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.     

自适应均衡算法的研究进展

简述了能补偿或减小现代通信系统中的码间干扰问题的自适应均衡算法的基本原理及其特点．介绍了最小均方误差算法、递归最小二乘算法等几类主要的自适应均衡算法,并阐述了近年来出现的主要的自适应均衡算法的原理,对误码率、收敛速度、运算量及稳态误差等评价指标进行了分析．结合分析结果和自适应均衡算法的实际应用前景,探讨了这一领域需要进行进一步研究的问题,并对今后的研究进行了展望．     

阵发性强干扰下盲多用户检测算法的性能分析

盲自适应多用户检测的典型算法主要有:最小均方算法、递归最小二乘算法和卡尔曼滤波算法.为分析比较3种算法的收敛速度、抗多址干扰能力和跟踪性能,在阵发性强干扰通信环境下对这3种算法的时间平均信干比(SIR)、平均输出能量(MOE)作了仿真测试.     

一种改进的树形矢量量化编码算法

矢量量化中的一个最严重的问题是在一本码本中搜索最近码字的高计算复杂度。本文在研究树形矢量量化的基础上提出了一种改进的树形矢量量化编码算法。实验结果表明,本文提出的编码算法相对于树形矢量量化算法可大大改善峰值信噪比（ＰＳＮＲ）。     

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。     

改进的LMS-Rake接收机的性能

为了提高传统Rake接收机在无线通信系统中的性能,消除信号间的干扰和噪声,采用一种改进的基于最小均方误差(LMS)算法的Rake接收机,该结构针对传统的MRC-Rake接收机需通过增加分支数来提高性能,而MMSE-Rake接收机需要进行矩阵的逆运算的不足,利用LMS算法进行权值计算并对步长进行了改进.经过理论分析和仿真结果表明,LMS-Rake接收机较传统的MRC-Rake接收机的性能有较大的提高,并且结构简单、运算复杂度低、易于实现.     

基于最小平方线性估计的GPS精度改进算法

针对全球定位系统(GPS)的精度,提出了一种基于简化误差模型的线性最小平方估计方法,通过对漂移数据进行共模抑制结合LMS滤波实现,得到了较高的精度。这种方法要求的计算量不大,便于低成本终端的实现。     

基于改进LMMSE的UFMC信道估计算法

针对将线性最小均方误差(linear minimum mean square error, LMMSE)算法直接应用于通用滤波多载波(universal filter multi-carrier,UFMC)系统中需要先验信道相关矩阵信息的不足,提出基于LMMSE的改进算法.该算法在频域对使用最小二乘(least square, LS)算法获得的信道频率响应进行平滑处理,在时域通过优化采样点的截短以确定理想的信道采样长度,并采用迭代估计方法获得最优信道相关矩阵,从而避免先验信道相关矩阵信息.经MATLAB仿真验证,改进后的算法对噪声的干扰可以有效抑制,对比传统LMMSE算法误码性能提升约2 dB,可以有效改善信道估计的准确度.     

自适应滤波器的变换域LMS快速实现算法

本文提出了一种自适应滤波器的变换域ＬＭＳ快速实现算法，井给出了实现这种自适应滤波器的双层线性结构。较之传统的时域ＬＭＳ算法它具有更好的收敛性，并且可以抑制计算误差的积累，因而特别适合于用低低成本实现。此外，还给出了计算机模拟的结果。     

无线传感器网络中基于反距离加权的DV-Hop改进算法

通过分析传统DV-Hop定位算法在对无线传感器网络中节点分布随机性方面的不足,提出了一种改进算法。该算法采用最小均方误差准则代替方差或偏差,求得平均每跳距离。为了体现各信标节点对未知节点的影响程度不同,采用反距离加权法来处理平均每跳距离。实验结果表明,在没有增加原算法复杂度和成本的前提下,定位精度有了一定提高,该算法是一种简单实用的改进定位算法。     

一种改进的递推最小二乘盲多用户检测算法

为提高基于递推最小二乘(RLS)算法的盲多址干扰抑制检测器的稳态输出性能，根据空间正交投影算法和自适应判决反馈控制算法，提出一种基于RLS算法的自适应判决反馈盲干扰抑制检测器，该检测器在启动阶段，等价为一种基于RLS准则的盲干扰抑制检测器，在稳态收敛阶段，等价为一种有训练数据的RLS干扰抑制检测器．既保持了最小输出能量(MOE)检测器的全局收敛性，又具有最小均方误差检测器高输出信干比的优点．计算机仿真结果表明，该检测器性能优于已有的基于MOE准则的检测器，且能应用于时变信道．     

整体最小二乘参数估计的并行算法

基于递推最小二乘的逆ＱＲ分解方法,给出一种整体最小二乘参数估计的递推算法,并利用已获得的并行实现方法进行并行实现,最后给出了仿真结果．文中给出的并行计算方法使得在实际中应用整体最小二乘进行参数估计变得可行．     

增长曲线模型回归系数的压缩最小二乘估计

本文采用压缩最小二乘估计Ｂ∧（ｍ）来估计设计阵呈病态时的增长曲线模型回归系数阵Ｂ．通过ｍ值的选取，可使β＾（ｍ）＝Ｖｅｃ（Ｂ∧（ｍ））的均方误差小于β＝Ｖｅｃ（Ｂ）的ＬＳＥβ∧的均方误差．证明了β∧（ｍ）具有可容许性、抗干扰性和有效性，并给出了实际应用中选取ｍ值的方法．     

非线性系统的递推最小二乘自适应模糊控制

提出了一种可有效消除被控系统不确定性的自适应模糊控制方法．该方法采用模糊逻辑系统（FLS）来辨识系统的未知函数，并采用连续形式的递推最小二乘算法作为自适应律调节FLS权参数．该自适应律可保证FLS权参数稳定收敛，最终收敛至最佳值的一个很小邻域中，同时保证跟踪误差指数衰减趋于0．倒立摆仿真结果表明，采用该方法时，辨识的归一化平方误差小于2％，其相对跟踪误差较混合自适应控制方法减少了58％．     

LS估计的抗差性分析

依据LS估计的分解，对LS估计的抗差性进行了分析。通过观测数据协方差矩阵的改进，建立了一种抗差参数估计方法。     

严格的最小二乘递推算法

当缺乏待估计量的初始统计知识时,最小二乘递推（ＲＬＳ）算法不能给出严格意义下的最小二乘估计．本文继文献［１］之后,应用广义逆的理论,分别就一般加权情形、最优加权情形和指数加权情形给出了严格的最小二乘速推算法（简称Ｒ２ＬＳ算法）．该算法无需事先提供待估计量的任何统计知识而能获得严格意义下的最小二乘估计,且证明了该算法分别为时变与定常系统提供了最短时间无偏状态估计算法与无差状态观测器．     

一种基于交互投影原理的快速自适应横向传播建模算法

针对最小均方建模算法用于长记忆有限脉冲响应滤波器模型时收敛速度慢的问题,提出了基于交互投影原理的横向传播建模算法(简称为TPLMS算法).该算法将滤波器按质因数分解为多组滤波器组合,从最短的子滤波器分组开始迭代,逐步过渡到原滤波器,在每一时刻,采用最小均方算法顺序求解分组内各子滤波器的权系数.在迭代过程中,由于滤波器的长度缩短,从而可采用更大的步长,使权系数以更快的速度收敛.随着子滤波器长度的逐步增加,可以逐步减小迭代步长,从而得到较低的失调误差.仿真结果表明,TPLMS算法的收敛速度优于传统的最小均方算法和变步长最小均方算法.该算法收敛速度快,特别适用于长记忆有限脉冲响应滤波器模型的自适应建模.     

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。     

基于树的递归算法分析技术

针对扩展递归技术的局限性,本文提出基于树的递归算法分析技术。借助于分析树,可直观地、清晰地描述递归算法的分析过程,从而有效地解决递归算法时间复杂性的分析问题。