一种改进的自适应格型陷波算法及其收敛性分析

现有自适应格型陷波器中的引入算子取自局部误差信号,在迭代过程收敛后存在陷波频率偏移的问题,影响了滤波的效果.本文对级联格型陷波滤波器的自适应算法进行了讨论,分析了陷波参数估计与引入算子的关系,在推导原算法迭代误差的数学期望方程基础上,提出一种改进的自适应滤波算法.该算法在不增加计算量的前提下,克服了原算法在收敛后存在的陷波频率偏移的不足.仿真结果与理论分析相一致,证实了该算法的收敛性能优于原有的算法.     

二阶自适应陷波器频率估计方法统计性能分析

为对如何提高自适应陷波器频率估计精度提供参考,通过评估自适应陷波器频率估计方法性能,对基于均方误差函数的自适应陷波器频率估计方法进行了统计性能分析。首先,根据误差函数的不同,将自适应陷波器划分为自适应FIR陷波器和自适应IIR陷波器。然后,将自适应FIR陷波器看作自适应IIR陷波器的特例,重点分析了自适应陷波器的误差函数及稳态下的频率估计统计性能,讨论了自适应陷波器参数对正弦信号频率估计精度和收敛速度的影响。最后,给出正弦信号的频率估计计算结果。结果表明,实际计算结果同理论计算结果一致,证明了统计性能分析的正确性。      

基于复数陷波器的窄带干扰抑制研究

研究了直接序列扩频通信系统中幅值相差较大的窄带干扰抑制问题,以一阶复数自适应陷波器为陷波单元,介绍了一种级联结构的陷波器,给出了系数迭代的自适应算法和理论分析。仿真实验表明,该陷波器能有效消除多个窄带干扰,迭代算法具有良好的收敛性能。     

自适应滤波算法的仿真及工程实现

为了对自适应滤波算法的滤波性能进行分析,在自适应滤波理论研究的基础上,研究自适应滤波器结构及LMS自适应滤波算法.给出LMS算法的求解的公式,基于LMS算法求解公式,采用Matlab仿真和DSP软件编程两种方法实现了LMS算法,并给出了不同信噪比条件下,LMS算法的仿真实现的滤波结果及DSP实现的滤波结果,通过两种结果的比较可以看出,在信噪比较低的条件下,LMS算法工程上的滤波效果明显达不到理论上的滤波效果.该研究对于自适应滤波理论的工程应用,具有一定的指导作用.     

基于FRFT的LFM信号自适应滤波算法及分析

针对线性调频(LFM)信号自适应滤波问题,利用分数阶傅里叶变换(FRFT)对LFM信号良好的能量聚集性的特点,提出了一种分数阶傅里叶域LFM信号自适应滤波算法.算法采用分级迭代运算的方法确定最佳变换角度,保证参数估计精度的同时,降低了运算量.结合泄漏LMS(LLMS)和归一化LMS(NLMS)算法,对传统LMS自适应算法的跟踪和滤波性能进行了改进,并给出了算法的收敛条件.在加权矢量的迭代公式中引入泄露因子,降低了记忆效应对滤波器的影响;并对自适应步长进行功率归一化,提高了收敛速率.仿真分析了参数对算法收敛性能的影响,结果表明,当输入LFM信号频率变化较快时,算法有较好的收敛性能和较小的均方误差,同时在低信噪比(SNR=10 dB)下也有良好的滤波效果.     

基于IIR开环滤波的导航接收窄带滤波器设计

针对快变场景中的卫星导航接收窄带干扰抑制问题,结合自适应滤波原理,提出了一种基于开环滤波的自适应陷波器设计方法,实现了导航接收系统中的窄带干扰自适应抑制,解决传统时域滤波器计算量大或收敛速度慢的问题。仿真结果表明,该算法比最优维纳滤波器的运算量低,相比LMS算法收敛速度快、性能好、窄带强干扰抑制能力优于30 d B。     

一种新的变步长LMS自适应滤波算法及其仿真

传统变步长LMS算法存在收敛速度慢、易受噪声影响等缺点,为了提高算法性能,论文建立了LMS算法中步长因子μ(n)和误差信号e(n)的相关统计量之间的非线性关系,提出了一种基于改进的双曲正切函数的变步长LMS(HTLMS)算法.算法采用当前误差与上一步误差乘积的绝对值来调节步长,并引入了绝对估计误差的扰动量来更新自适应滤波器抽头向量,因而具有收敛速度快、噪声抑制能力强和稳态误差低等特点.计算机仿真结果表明,在不同信噪比条件下,与多种LMS算法相比,本文算法都具有较快的收敛速度和较好的稳态误差.     

OFDM系统自适应盲信道估计新方法

基于无线通信OFDM系统信道估计,提出了两种时域自适应盲估计方法。这些方法通过对极性(符号)LMS算法（SLMS）进行改进,改进算法有几方面优点,一是继承了极性LMS算法简单易实现的特性;二是解决了极性LMS收敛速度慢的缺点;最后结合自适应可变步长及步长调整策略,有效地提高了算法的估计性能。仿真给出了误差曲线以及归一化均方误差曲线,结果表明,和基于极性LMS盲估计方法相比,修正极性LMS和时变步长修正极性LMS盲估计方法均具有很快的收敛速度。由于采用了变步长技术,时变步长修正极性LMS盲估计方法具有更好的估计性能。      

自适应算法在干扰抵消器应用中的比较研究

文中介绍了自适应滤波算法的原理和干扰抵消器工作原理，并将LMS算法、NLMS算法和变步长LMS算法分别应用在了干扰抵消器中进行了仿真。仿真的结果表明，三种自适应算法运用到了干扰抵消器中，都可以很好地滤除干扰，提取有用信号。其中运用了变步长LMS算法的干扰抵消器无论在收敛速度和滤波性能上，都要强于其他两种算法。     

一种基于自适应阵列天线的波束赋形算法

自适应阵列天线中的数字波束赋形(DBF)技术是智能天线数字信号处理部分的核心.提出了一种可用于自适应阵列波束赋形的SMI-LMS算法--由SMI(采样协方差矩阵求逆)算法决定LMS(最小均方)算法的初始权向量.该算法充分结合了SMI算法收敛速度快和LMS算法稳态误差小的优点,能在较强干扰环境下,确保权向量的快速收敛和跟踪速度.与传统的LMS算法相比,SMI-LMS算法具有良好的收敛性能、较快的跟踪速度和较小的输出误差,并可以有效改善自适应方向图的副瓣性能.仿真结果验证了该结论.     

罗兰C接收机中窄带干扰的抑制技术

针对目前的罗兰C接收机在抑制窄带干扰方面的缺陷,将基于LMS算法(最小均方准则)的自适应陷波器应用于罗兰C窄带干扰的抑制,通过仿真,将其与固定频率点的陷波器进行了比较,自适应陷波具有较好的抑制窄带干扰能力。     

基于LMS算法的自适应滤波器仿真实现

为了达到最佳的滤波效果,使自适应滤波器在工作环境变化时自动调节其单位脉冲响应特性,提出了一种自适应算法:最小均方算法(LMS算法)。这种算法实现简单且对信号统计特性变化具有稳健性,所以获得了极为广泛的应用。针对用硬件实现LMS算法的自适应滤波器存在的诸多缺点,采用Matlab工具对基于LMS算法的自适应滤波器进行了仿真试验。仿真结果表明,应用LMS算法的自适应滤波器不仅可以实现对信号噪声的自适应滤除,还能用于系统识别。     

自适应滤波算法研究及其Matlab实现

在对自适应滤波器相关理论研究的基础上,重点研究了LMS自适应滤波算法,给出了不同信噪比条件下,LMS算法的Matlab仿真实现的滤波结果,通过分析仿真结果可以看出,在一定信噪比范围内,LMS算法在未知信号与噪声统计特性的条件下可以达到较好的滤波效果.     

带有噪声相关性的自适应噪声抵消系统仿真研究

本文为了在语音信号处理中能消除含噪语音信号中的背景噪音,采用自适应信号处理的理论和技术来达到提高语音信号质量的目的。通过介绍自适应滤波器原理,在对自适应滤波器相关理论研究的基础上,研究了LMS自适应滤波算法,并对LMS自适应算法进行了分析。同时为了使输入的参考信号与噪声相关,加入分离周期信号与带有窄带干扰抑制的宽带信号。通过分析仿真结果表明基于LMS算法的自适应噪声抵消技术可以有效地抵消正弦干扰信号,同时加入宽带信号中的周期性噪声,在没有另外的与噪声相关的参考信号的情况下,可以使用自适应噪声抵消系统来消除这种同期性干扰噪声。     

LMS自适应滤波器的仿真与实现

本文概述了LMS算法和LMS滤波器的的基本原理,利用MATLAB和DspBuilder立算法模型,完成LMS自适应滤波器的仿真与设计,有效地提高了FPGA的设计效率．降低了设计人员对硬件的要求。     

基于最小均方自适应滤波器的无线光通信接收性能分析

无线光通信(OWC)系统采用大气通道作为传输媒介,而大气湍流效应引入了与信号强度有关的乘性噪声。为了消除乘性噪声所引起的信号衰落,分析并给出了基于最小均方(LMS)自适应滤波器的判决门限更新算法和稳态的抽头权系数相关矩阵算法。通过理论分析和计算机仿真,讨论了最小均方滤波器及其参数对无线光通信接收性能的影响。结果表明,采用非因果滤波器的无线光通信系统对湍流噪声具有明显的抑制作用。在弱湍流情况下,基于自适应最小均方滤波器的系统误码率(BER)低于10-8,可以满足网络通信的要求。通过分析不同滤波器阶数对误码率的影响表明,所采用的255阶的非因果结构的最小均方滤波器是最优的结构。     

一种应用于限制零极点位置复数陷波器的迭代算法

基于最小均方误差准则(MMSE),本文推导出了一种修改限制零极点位置的一阶复数陷波器权值迭代算法,并进而提出了一种新的可应用于矩阵型高阶陷波器的自适应权值修改算法,该高阶陷波器由一阶陷波器作为陷波单元构成。该迭代算法直接修改陷波器权值的指数,因而在算法迭代过程中能够将高阶复数陷波器的极点始终限制在单位圆内,从而保证了陷波器的稳定工作。仿真结果表明,采用该算法的一阶和高阶复数陷波器工作稳定,对输入陷波器的宽带信号损伤小,且能快速跟踪和有效抑制其中的强单/多频信号。     

A computationally efficient frequency-domain LMS algorithm withconstraints on the adaptive filter

The frequency domain implementation of the LMS algorithm is attractive due to both the reduced computational complexity and the potential of faster convergence compared with the time domain implementation. Another advantage is the potential of using frequency-domain constraints on the adaptive filter, such as limiting its magnitude response or limiting the power of its output signal. This paper presents a computationally efficient algorithm that allows the incorporation of various frequency domain constraints into the LMS algorithm. A penalty function formulation is used with a steepest descent search to adapt the filter so that it converges to the new constrained minimum. The formulation of the algorithm is derived first, after which the use of some practical constraints with this algorithm and a simulation example for adaptive blind equalization are described     

基于混合编程的高精度激光多普勒信号处理技术

针对激光多普勒信号中存在较大噪声干扰的实际情况,为了抑制这些噪声干扰,提高激光多普勒测速仪的测量精度,提出了对激光多普勒信号进行最小均方差(LMS)自适应滤波后作快速傅里叶变换(FFT),基于混合编程思想对所得到的频谱,先进行频谱细化,再进行频谱校正的信号处理方法,并对理想正弦信号和实测多普勒信号分别进行仿真计算和实验研究。仿真和实验结果表明：LMS自适应滤波技术可以有效抑制激光多普勒测量中的多频率噪声的干扰,此技术能够适应于很宽的信噪比范围,大大提高多普勒信号的信噪比;频谱细化技术可以提高激光多普勒信号的频谱分辨率,频谱校正技术可以准确地校正多普勒频率,使校正后的频率更加接近于真实值;信号处理精度比直接进行FFT提高2~3倍。     

LMS自适应滤波器干扰方法

自适应滤波器能有效地提高雷达在复杂电磁环境下的适应能力,在雷达信号处理机中得到广泛的运用,其核心是使用自适应算法,将滤波器设计成根据目标对照射信号的响应,及外界的电磁环境的变化等因素,调节滤波器的自身结构参数,最终趋于稳态的维纳滤波器,实现对目标的最优检测。文中主要分析LMS自适应算法中存在的步长固定等缺点,设计干扰信号,并用计算机仿真验证其对LMS滤波器的干扰效果,该干扰信号可使自适应滤波器无法实现结构上的自动优化,降低其雷达的工作效能。