抗冲击噪声的核对数最小绝对差算法

提出了一种鲁棒核自适应滤波算法,其结合了核空间和最小对数绝对差(LLAD)算法,使用对数代价函数来解决冲击噪声对算法收敛的影响,从而提高算法的抗干扰性能。核对数最小绝对差(KLLAD)算法实现了类似核最小均方误差(KLMS)算法的收敛性能,而且KLLAD算法具有很强的抗干扰能力,在非线性系统辨识中的鲁棒性和收敛方面具有很好的表现。     

核空间的LMS自适应多用户检测技术

提出一种核空间的LMS(KLMS)多用户检测算法,将直接序列扩频码分多址(Direct-sequence code division multiple access,DS-CDMA)接收机收到的信号通过高斯核函数映射到高维特征空间(核空间),再进行线性检测.由于采用了核技巧,所有的计算都在原空间进行,避免了特征空间的复杂运算.KLMS本质是对原空间的信号进行非线性检测,性能更接近最优检测算法.在高斯信道下,仿真结果表明,通过选择合适的核参数,在获得较好稳态误差的同时,KLMS算法具有比其他变步长LMS算法更快的收敛速度.     

一种变步长最小均方算法

最小均方算法（LMS）以计算简单,易于实现等优点被广泛用于自适应滤波领域。但其固定的步长导致了收敛速度和稳态误差之间的矛盾。通过引入非线性函数提出一种新的基于非线性函数的变步长最小均方算法,仿真结果表明该算法具有较好的收敛性能和较小的稳态误差。     

Alpha稳定分布噪声下的核最小平均P范数算法

在 稳定分布噪声环境下,最小平均P范数算法(LMP)的鲁棒性显著强于最小均方算法(LMS),但是在非线性系统中LMP算法性能严重退化。运用核方法可将输入数据映射到再生核希尔伯特空间(RKHS),再对变换后数据选用合适的线性方法,能有效地处理多种非线性问题。故本文将核方法引入LMP算法,推导得到核最小平均P范数算法(KLMP)。 稳定分布噪声背景下的Mackey-Glass时间序列预测的计算机仿真结果表明：在非线性、非高斯系统中,KLMP算法的性能显著优于LMS、LMP、加权平均LMP和KLMS算法,抗脉冲噪声能力强。     

一种基于相关函数的LMS算法

从 Asharif定义的相关函数均方误差 (Mean squares error,MSE)准则 Jr(n)出发 ,在利用牛顿梯度法时用当前时刻的梯度估计代替前一时刻的梯度估计 ,并由矩阵求逆定理导出了一种新的相关函数自适应滤波算法。理论分析表明 ,新的算法对步长因子 μ>0是无条件收敛的 ,该算法应用于回波消除中的计算机数值仿真 ,结果显示其收敛性能良好 ,优于 CLMS算法。     

在Matlab中实现基于LMS算法语音信号去噪

该文描述了在Matlab中编程实现语音通信中去除噪声技术。依据输入信号在迭代过程中估计梯度矢量、更新权系数以达到最优的自适应迭代算法,采用一种期望响应和滤波输出信号之间误差的均方值最小(LMS算法)为准则的梯度最陡下降方法。讨论收敛因子μ的取值范围使降噪效果达到最优。     

核函数K-粒子滤波算法研究

针对粒子滤波易出现粒子退化这一问题,引入核函数K,提出一种核函数K粒子滤波算法.根据粒子滤波中重采样得到的粒子集合的概率特征,设计合适的核密度K(·)和核带宽h,使得真实的后验概率密度与对应的K估计之间的均方误差均值最小.通过设计的核函数模拟离散分布重建它的连续分布,然后从后验分布的连续近似中重新获得重采样粒子,从而保证粒子的多样性,抑制粒子退化.将提出的KPF算法与PF算法应用到单变量非静态增长模型和SINS/SAR组合导航系统中,通过仿真验证结果表明,提出的KPF算法能改善滤波性能,进一步提高解算精度.     

改进的Sage-Husa自适应算法及应用

针对标准卡尔曼滤波和Sage-Husa自适应卡尔曼滤波不能同时满足实时在线估计状态量测噪声阵和抑制滤波发散的问题，提出一种改进的Sage-Husa自适应卡尔曼滤波算法。在检测到量测异常时，在协方差匹配技术的最严格收敛判断条件，计算出次优滤波方法中新的状态估计均方误差阵的加权系数，通过新的状态估计均方误差阵对原来的状态估计均方误差阵进行修正，能有效抑制滤波器的发散。提高实际应用中，Sage-Husa自适应卡尔曼滤波算法在复杂不稳定环境中的稳定性与可靠性。将改进的算法放在BDS/INS系统中进行实验验证，实验结果表明，相比常规Sage-Husa自适应滤波算法，改进的Sage-Husa自适应卡尔曼滤波算法改善了上述系统的可靠性和自适应能力，最终有效的提高组合导航系统的性能。     

一种LTE自适应参数MMSE信道估计算法

在工程中,为了达到高速率的数据传输和良好的外场接收性能,LTE系统通常采用最小均方误差(MMSE)信道估计方法。针对传统的MMSE算法对多径时变信道的适应能力较差,提出了一种自适应参数MMSE信道估计系数调整算法。通过对信道均方根时延扩展(RMS Delay Spread)和对信噪比的估计,自适应地调整信道估计参数并生成准最佳的MMSE信道估计系数进行滤波。仿真结果表明,此算法比固定系数的MMSE信道估计算法有更好的信道估计性能。     

基于核的最小均方误差改进算法及其应用

传统基于核的最小均方误差(KMSE)算法在进行人脸识别时,需要求解多个方程,计算量较大。为此,提出一种用于多类识别的基于核的多元最小均方误差(KMSEMC)算法,该算法只需一个方程即可。在AR人脸库上的实验及数据分析表明,该算法在时间复杂度和识别率等方面计算量较小,在识别性能和计算时间上都优于同类传统算法。