一种改进的LMS算法的研究与仿真

为解决最小均方误差算法中收敛速率和稳态误差之间相互制约的问题,在NLMS算法基础上提出了一种改进的LMS算法.改进算法通过引入调节因子和修正系数,使算法在收敛时和稳定时能够很好地改善收敛速率与稳态误差之间的制约关系.实验结果表明,相对于传统LMS和NLMS算法,新方法在改进收敛速率和稳态误差间关系效果更好.     

一种改进变步长ELMS算法及其在自适应消噪中的应用

在简单讨论LM S算法的基础上,引入了ELM S算法,分析说明了该算法能达到更小的稳态M SE.改进的变步长ELM S算法是在对有用信号的预测中采用了自适应NLM S预测估计器,步长迭代中引入遗忘因子iλ,利用其与误差信号的加权和产生新的步长参与迭代.不仅对所提算法的收敛性及性能进行了分析,并将其用于自适应噪声对消中获得了成功.仿真结果表明,该算法有较好的收敛性能和较小的稳态失调.     

变步长凸组合LMS自适应滤波算法及分析

针对现有变步长凸组合LMS(VSCLMS)算法需预先决定行为参数的问题,提出了一种新的VSCLMS算法. 该算法对变步长滤波器按步进行分析,以最大均方权值偏差准则为步长选择依据,对固定步长滤波器则采用稳态最小均方误差准则为步长选择依据. 理论分析与仿真实验表明,该算法能在噪声、时变、甚至非平稳的环境下保持良好的随动性能,并在收敛的各个阶段均保持快速而稳定的均方特性. 与现有VSCLMS及CLMS算法相比,具有更快的收敛速度,且稳态均方性能与跟踪性能均更好.     

基于双曲正弦函数的新变步长LMS算法

对自适应最小均方误差(LMS)滤波算法的步长选取问题进行了研究.在分析现有变步长LMS算法的基础上,通过对双曲正弦函数进行数学变化,构造步长因子u(n)与误差信号e(n)的函数,提出了一种基于双曲正弦函数的新变步长LMS算法,分析了参数a、b、c的选取对该算法性能的影响.仿真结果表明:该算法在收敛速度和稳态误差方面明显优于固定步长LMS算法及SVS-LMS算法.     

引入动量因子的双自适应自然梯度算法

为克服自然梯度算法收敛速度和稳态误差之间的矛盾,提出了一种引入动量因子的双自适应自然梯度算法,该算法将动量因子分别引入到自然梯度算法的步长因子和分离矩阵中,并根据实时分离度自适应调整动量因子,从而在加快算法收敛速度的同时,降低稳态误差.仿真实验证明,提出的新算法的性能明显优越与固定步长和自适应步长自然梯度算法.     

一种基于LMS的改进变步长算法及其应用

在分析定步长LMS算法和变步长LMS算法的基础上,提出了一种改进的LMS算法,改进的LMS算法是利用瞬时误差的绝对值的三次方和遗忘因子共同来调整步长的.理论分析和系统辨识的仿真结果均表明,新算法确实具有更快的收敛速度.     

自适应信号处理在语音回声消除中的应用

介绍了自适应信号处理的作用及主要算法,并结合语音通信中的回声,对自适应信号处理算法中常用的最小均方误差算法进行了改进.将算法应用到真实的语音中进行回声消除,经试验证明自适应信号处理可以很好地消除语音中的回声.     

一种新的变步长LMS算法及其仿真

在分析传统LMS算法及其改进算法的基础上，提出了一种新的可变步长LMS算法，新算法采用梯度矢量的平均值的平方值调整步长．计算机仿真表明，与传统LMS算法和文献[1]中的VSS-LMS算法相比，新算法有更快的收敛和跟踪速度，并能收敛到更小且更稳定的均方误差。     

基于负熵的随机双梯度算法

随机双梯度算法是独立分量分析中一个重要的学习算法,但该算法收敛速度慢,稳态误差大,不利于信号的准确适时性处理.论文重点对随机双梯度算法进行了改进,提出一种基于负熵的随机双梯度算法.在改进的算法中,用负熵来度量其中的随机变量非高斯性,从而来克服峭度的不稳健性.论文最后通过理论分析和仿真实验证明这种改进的随机双梯度算法具有较好的分离效果且稳定性高.     

数字助听器的并行梯度投影回声抵消

自适应回声抵消是消除助听器回声啸叫的有效方法. 针对回声路径评估偏差大的问题,文中提出线性预测-并行梯度投影算法,通过对助听器输出信号进行线性预测来生成解相关FIR 滤波器,获得解相关信号. 系统利用解相关信号构建包含回声路径的凸优化方程,并设计并行梯度投影算法求解该方程,实现回声路径的估计. 实验结果表明算法在收敛速度、稳定性和精度等方面改进显著.     

基于疯狂自适应鱼群算法的认知无线电频谱分配

针对目前认知无线电网络中频谱利用无法满足指数级增长的通信需求、人工鱼群算法保持种群多样性差、全局搜索能力弱的问题,对图论频谱分配模型的人工鱼群算法进行了改进,得到了网络效益函数最优情况下的频谱分配.首先自适应调整视野和步长,保证算法前期较强的全局搜索能力和后期的收敛精度;然后在随机行为模式下引入疯狂算子,产生扰动以增加种群多样性.仿真实验对比了4种不同算法在相同模型参数下的系统总效益,同时对可用频谱和认知用户分别设置控制变量法测试算法性能.结果表明:改进后的人工鱼群算法全局搜索能力较强,具有较强的鲁棒性.     

基于改进Paik型Hopfield网络的图像复原

针对图像复原提出了一种改进的Paik型Hopfield网络神经元状态变化规则,在此基础上详细讨论了全并行算法的收敛性、残值误差和能量变化,并依据"由粗至精"的思想和相邻精度层能量变化差估计提出了一种改进迭代算法.仿真实验表明该方法能无限逼近能量极小点,大大提高了Paik型Hopfield网络的精度和收敛速度.     

基于改进Paik型Hoptield网络的图像复原

针对图像复原提出了一种改进的Paik型Hopfield网络神经元状态变化规则,在此基础上详细讨论了全并行算法的收敛性、残值误差和能量变化,并依据"由粗至精"的思想和相邻精度层能量变化差估计提出了一种改进迭代算法.仿真实验表明该方法能无限逼近能量极小点,大大提高了Paik型Hopfield网络的精度和收敛速度.     

半定规划的一种不可行内点算法

对于半定规划问题,根据内点算法的短步方法,并结合Nestorov-Todd(NT)搜索方向的构造方法,设计出一种关于窄领域的不可行内点算法,然后证明了该算法的收敛性.结果表明,该算法经过有限次迭代后可以得到半定规划问题的一个近似最优解,或者证明问题无解.     

基于去相关NLMS算法的自适应回波抵消

在NLMS算法的基础上,从语音信号相关性的角度出发,提出了一种去相关NLMS算法(DC-NLMS).该算法收敛速度快,稳态失调小,计算量与NLMS算法相当,克服了APA算法收敛速度快但计算量大的缺陷.计算机仿真结果表明,DC-NLMS算法在自适应回波抵消中的综合性能要优于NLMS算法、APA算法以及文献[7]中的算法.     

基于莱维飞行扰动策略的麻雀搜索算法

为了解决麻雀搜索算法存在迭代后期搜索多样性不足、容易陷入局部最优等问题,提出了一种基于莱维飞行扰动策略的改进麻雀搜索算法.首先借鉴Sin混沌搜索机制,改进种群初始化策略.然后在麻雀种群觅食搜索过程中引入莱维飞行扰动机制,牵引种群移动适当的步长,增加空间搜索的多样性.最后对14个典型高维测试函数进行实验的结果表明:所提出...     

多输出单元BP神经网络梯度算法的收敛性

梯度算法广泛应用于训练前馈神经网络.对于单输出前馈神经网络的梯度算法的收敛性已经有了详细的讨论.研究了带有多个输出单元的BP神经网络的梯度算法,证明了误差函数在梯度算法所生成的权向量序列上的单调递减性,并且证明了梯度算法的弱收敛性和强收敛性.     

自然遗传算法及其性能分析

在为种群大小遗传算法的基础上引入“种群阈值”及“移民”等概念,并采用动态调节交配率及变异率等措施,提出了一种自适应的遗传算法。该算法通过模拟自然界的“生老病死”过程来实现问题求解,并力求解决遗传算法的参数控制及过早收敛等问题。且介绍了该算法的基本思路,并对其性质进行了分析。