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。     

一种自适应线谱对滤波器的新算法及在线性预测中的应用

本文从自适应格型滤波器导出自适应线谱对（ＬＳＰ）滤波器，使用最小均方（ＬＭＳ）型自适应算法逐级更新计算线谱对系数。实验表明。该算法与其它算法比较，具有更高的收敛率和较低的失调。用该算法计算得到的ＬＳＰ系数进行语音线性预测合成，获得比使用ＰＡＲＣＯＲ系数更好的效果。     

基于变步长最小均方误差自适应滤波器的变压器机器鱼避障时延仿真

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。     

数字蜂房移动通信信道的一种模型

根据数字蜂房移动通信的信号传输过程建立了一种时变的ＦＩＲ信道模型。在此模型基础上，研究了一种新的自适应均衡方法。它基于系统辨识原理，采用改进的归一化变步长最小均方误差（ＭＮＶＳ ＬＭＳ）算法，克服由于多径效应引起的码间干扰（ＩＳＩ）。计算机模拟实验表明，本文提出的ＭＮＶＳ算法其跟踪性能明显优于ＮＶＳ和传统的ＬＭＳ算法，且运算量小，具有良好的实用性。     

一种变步长符号梯度脉冲噪声对消算法

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?     

有色环境下的LMS算法研究

研究有色噪声和非平稳信号(如回声取消)情况下自适应滤波,提出解相关自适应最小均方(LMS)算法。首先设计出自适应预滤波器同时对输入信号和误差信号解相关,使输入信号和误差信号的白化,然后证明该方法并不改变维纳最优解,最后提出改进的变步长解相关自适应LMS算法。仿真实验表明:无论在有色噪声环境下还是白噪声环境下,该算法都改善了LMS算法性能,即提高了收敛速度又减小稳态误差。     

低信噪比下的变步长最小均方自适应算法及其在时延估计中的应用

为提高变步长最小均方(LMS)自适应算法在噪声干扰下的时变时延跟踪性能,提出改进的变步长LMS自适应算法.该算法对MVSS-LMS算法进行误差均值补偿,改步长因子固定范围约束为动态变化约束;使用HB加权突出自适应滤波器权系数峰值,采用滑动窗遗忘加权减小计算复杂度.自适应时延估计仿真实验和消声水池目标被动定位试验表明:相比于参数固定条件下的MVSS-LMS算法和SVS-LMS算法,改进算法能够获得更好的时变时延跟踪性能.     

均方偏差分析的多态可变步长LMS算法

最小均方（least mean square,LMS）算法在时变信道的最小稳态均方偏差（mean square deviation,MSD）由输入功率、噪声功率、随机扰动信号功率以及滤波器长度共同决定。为达到系统中最小的MSD值,传统的LMS算法存在有迭代次数较多和收敛速度慢等问题,提出了一种多态可变步长最小均方（multi-state variable step size least mean square,MVSS-LMS）算法。该算法通过添加暂态递减步长作为过渡,实现以更快的收敛速度达到系统中最小的MSD值。理论分析与仿真结果表明,与目前最新的Prob-LMS算法相比,所提算法在时变信道以及突变信道都具有更快的收敛速度和更低的MSD值,且算法的复杂度更低。     

推广形式的自适应算法:理论分析及应用

提出一种广义的最陡梯度下降自适应算法（ＬＭＫ），它可使误差的任意次范数达最 小，分析了算法的收敛性和收敛结果，给出了步长范围估计及据噪声分布形式合理选择 目标函数的公式．在合成数据上做了试验，理论分析和试验结果表明，当噪声是非高斯 分布时．选择非二次范数作为目标函数可获得较好的效果，用于地震信号的反褶积也得 到比最小平方反褶积更好的结果。     

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。     

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.     

胎儿心电提取自适应滤波器仿真对比研究

为了提高胎儿心电(FECG)提取的准确性和效率,研究了采用最小均方算法、递归最小二乘(RLS)算法、仿射投影算法、能量归一化最小均方算法的四种自适应滤波器应用于FECG提取的速度和准确性.根据设计的基于MATLAB的FECG提取算法仿真分析了四种自适应滤波器的收敛速度与稳态性能的影响因素,并通过调整和优化FECG提取参数对四种自适应滤波器进行了仿真对比.研究结果表明,RLS算法自适应滤波器性能最优,可以快速准确地从母体心电中分离出FECG.     

一种新的语音噪声抵消算法

针对单参考输入自适应噪声抵消器在多噪声源情况下除噪声效果不理想的问题,根据多参考输入自适应噪声抵消器模型,在推导多参考输入最小均方（MLMS）算法的基础上,给出其改进算法（IMLMS）,结合语音信号的特点,给出了多参考输入自适应语音消噪算法（VMLMS）,利用调整算法执行过程的算法改进思想,突破了传统的修正收敛系数的算法改进模式,最后对几种算法的性能进行了计算机仿真比较。     

基于LMS算法的自适应滤波器在水声信号处理中的应用

针对水下环境通常是一种时变的强噪声信道,而采用传统的滤波器难以检测到有用信号的特点,利用LMS自适应谱线增强算法,构造了自适应滤波器。通过理论分析与仿真实验对该增强器进行了研究。结果表明：该谱线增强器收敛后均方误差小,提高了增强谱线和抑制非高斯噪声的能力。     

一种基于梯度的新自适应无限冲击响应限波器算法

基于变步长类最小均方(VS-LMS-L)算法和无记忆非线性梯度(MNG)算法，设计了一种变步长无记忆非线性梯度(VS—MNG)算法．新算法在频率估计均方误差(MSE)和收敛速度上获得增进的性能，而且具有很好的鲁棒性．仿真结果显示了设计算法的优越性．     

自适应滤波器的拟最小二乘算法及其应用

提出两个具有拟最小二乘性的自适应横向滤波算法。该算法用于噪声对消器和预测滤波器,计算机仿真结果,验证了理论分析的正确性。     

基于TD-NLMS的航空移动通信OFDM系统载波频率偏移消除

针对航空移动通信中时变的信道环境和多普勒频移造成的子载波间干扰(ICI),提出了一种时域自适应归一化最小均方误差算法(TD-NLMS)来消除航空移动信道正交频分复用(OFDM)系统中载波频率偏移引起的干扰.该算法首先对接收的时域信号进行频偏预估计和预补偿,然后对剩余载波频移进行消除.仿真结果表明:在航空移动信道环境中,新算法可以很好的对旋转相位进行补偿,与最小二乘算法相比,误码率性能有明显提高,可以实现对载波频率偏移的消除.     

自适应滤波器仿真设计

自适应滤波器能够在没有任何关于信号和噪声的先知的条件下,达到最优滤波的目的。根据自适应滤波的原理,该文的自适应算法主要分析了易于实现的最小均方差算法。为了满足自适应滤波的实时性要求,文章论述了基于数字信号处理器的自适应滤波器系统的设计。仿真结果表明,自适应滤波器滤波效果优越。     

基于加权递推最小二乘法的微硬盘伺服信号滤波

针对微硬盘伺服信号的滤波问题,采用了一种加权递推最小二乘法.该算法使用最小二乘加权时间平均准则取代通常的最小均方误差准则,并利用该准则导出权向量的自适应迭代公式,算法保证在每步迭代运算中权值都能调整到最佳,同时降低了权值调整量对噪声的敏感程度.实验结果表明:该算法滤波效果好、抗噪能力强、稳态收敛精度高和收敛速度快,适用于诸如微硬盘驱动器之类对收敛速度及消噪要求较高的场合.