算法的变步长在线盲分离

由于扩展的Infomax算法需要一定的样本长度来估计信号的峭度,所以常采用离线批处理的方式,但这种方法不能处理混合矩阵发生变化的情况。通过判断系统混合矩阵是否改变,改进了在线估计峭度的模型,同时为解决在线算法中收敛速度和稳态误差的矛盾,提出了一种新的步长更新算法,该算法根据信号的分离状态与峭度曲线收敛程度的关系,采用峭度方差为参数来控制步长的变化,使得步长的选择与分离状态相结合,减小了稳态误差,仿真结果证实了该算法的有效性。     

基于独立分量分析的自适应最小均方误差多用户检测

分析了CDMA矩阵信号模型和线性独立分量分析的数学模型,根据比较得出这两种模型具有相同形式.将独立分量分析应用于CDMA系统的多用户检测中,提出了基于ICA后处理的自适应最小均方误差(MMSE)多用户检测方法.该方法采用自适应MMSE检测器的输出来初始化独立分量分析的迭代,既利用了信源的独立性,又充分利用了已知扩频码的信息,从而提高了多用户检测器的性能.仿真结果表明:采用提出方法的误码性能优于自适应MMSE检测方法,尤其在高信噪比的情况下,误码性能得到了较大改善.     

变步长LMS自适应极化递推估值算法

为了解决最小均方误差算法(least mean square,LMS)在干扰极化状态估值中存在的收敛速度和稳态误差之间的矛盾,应用变步长LMS算法进行干扰的极化状态递推估值。分析了传统定步长因子μ的选取和其对算法达到稳态时误差的影响;讨论了当干扰极化状态变化时算法的跟踪性能;并以雷达测角为例,进一步分析算法的实际应用可行性。最后给出了算法实现的原理方案。仿真结果和理论分析相一致,证明了该方法的有效性。     

一种新的变步长LMS自适应算法

为了提高LMS自适应算法的性能,在对一类变步长LMS算法研究的基础上,提出了步长因子与误差信号之间的一种新的非线性函数关系,进一步改善了此类算法的性能。在相同收敛速度或者相同超量均方误差的前提下,该算法具有更小的超量均方误差或者更快的收敛速度。计算机仿真结果与理论分析相一致,证实了该算法性能优于原算法。     

噪声鲁棒变步长LMS算法及其在OFDM水声信道均衡中的应用

针对最小均方(least mean square, LMS)算法在低信噪比(signal to noise ratio, SNR)条件下性能较差的问题,提出一种噪声鲁棒变步长LMS(noise robust variable step-size LMS, NRVSLMS)算法。该算法通过结合改进的双sigmoid函数和误差信号自相关函数,在迭代过程中动态调整步长的大小,解决了传统LMS算法中收敛速度、跟踪性能和稳态性能互相矛盾的问题。理论分析和仿真结果表明,与其他变步长算法相比, NRVSLMS算法抗噪声能力强,具有良好的跟踪速度和稳态性能。将该算法应用于正交频分复用(orthogonal frequency division multiplexing, OFDM)水声信道均衡中,与现有LMS类自适应均衡方法相比,基于NRVSLMS算法的信道均衡方法能够显著降低系统误码率(bit error rate, BER)和均方误差(mean square error, MSE)。     

OFDM系统中基于时域信号部分循环移位的低复杂度PTS算法

为了降低正交频分复用(orthogonal frequency division multiplexing, OFDM)信号的峰均功率比(peak to average power ratio, PAPR),提高系统的误比特率(bit error rate, BER)性能,提出了一种结合时域信号分割和部分子块循环移位的低复杂度部分传输序列(partial transmit sequence, PTS)算法,发送端仅需要一次快速傅里叶反变换(inverse fast fourier transform, IFFT)运算即可获得多个备选序列,接收端通过比较反向旋转序列与最近星座点的距离来恢复时域循环因子,实现了信号的盲检测。采用了两种不同的最佳序列选择准则:最小PAPR和最大相关性准则(cross correlation, CORR),并仿真分析了系统的PAPR性能和BER性能。结果表明,所提算法有效地抑制了OFDM信号的PAPR,提高了系统的BER性能,与传统PTS和选择性映射算法相比,明显降低了计算复杂度。     

Low complexity bit loading algorithm for OFDM system

1.INTRODUCTIONOrthogonal frequency division multiplexing is apromising technique for the next generation of wire-less communication systems.OFDMdivides the en-tire transmission bandwidth intoNorthogonal sub-channels.By adding a cyclic prefix(CP)to eachOFDMsymbol,bothintersymbol andintercarrier in-terference can be removed.Besides the i mproved i m-munity to fast fading brought by the multicarrierproperty of OFDMsystems,the subchannels are in-dependent of each other[1].When the chann…     

一种宽带循环平稳信号波达方向估计的快速算法

提出了一种宽带信号波达方向估计的快速算法——谱相关多级维纳滤波器(spectral correlation-multi stage Wiener filter,SC-MSWF)算法。由于同时利用信号的循环平稳特性和多级维纳滤波技术,该算法既不需要传统的宽带信号波达方向估计中的聚焦运算,也不需要对伪数据矩阵或其协方差矩阵的特征值分解。从而该算法在具有循环平稳类算法的所有优点的同时,也具有小运算量和低复杂度的特点。仿真结果证明了该算法的有效性。     

低复杂度的ADS-B抗干扰阵列天线无源校正算法

阵列的幅相误差、位置误差和互耦使真实阵列流形与理想阵列流形有较大偏差,校正这3种误差可以明显提高阵列的性能。针对广播式自动相关监视(automatic dependent surveillance-broadcast,ADS-B)系统,提出了一种同时校正上述3种误差的无源校正算法。通过阵列天线的位置和飞机位置获取校正源的来向信息,并利用该来向信息最终进行误差校正。与其他方法相比,所提方法大大减少了校正阵列的复杂度。仿真结果表明了该算法的有效性。     

Low complexity power control approach based on MMSE detection for V-BLAST

1. INTRODUCTION Layered Space-Time (LST) architecture offers a great increase in capacity, promising a linear growth with the size of the antenna array under some circumst- ances[1,2]. In recent years, Vertical Bell Lab Layered Space-Time (V-BLAST), one of the most important LST architectures, has been a hotspot in mobile com- munication because of its simple architecture and high spectral efficiency [3]. There have been some effective Per-Antenna Po- wer Control (PAPC) algorit…