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。     

一种约束稳定性最小均方波束形成算法

针对归一化最小均方（NLMS）算法步长调整精度不高的问题,将约束稳定性最小均方（CS-LMS）算法应用于智能天线的波束形成问题。通过引入后验误差的稳定性约束条件,构建适合波束形成问题的优化目标,并给出了其解的计算复杂度、收敛速度和稳态误差的理论分析。计算机仿真结果证实,CS-LMS波束形成算法比NLMS算法具有更加优良的抗干扰性能,较快的收敛速度,良好的系统跟踪能力和较小的稳态误差,尤其是当输入信号发生中断或突变时,算法依然工作得很好。     

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。     

基于小波变换的RLS波束成形算法研究

为了解决递归最小二乘算法(RLS)在较低信噪比(SNR)、遗忘因子较小的环境中,对噪声敏感、收敛时参数估计误差大的问题,引入小波变换去噪思想,提出了基于小波变换的RLS波束成形算法。该算法利用小波变换软阈值法进行信号去噪,再采用RLS算法进行波束成形。最后对实验进行仿真,仿真结果表明,与传统的RLS算法相比,该算法具有较小的稳态误差和较快的跟踪速度和收敛速度,并且波束成形效果好。     

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.     

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。     

改进LMS波束形成算法研究及FPGA实现

波束形成技术已被广泛应用于通信领域，但传统的波束形成算法的收敛速度仍然有待于提高。文中旨在针对现有波束形成算法收敛速度慢和稳态误差较大的现状，提出了改进波束形成算法，旨在减小稳态误差的同时提高算法的收敛速度。通过理论分析和仿真表明，文中所提出的算法提升了收敛速度并降低了稳态误差。文中首先对所提出的改进算法进行理论分析，并在此基础上将所提出的算法构建在FPGA平台上，进一步论证了文中算法的可行性。     

常模类盲均衡算法的研究

讨论了常模类自适应盲均衡技术,总结了改进和设计常模类盲均衡算法的思路,在常模算法代价函数的基础上给出了一种变步长多模算法.计算机仿真表明,此算法收敛速度较快、收敛后稳态误差较小,具有很好的实用性.     

改进的变步长维纳系统盲源分离方法

基于非线性盲源分离的维纳系统算法中,采用固定步长导致算法的收敛速度和稳态误差之间存在矛盾,直接影响分离算法的性能。为了解决该问题,提出了基于非线性函数的变步长维纳系统盲源分离方法。该方法将更新的步长以非线性函数的形式引入到分离算法中,使得稳态时参数更新的步长尽可能小,以避免发生振荡。变步长算法在分离过程中的每次更新都会使步长自动进行合理的调整,使得收敛速度提高了53%,误差减小了45%。实验仿真表明,相对原算法,提出的维纳系统盲源分离方法可以更好地分离出信源信号,而且具有较小的误差和较快的收敛速度。     

Improved variable step-size LMS algorithm based on hyperbolic tangent function

In order to improve that the LMS algorithm for determining step size cannot satisfy both rapid convergence and low steady-state misalignment errors,a variable step size algorithm (IVSSLMS) based on an improved hyperbolic tangent function was proposed.The step size feedback factor and the correlation value of the error signal were used to adjust the step size,and the problems of slow convergence speed and poor anti-noise ability of the fixed-step size algorithm was overcame.The performance and parameters settings of the proposed algorithm were analyzed.The simulation results show that IVSSLMS has a faster convergence rate,lower steady-state error and better system tracking capability than the existing variable step size algorithms under high and low SNR conditions.     

Improved least mean square algorithm based in satellite multi-beamforming

High-throughput satellites use multi-beam technology to achieve polarization isolation and spatial isolation to reuse frequency resources,resulting in increased traffic capacity,but this presents a higher demand for fast adaptive beamforming algorithms.In order to solve the shortcoming that the convergence rate and steady-state error can not be satisfied simultaneously when using the LMS algorithm,an improved least mean square algorithm was proposed,which used the statistical average gradient update to solve the problem of the formation of beam instability caused by the instantaneous gradient,which can speed up at the beginning of the beamforming and maintain a small error value after the convergence has reached a steady state.The use of 61-element hexagonal array phased array antenna to form a 7-point beam in an environment where high-throughput satellites have a strong rainfall attenuation was considered.The results show that the improved algorithm can greatly improve the convergence speed and obtain better steady state performance under the condition of only a small increase in complexity,which can be applied to high-throughput satellite beamforming technology with severe inter-beam co-channel interference in emergency communication scenarios.     

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。     

改进的NLMS算法及其在自适应预测中的应用

通过分析NLMS[1]和VSSLMS[7]两种算法控制时变步长的思想及这两种算法的优缺点,文章提出了一种改进的归一化变步长算法,它同时使用输入信号积累和瞬时误差来控制步长更新.该算法的优越性在于收敛速度快,尤其在系统跳变时也能快速收敛,可很好地应用于自适应预测系统中.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.     

基于韦伯分布函数的低复杂度变步长符号算法

针对OFDM系统中传统信道估计算法在冲击噪声环境中性能急剧下降的问题,提出了一种基于韦伯分布函数的顽健型变步长符号算法进行信道估计。在深入研究冲击噪声特性及韦伯分布函数性质的基础上,提出了采用估计误差绝对值的韦伯分布函数控制步长的低复杂度变步长符号算法。该算法在利用传统符号算法顽健性的基础上,采用估计误差的韦伯分布函数动态地改变迭代符号算法的步长,从而能够以较低的复杂度提高变步长符号算法在冲击噪声环境中的收敛速度。算法复杂度分析及仿真结果表明,在冲击噪声环境下所提算法相较于传统自适应滤波信道估计算法能够以更低的复杂度、更快的收敛速度达到相同的信道估计均方误差。     

基于小波变换的变步长LMS自适应滤波算法

变步长LMS自适应滤波算法通过构造合适的步长因子有效的解决了传统LMS算法收敛速度和稳态误差相矛盾的问题.变换域LMS自适应滤波算法通过正交变换降低了输入信号矩阵的相关性,提高了算法的收敛速度.将这两种算法相结合,提出了一种新的基于小波变换的变步长LMS自适应滤波算法.仿真结果表明,该算法无论是收敛速度还是稳态误差都有了很大的提高.     

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。     

零极值目标函数系统辨识算法

该文提出一种零极值目标函数最小化系统辨识算法。目标函数为系统均方误差与系统噪声方差之差的平方,其极小值为零。在系统辨识过程中采用滑动平均法在线估计系统均方误差、输入自相关矩阵以及输入与期望响应的互相关向量。推导出自适应滤波器权值向量的更新表达式。算法的步长能够根据统计量自适应地调整,使得在得到较小稳态误差的同时提高算法收敛速度。分析了算法的稳定性,得到了算法收敛的条件。对比实验结果表明,该算法具有更快的收敛速度,更小的稳态误差以及更好的稳定性。     

A fast learning algorithm for Gabor transformation

An adaptive learning approach for the computation of the coefficients of the generalized nonorthogonal 2-D Gabor (1946) transform representation is introduced. The algorithm uses a recursive least squares (RLS) type algorithm. The aim is to achieve minimum mean squared error for the reconstructed image from the set of the Gabor coefficients. The proposed RLS learning offers better accuracy and faster convergence behavior when compared with the least mean squares (LMS)-based algorithms. Applications of this scheme in image data reduction are also demonstrated.