一种新的变步长变换域自适应滤波算法

变换域LMS算法能通过正交变换有效降低输入信号自相关矩阵特征值的分散程度,可提高算法的收敛速度;变步长LMS算法可以克服固定步长因子所导致的算法在较快收敛速度和较小稳态误差之间存在的矛盾,从而获得较快的收敛速度和较好的收敛结果。将二者相结合,提出了一种新的变步长变换域自适应滤波算法。计算机仿真结果表明该算法具有更快的收敛速度和更小的稳态误差,并且运算量较少,具有良好的实用性能。     

基于误差反馈的变步长LMS自适应滤波算法

对变步长LMS滤波算法进行研究,提出一种新的变步长LMS自适应滤波算法。该算法基于Sigmoid函数,通过引入误差因子反馈来调整函数参数,解决了类Sigmoid函数中参数设置的问题,并使算法具有较快的收敛速度和较小的稳态误差。计算机仿真表明,相对于其他变步长算法,该算法在收敛速度和稳态误差方面均表现优异,具有较好适用性。     

新的变步长LMS算法在系统辨识中的应用

在分析最小均方误差(LMS)自适应滤波算法和变步长LMS算法的基础上,提出了一种新的变步长算法,该算法用误差的平均值来控制步长的变化,进一步的解决了收敛速度和稳态误差的矛盾。讲述了新算法的具体改进方式,并将该算法和变步长G-SVSLMS算法以及固定步长算法分别应用到系统辨识中,通过MATLAB进行仿真,结果证实文中提出的算法在明显提高收敛速度的同时,并拥有好的稳态误差。     

一种基于变步长的自适应滤波器改进算法

传统自适应滤波LMS算法(The Mean Square)的主要矛盾是收敛速度与稳态误差不能同时优化。为解决此类问题,本文通过建立步长参数与误差信号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。仿真表明,改进后的算法不仅具有更快的收敛速度,而且在稳态误差方面也有良好表现。     

一种新的变步长LMS算法及在DSP上实现

最小均方(LMS)自适应滤波算法易于实现,并在很多领域得到了广泛的应用,但它存在着难于同时获取较快的收敛速度与较小的稳态误差这一矛盾,而固定步长LMS算法无法解决.基于这一矛盾,在此提出一种新的变步长LMS自适应滤波算法,用最佳Wiener解和反正切函数建立了步长因子与误差之间一种新的非线性函数关系,该算法具有良好的收敛性能.并通过DSP验证,结果表明该方法实现简单,不依赖模型,具有较强的稳健性.     

一种改进的变步长LMS自适应滤波算法

传统的固定步长的LMS算法难于同时获取较快的收敛速度与较小的稳态误差,基于这一矛盾,将变步长算法与变换域算法相结合,提出一种改进的LMS自适应算法以获得较快的收敛速度和较小的稳态误差。仿真结果表明,此算法在收敛速度与稳态误差的性能上均不同程度地优于其他同类算法,尤其是在低信噪比的情况下,其性能的优越性更为突出。     

一种改进的变步长LMS算法

LMS算法由于简单而获得了广泛的应用,大量的深入研究不断地改善了它的性能。LMS算法存在收敛速度和稳态失调之间的固有冲突,变步长因子可以获得二者之间的有效平衡。对已有的一些变步长LMS自适应滤波算法进行了分析,在此基础上提出一种改进的变步长LMS算法,步长因子同时考虑了指数为预测误差的一次和二次幂的2项。算法在保持较快收敛速度的同时,获得更优的稳态预测误差。对比仿真实验证明了算法的优越性。     

一种基于指数函数的变步长LMS算法

提出了一种基于指数函数的变步长LMS算法.通过建立误差ε和步长μ的函数关系,实时调整步长,解决了稳态失调系数和收敛速度的矛盾.仿真实验表明,改进算法较原有的普通LMS算法和双曲正切变步长LMS算法有更高的收敛速度和更小的稳态失调系数.     

自适应噪声对消的归一化LMS算法

为了克服自适应滤波中固定步长LMS算法存在收敛速度与稳态误差的矛盾,本文通过MATLAB仿真不同步长因子下LMS算法的学习曲线,分析了LMS算法在收敛过程中存在的矛盾,并运用归一化LMS(NLMS)算法来改善上述矛盾。NLMS算法是通过输入变量改变步长因子从而改变算法的收敛特性。本文对NLMS与LMS算法的误差曲线仿真并进行稳态误差效果比较,结果显示NLMS算法的稳态误差精确度明显提高,收敛速度加快。通过将LMS算法与NLMS算法应用于自适应噪声对消中,得到NLMS算法具有收敛速度更快同时稳态误差更小的特性,该算法能够快速对干扰信号作出反应,使除噪效果更好。     

一种新的可变步长LMS自适应滤波算法及其算法分析

在讨论基本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和遗忘因子．并利用和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)。     

一种改进的变步长LMS自适应算法

为了提高LMS自适应算法的性能,在对一些变步长LMS算法分析的基础上,提出了步长因子μ(n)与误差信号e(n)之间一种新的非线性函数关系,该算法比固定步长LMS算法收敛速度快,稳定性好,另外与文[5]中算法相比,不需要进行指数运算.将该算法应用于自适应噪声抵消系统的仿真中,计算机仿真结果与实际分析相一致.     

一种变步长LMS波束形成算法性能研究

智能天线的自适应算法通过迭代运算获取波束形成的最优权值矢量时,收敛速度和稳态误差是衡量一个算法是否优良的关键因素。它们的好坏直接影响着系统波束形成的性能。系统地分析了传统的最小均方（LMs）算法的收敛速度以及稳态误差的性能,在此基础上提出了一种新的变步长LMS算法,将此算法应用于波束形成,并用Matlab软件进行仿真。仿真结果表明,改进后的算法较传统LMS具有较快的收敛速度和较小的稳态误差。     

一种新的变步长LMS算法

在对基本LMS算法分析的基础上,通过构造步长因子μ与误差信号e（n）之间的非线性函数,提出一种新的变步长最小均方误差（LMS）算法,并且分析了参数的取值对算法性能的影响。该算法通过调整步长参数,使权向量达到最优,有效改善了收敛速度与稳态误差的性能。理论分析和仿真结果表明,与基本LMS算法以及部分同类变步长LMS算法相比,该算法具有更快的收敛速度和更小的稳态误差,进一步验证了新算法优于这里所述其他算法。     

变步长频域快速自适应收发隔离算法研究

针对频域LMS算法收敛速度较慢的缺点,将LMS频域快速算法和变步长技术相结合,提出了一种基于新的Sigmoid函数的变步长频域快速自适应收发隔离算法。理论分析和计算机仿真表明,新算法除具有原频域快速算法的优点外,还具有较快的收敛速度和良好的收敛精度,可以有效地应用于干扰机自适应收发隔离系统中。     

改进的变步长LMS改进算法

在基于Lorentzian函数的变步长LMS自适应滤波算法的基础上,进行进一步改进,提出了一种新的自适应LMS滤波算法,通过建立新的误差信号e(n)与变步长因子μ(n)之间的关系,消除不相关噪声的影响。并用Matlab对其进行仿真验证,表明该算法解决了收敛速度和稳态误差之间的矛盾,在保证算法的计算复杂度较低的同时,使得算法的抗干扰能力进一步提高,适用于低信噪比条件下的信号提取及滤波,为实际应用提供了更大的灵活性。     

一种新的变步长LMS自适应滤波算法

在对传统LMS算法、变步长SVSLMS算法及归一化LMS算法分析的基础上,提出了一种改进的归一化变步长LMS算法即N-SVSLMS（Normalized-SVSLMS）算法。该算法结合了参考文献中两种算法的思想,得到了改进的归一化LMS自适应算法。该算法在信道环境多变的情况下,收敛速度和稳定性能有了进一步的提高。理论分析及计算机仿真结果表明,N-SVSLMS算法明显优于传统LMS算法、变步长SVSLMS算法及归一化的LMS算法。     

一种新的变步长LMS算法及其应用

提出了一种新的变步长LMS算法,该算法采用相对的误差互相关函数来控制步长更新。理论分析与计算机仿真结果都表明该算法收敛速度快、失调量小、稳定性好,且在低信噪比的环境中比其他同类算法有更好的性能。该算法的优越性在于计算量小且不受已存在的不相关噪声的影响,可很好地应用于实际信号处理中。     

平方根变步长lp范数LMS算法的稀疏系统辨识

针对稀疏未知系统的辨识问题,提出了一种基于lp(0相似文献