首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 187 毫秒
1.
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。  相似文献   

2.
利用MATLAB仿真软件对线性调制下LMS和RLS两种算法进行仿真,通过仿真比较了两种算法的收敛速度,对两种算法收敛后的误码率进行分析,研究了步长对LMS算法均方误差性能曲线的影响和遗忘因子对RLS算法性能曲线的影响.  相似文献   

3.
基于双曲正切函数的智能天线变步长LMS算法   总被引:2,自引:0,他引:2  
提出一种基于双曲正切函数的智能天线变步长最小均方(LMS)算法. 通过建立步长因子与误差信号的双曲正切函数关系改进LMS算法, 解决了固定步长时收敛速度和稳态误差间的矛盾. 仿真结果表明, 所提出的变步长最小均方算法比标准的最小均方算法有更快的收敛速度和更小的稳态误差.  相似文献   

4.
最优变步长最小均方模型和实现算法   总被引:2,自引:0,他引:2  
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。  相似文献   

5.
本文提出一种步长自适于输入信号与预测误差相关的个别时变步长最小均方(IVLMS)自适应算法。给出步长的物理解释,导出算法的收敛条件、权二阶矩矩阵差分方程和稳态失调量。将个别时变步长的思想应用于归一化LMS算法和分块LMS算法,均获得良好效果。  相似文献   

6.
一种时域变步长BLMS自适应算法   总被引:1,自引:0,他引:1  
在块最小均方LMS自适应滤波算法(BLMS)的基础上,提出了一种新的变步长的BLMS算法,该算法中的步长随着块平均误差增加或减小而相应地变大或变小,并引入补偿因子,使得自适应滤波器在调节权值的过程中块均方误差在接近零处具有缓慢变化的特性。理论分析和实验仿真表明,该新算法具有比BLMS算法较快的收敛速度,较小的稳态误差,有较好的抑制噪音的能力,有利于实时数字信号处理。  相似文献   

7.
基于梯度向量的变步长LMS算法   总被引:1,自引:1,他引:0  
传统的最小均方误差(Least Mean Square)算法难以同时获得较快的收敛速度和较小的稳态误差。本文在对传统LMS算法、变步长LMS算法及其改进算法分析的基础上,通过建立步长参数与梯度向量之间的一种新的非线性函数关系,提出一种改进的变步长LMS算法。分析和仿真表明,改进后的算法收敛速度更快,均方误差更小,同时也具有良好的抗噪性能。  相似文献   

8.
一种新的可变步长LMS自适应滤波算法   总被引:5,自引:0,他引:5  
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)。  相似文献   

9.
一种改进的变步长LMS自适应滤波算法   总被引:1,自引:1,他引:0  
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。  相似文献   

10.
魏晓妮 《科学技术与工程》2011,11(4):749-751,755
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。  相似文献   

11.
针对定步长的LMS算法无法同时满足低稳态误差和快收敛速度这个需求,本文提出了一种基于反双曲正切函数的变步长LMS算法. 该算法基于反双曲正切函数构建步长与误差信号之间的非线性函数关系式,以此来替代LMS算法中的定步长,实现了对步长因子的动态调整. 文中详细讨论了新的变步长函数中参数α,β和γ对于算法性能的影响,并和其他几种较新的变步长算法进行了性能比较. 仿真结果表明,所提算法很好地兼顾了收敛速度、稳态误差和跟踪性能,在系统辨识、正弦信号去噪和自适应线性预测方面表现出了优异的性能.   相似文献   

12.
卫星通信中一种改进的变步长LMS均衡算法研究   总被引:2,自引:2,他引:0  
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。  相似文献   

13.
为了解决变压器机器鱼避障过程中时延信息难以准确估计的问题,提出一种基于变步长LMS(最小均方误差)自适应滤波器的时延估计方法。不同于传统的互相关时延估计算法,变步长LMS自适应滤波器算法不需要信号和噪声的统计先验知识,具有更好的适用性。算法根据最小均方误差准则和最速下降法对滤波器的输出和权系数向量进行自适应调节,迭代过程中采用变步长代替传统的固定步长提高了收敛速度,然后对权系数向量进行Sinc函数插值获得时延估计结果。仿真分析了不同信噪比条件的时延估计性能,并且与传统互相关算法进行了比较,结果表明所提算法相对于传统互相关算法具有更好的抗噪性和更明显的时延估计峰值。  相似文献   

14.
The contradiction of variable step size least mean square(LMS) algorithm between fast convergence speed and small steady-state error has always existed. So, a new algorithm based on the combination of logarithmic and symbolic function and step size factor is proposed. It establishes a new updating method of step factor that is related to step factor and error signal. This work makes an analysis from 3 aspects: theoretical analysis, theoretical verification and specific experiments. The experimental results show that the proposed algorithm is superior to other variable step size algorithms in convergence speed and steady-state error.  相似文献   

15.
为了解决局部放电测量现场中信号淹没在周期性窄带干扰中的问题,文中提出一种应用于变压器局部放电在线监测系统的改进变步长最小均方(least mean square, LMS)自适应滤波算法,通过构造一个新型滤波函数结合实际情况中AD芯片量程自适应调整步长,解决了传统LMS算法需要阶数和步长匹配、收敛性差、容易发散的缺点。通过改变滤波器阶数和参考信号时延,分析改进算法收敛速度及稳态误差,并对测试中发现时延为0的特殊情况进行了讨论分析,为高信噪比自适应滤波器设计提供了参考。改变新方法初始迭代步长同传统固定步长LMS算法的迭代过程进行了仿真对比,证明了新方法具有收敛速度快、不易发散的优点。最后,通过实验室搭建的变压器局放在线监测装置,对比分析了实测数据下传统LMS算法与本文算法的不同效果,通过对信噪比(SNR)、均方误差(MSE)和波形相似系数(NCC)三种指标对比,验证了新方法的优越性。  相似文献   

16.
为降低电磁干扰对信号传输的影响,分析了应答器上行链路信号传输过程及其易遭受干扰信号的特点,设计了基于符号LMS算法的自适应解调方法。为在硬件平台中实现该解调方法,通过仿真计算,确定LMS算法的自适应算法中间变量变化范围,使用截位操作完成权值系数的更新,设置均衡器长度、步长因子、中值滤波系数分别为1、1/64、16,可在不占用过多硬件资源情况下获得良好的解调性能。解调算法在FPGA上予以验证,实验表明,当信噪比为6dB时,FPGA中自适应解调误码率为0.000001,在信噪比大于等于6 dB时,实测误码率与仿真分析误码率基本一致;FPGA自适应解调方法在列车不同速度等级下误码率均小于10-6。  相似文献   

17.
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.  相似文献   

18.
Based on the good time-frequency localization of the wavelet packet modulation (WPM) system and the analysis of the multitone (MT) interference, an improved WPM narrow band interference (NBI) rejection system using an adaptive least mean square (LMS) algorithm is discussed in this paper.In the WPM interference rejection system, according to the structure of the wavelet packet tree (WPT) and the characteristic of the MT interference, the demodulated WPM signal which contains the interference component is filtered using an adaptive LMS filtering implementation.Theoretical analysis and simulation resuits show that the proposed method improves the bit error rate (BER) performance of the WPM system in the presence of MT interference.  相似文献   

19.
针对最小均方误差(least mean square,LMS)自适应噪声对消器在脉冲噪声干扰条件下实现噪声对消失效的问题,提出了一种变步长符号梯度最小均方误差(variable step size sign LMS,VSSLMS)脉冲噪声对消算法?VSSLMS算法利用符号函数对误差信号?参考噪声信号取符号运算构成符号梯度? 符号算子的量化操作可以抑制脉冲噪声对自适应算法的影响,为进一步提高VSSLMS脉冲噪声对消性能,采用误差功率归一化准则设计步长控制函数,给出了一种变步长算法,该算法能减小由于符号算子引入的量化误差对收敛速度和收敛精度的影响?利用计算机仿真把提出的VSSLMS脉冲噪声对消算法与改进的归一化LMP算法(MNLMP)进行了比较,结果表明,VSSLMS算法具有更快的收敛速度,同时具有与MNLMP算法相近的稳态剩余误差?因此,VSSLMS算法在脉冲噪声对消中具有实际应用价值?  相似文献   

20.
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。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号