LMS算法的自适应逆控制变频调速系统

针对矢量控制变频调速系统参数鲁棒性差这一交流传动领域难题,提出基于自适应逆控制理论的感应电机变频调速新型控制结构用于增强系统参数鲁棒性;提出一种基于变论域的变步长LMS自适应滤波算法用于电机系统及其逆系统建模。研究结果表明,变论域变步长LMS算法克服了收敛速度、时变系统跟踪速度与收敛精度方面的矛盾;自适应逆控制的变频调速系统对感应电机参数摄动具有鲁棒性。     

一种新的变步长LMS算法

对已有的一些变步长LMS自适应滤波算法进行了分析,在此基础上提出一种改进的变步长LMS算法.该算法建立了步长因子与误差信号和权系数变化之间的非线性函数关系,从而使权向量异步更新达到最佳.仿真结果表明,该算法具有更快的收敛速度,更小的稳态误差及更平稳的收敛过程.     

一种新的变步长LMS自适应滤波算法

对变步长自适应滤波算法进行了讨论,提出了一种新的变步长LMS算法。新算法用误差信号的自相关及均方误差的时域平均来调节自适应滤波算法的步长。由于不需要指数运算,新算法的运算量大大降低,收敛速度快,且消除了不相关噪声的干扰。将该算法用于码间干扰比较严重的大气激光通信系统中,仿真结果验证了算法的优越性。     

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)。     

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.     

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。     

变步长自适应滤波算法的谐波检测

为提高自适应滤波算法的收敛速度,并降低其稳态误差,建立了LMS算法理论最优步长值与误差信号和输入信号之间的关系,提出了一种新的变步长LMS自适应谐波检测算法。该算法的优点是:根据误差信号的平方时间均值估计来调节步长因子,克服了以往算法在自适应稳态阶段步长调整过程中的不足。即使待检测信号的信噪比较低,检测过程也具有较快的动态响应速度和保持较小的稳态失调噪声。计算机仿真表明,该算法具有更好的收敛精度。     

变换域自适应滤波技术在扩频通信抗窄带干扰中的应用

在众多变换域抗窄带干扰的信号处理技术中,自适应滤波具有对干扰频率不敏感的优点,且其权值调整是基于对系统参数的优化.但由于必须通过迭代收敛达到稳态解,自适应滤波算法不能锁定快变干扰.文中利用正交加速算法来提高最小均方误差(LMS)算法的收敛速度,推导出了使用变换域自正交加速算法时系统误码率的解析表达式.仿真结果表明,采用自正交化可以大幅度提高自适应算法的收敛速度,从而为基于变换域自适应滤波技术的接收机走向实用提供了理论基础.     

基于双曲正弦函数和多尺度小波变换的自适应滤波算法

将基于双曲正弦函数的变步长LMS算法与多尺度小波变换算法相结合,建立了一种新的自适应滤波算法.MATLAB仿真结果表明,新的算法具有更好的抑噪能力和更快的收敛速度.     

变步长自适应算法在雷达旁瓣对消系统中的应用

雷达旁瓣对消系统的具体结构是由该系统所采用的性能量度准则及其所对应算法决定的,雷达旁瓣对消技术是提高雷达电子战能力的关键技术之一,为了提高雷达旁瓣对消中算法的收敛速度和稳态性能,针对目前变步长自适应滤波算法中存在的收敛速度慢、稳定性差的问题,提出了一种基于变步长改进型S函数的LMS算法,仿真表明:采用该算法的旁瓣对消系统可快速有效地抑制干扰,有效提高旁瓣对消系统的实时性和稳态性能;并根据实际应用环境的需要进行了实验验证,实验数据表明:当存在接收机内部噪声和两点相干干扰源时,采用双相干干扰对消系统好于单个相干干扰对消系统。     

Study of Variable Step Size LMS Adaptive Algorithm Based on Variable Region

This paper puts forward a new variable step size LMS adaptive algorithm based on variable region. The step size p（k） in the algorithm varies with the variation of the region of deviation e （k） to ensure the optimization of the three performance objectives including initial convergent speed, trace ability of the time-varying system and steady disregulation. The paper demonstrates the convergence of the algorithm accompanied by random noise,     

ELMS算法及其变步长算法研究

在分析LMS算法的基础之上,对作为其改进算法的ELMS算法进行了研究,并对二者的性能进行了分析比较,指出了ELMS算法的优越性。进而,提出了一种变步长ELMS算法(VSS-ELMS),理论分析和计算机仿真均表明该算法具有较快的收敛速度和更好的稳态性能,可以很好地应用于自适应系统中。     

高斯白噪声下LMS算法的改进

自适应（ＡＲ）模型是数字信号处理中广为应用的一种模型,它的系数可以通过ＬＭＳ算法求解。但当输入信号受到高斯白噪声干扰时,用ＬＭＳ算法求得的解误差很大,所以提出了改进的算法。通过理论分析,指出这种算法的有效性。     

卫星通信中一种改进的变步长LMS均衡算法研究

针对传统的定步长最小均方误差（fixed step size-least mean square,FSS-LMS）算法不能同时兼顾快速收敛和较小稳态误差,以及变步长最小均方误差（variable step size least mean square,VSS-LMS）算法也不能满足较快的收敛速度和较好的抗噪声性能等问题,提出了一种在Sigmoid函数中引入递减的等比序列,在估计误差的自相关函数基础上,用前后时刻的绝对误差来代替当前时刻的瞬时误差,加强了对步长因子控制的算法。仿真结果表明,在不同的信噪比环境下,提出的算法较其他LMS算法具有收敛速度快、抗噪声性能强和稳态误差小等特点。同时,给出了卫星通信系统的仿真模型,并且将提出的算法应用到了该系统模型的自适应均衡器之中,系统的误码性能有较大的改善。     

量化LMS算法的自适应滤波器及其低功耗设计

LMS算法实现自适应滤波器,电路结构简单且能够达到满意的性能,广泛应用于以太网和802.11无线局域网中.分析了3种量化LMS算法的收敛速度和稳态误差,提出了用2-指数来量化误差信号,符号截断来量化输入序列;提出了用半加器来实现系数自适应调整,量化后的系数更新因子只有一个“1”,性能可以和传统的LMS算法媲美,硬件规模和功耗只有传统LMS算法的60%.     

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。     

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。     

CDMA系统中的几种智能天线自适应算法

首先介绍了RLS，LMS，CMA等适于在CDMA中应用的智能天线算法，并通过建模仿真来分析几种算法的性能及天线阵元数、用户数等指标不同时，智能天线接收信号的性能差别。RLS算法比LMS算法收敛速度快，LMS算法比CMA算法收敛速度快；达到SINR要求时，系统容量与天线阵元数成正比。RLS，LMS算法在解扩前处理收敛速度比解扩后处理收敛速度快。     

一种新的变步长LMS自适应算法及其在自适应噪声对消中的应用

阐述了一种改进的LMS算法并应用于自适应噪声对消．新算法利用误差信号的相关值调节算法步长，解决了收敛时间和稳态误差的矛盾，并且不受已经存在的不相关噪声的干扰．对该算法的收敛性和稳定性进行了分析，仿真表明该算法优于固定步长的LMS算法和VSSLMS(variable step size)算法．