一种新颖的动态选择输入向量的仿射投影算法

仿射投影算法利用多个输入向量更新滤波器系数,不同输入向量对滤波器性能影响不同。以均方偏差下降最快为目标,推导了动态选择输入向量的理想条件,该条件适用于仿射投影算法类中的多种算法。在此基础上,提出了一种便于实现的动态选择输入向量的仿射投影算法。理论分析与仿真结果表明:与传统的仿射投影算法相比,该算法具有收敛速率快、稳态误差小和计算复杂度小等优点。     

快速收敛仿射投影算法在稀疏水声信道的应用

本文提出了一种新的快速收敛比例仿射投影算法,并将算法应用于稀疏多径水声信道均衡.该算法首先在改进比例仿射投影算法(improved proportional affine projection algorithm,IPAPA)的基础上引入变步长算法,提高算法的收敛速度;并在此新算法的基础上通过引入判决反馈结构,进一步改...     

点到三维隐式曲线的正交投影算法

针对点到三维(3D)隐式曲线的正交投影问题,提出了一种稳定的几何迭代算法.算法首先给出了基于二阶泰勒逼近的投影点追踪公式;通过将给定点向初始点处的曲率圆作投影,提出了基于曲率的步长控制策略;考虑到迭代过程中存在的误差,给出了基于梯度的迭代误差矫正方法;最后,给出了计算点到三维隐式曲线的正交投影的完整算法实现步骤.仿真结果表明,算法对初始值的敏感性较低,算法稳定、高效,收敛性良好.     

模糊步长LMS算法及其性能分析

以均方误差、输出与误差信号的相关系数作为衡量LMS算法收敛程度的标准及模糊推理系统的输入,提出了一种用零阶Sugeno模糊推理系统自适应调整步长的模糊步长LMS(FSS-LMS)算法,并从理论上分析了FSS-LMS算法的计算复杂度及其收敛性能。分析结果指出FSS-LMS算法的计算复杂度与传统LMS算法基本相当,但它具有更大的灵活性。自适应系统辨识的仿真结果表明FSS-LMS比传统的LMS算法及其它一些变步长LMS算法具有更好的收敛性能。     

带旋转因子的多路回波消除自适应滤波算法简化

对带旋转因子的多路回波消除自适应滤波算法(NLMS RF)中的旋转因子的取值进行了分析,给出了NLMS RF算法及其扩展的带旋转因子的多路仿射投影算法(APA RF)的一种简化形式。这种简化是通过使算法中"预处理"后的输入向量相互正交而实现的。简化后的算法无需对旋转因子的取值进行选取,并降低了算法的计算复杂度。通过计算机数值模拟仿真实验表明了简化后的算法的有效性。     

水声通信中基于信道估计的稀疏均衡算法研究

为实现相位相干水声通信系统的实时处理,降低由信道大时延多径结构所导致的接收算法复杂度与稳定性问题,提出了一种基于信道估计的多通道稀疏均衡算法.该算法针对水声信道的稀疏特性,采用稀疏算法减小均衡器的阶数,降低了系统复杂度;并且将变步长LMS算法与基于信道估计的完全反馈均衡器相结合,提高了均衡器性能;同时采用多通道可变步长算法,各个通道的步长可以独立的自适应调节,增加了均衡器的稳定性与灵活性.在实际湖试信道条件下的性能仿真表明:在10kin的距离上,与传统四通道DFE-LMS算法相比,此算法在降低稳态误差的同时,参与迭代计算的抽头数减少了78%,从而计算量大为减小,同时系统性能也得到了改善.     

自适应变步长LMS滤波算法及分析

为了提高最小均方（LMS）自适应滤波算法的性能,通过建立步长因子与误差信号之间的非线性函数关系,提出一种自适应变步长LMS算法。该算法具有初始阶段和时变阶段步长自适应增大和稳态阶段步长很小的特点,消除了不相关噪声的影响,并且进一步克服了Sigmoid函数变步长LMS算法在自适应稳态阶段步长取值偏大的缺陷,计算机仿真结果与理论分析相一致,证实该算法优于传统算法。     

基于对数正态误差函数的变步长盲均衡新算法

为了克服常数模算法(CMA)收敛速度慢,收敛后均方误差大的不足,定义了对数正态误差函数和新变步长,提出了基于对数正态误差函数的变步长盲均衡新算法。通过调整对数正态误差函数的均值与方差及变步长特性参数来加快该算法的收敛速度并减小收敛后的均方误差。用深海声道轴信道,对该算法的性能进行了仿真研究。结果表明:该算法收敛速度快、收敛后均方误差小,较好地克服了CMA的缺陷。     

一种新的变步长LMS自适应谱线增强算法

针对自适应谱线增强器(ALE)理想误差不为零的现象,提出了一种新的变步长LMS算法。该算法建立了步长因子与权系数变化之间的非线性关系,使得步长因子随权系数变化的减小而减小,直至为零,并引入步长向量来实时地逐个调整权系数的每个值,以进一步加快算法的收敛速度。它具有初始阶段和未跟踪上信号前步长自动增大而稳态时步长变小最后为零的特点,并以线性调频信号为例,验证了算法对滤除非平稳信号噪声的有效性,提高信号的信噪比,证实该算法优于传统算法。     

变步长LMS自适应极化递推估值算法

为了解决最小均方误差算法(least mean square,LMS)在干扰极化状态估值中存在的收敛速度和稳态误差之间的矛盾,应用变步长LMS算法进行干扰的极化状态递推估值。分析了传统定步长因子μ的选取和其对算法达到稳态时误差的影响;讨论了当干扰极化状态变化时算法的跟踪性能;并以雷达测角为例,进一步分析算法的实际应用可行性。最后给出了算法实现的原理方案。仿真结果和理论分析相一致,证明了该方法的有效性。