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。     

一种基于无偏协方差估计RLS的自适应阵列天线抗干扰算法

RLS是自适应阵列天线抗干扰的主要算法之一。为提高RLS算法对遗忘因子选择健壮性,避免因遗忘因子选择不当所造成的算法不收敛问题,本文针对自适应阵列天线的多路接收信号,基于其无偏协方差矩阵模型,推导设计出了一种新的RLS算法,相比于常规RLS,在该算法中遗忘因子可以更加精确地控制RLS迭代过程项,降低因遗忘因子设置不当而造成的算法不收敛风险。通过仿真验证了算法的有效性。     

基于可变遗忘因子在OFDM系统的载波频偏估计

在时变信道下正交频分复用(OFDM)系统中,通过导频辅助,提出基于可变遗忘因子RLS(VFF-RLS)的载波频偏(CFO)估计改进算法。针对传统RLS(CFF-RLS)算法中遗忘因子无法同时满足CFO估计收敛速度和收敛精度的缺陷,设计了线性变化遗忘因子(LFF)和非线性变化遗忘因子(NLFF)两种可变遗忘因子方案来提升CFO估计性能。仿真结果显示:在低信噪比的情形下,基于VFF-RLS算法的CFO估计性能明显优于基于CFF-RLS算法的CFO估计性能。     

基于可变遗忘因子RLS在OFDM系统的载波频偏估计

在时变信道下正交频分复用（OFDM）系统中,通过导频辅助,提出基于可变遗忘因子RLS（VFF-RLS）的载波频偏（CFO）估计改进算法。针对传统RLS（CFF-RLS）算法中遗忘因子无法同时满足CFO估计收敛速度和收敛精度的缺陷,本文设计了线性变化遗忘因子(LFF)和非线性变化遗忘因子(NLFF) 两种可变遗忘因子方案来提升CFO估计性能。仿真结果显示：在低信噪比的情形下,基于VFF-RLS算法的CFO估计性能明显优于基于CFF-RLS算法的CFO估计性能。     

RLS算法及其改进形式在信号分离中的应用分析

本文着重研究了自适应滤波器的重要实现形式——递推最小二乘算法（RLS）的原理,分析了RLS算法在应用中的优点及存在问题。为解决RLS算法收敛速度和稳态误差的矛盾及系统在趋于平稳时跟踪效果差的问题,本文从实现可变遗忘因子和增加自扰动项两个方面介绍了RLS算法的几种改进方法。并将它们应用于复杂电磁环境、强干扰背景下的信号分离中去。通过仿真实验,对RLS算法及其两种改进方法在信号分离中的效果进行了比较,得出可变遗忘因子RLS算法在收敛速度和分离信号的准确性上都具有较好的性能。     

RLS算法自适应信道估计的性能分析

文中首先介绍了基本的RLS算法,分析了RLS算法中的初始化系数δ和遗忘因子λ对RLS算法收敛性能的影响。通过仿真可以看出,在相同的信噪比下,不同的δ对应不同的收敛性能。而不同的λ对收敛性能也有较大的影响。     

一种新的变步长LMS自适应算法及其仿真

在分析标准LMS及VSS类算法的基础上,针对传统VSS类改进算法中步长因子太小而导致收敛速度变慢的缺点,提出一种新的变步长LMS算法,新算法引入了遗忘因子λ(i),(i=0,1,…,L-1),通过遗忘因子来产生新的步长.计算机仿真结果表明,与标准LMS算法、VSS算法、MVSS算法相比,新算法具有更好的收敛性能.     

一种变遗忘因子RLS算法的分析与仿真

自适应信息处理的算法中的RLS算法在信号处理等方面已经得到了大量的应用。首先简要介绍了RLS算法,然后通过对RLS算法中的遗传因子的研究与分析,提出了一种新的变遗忘因子算法,通过修正函数对遗传因子进行修正,实现了此算法的优势,最后对该算法做了仿真试验。试验证明,此算法收敛速度和跟踪效果远好于普通RLS算法,并且系统稳定,具有较强的应用价值。     

基于递推最小二乘算法的小信号检测

受到强干扰影响的小信号通常难于有效检测。在分析递推最小二乘算法(RLS)原理及其几种改进形式的基础上,采用自适应方法将已检测出的大信号与原混叠信号对消,降低大信号对小信号的遮蔽作用,再进行小信号的检测。最后通过仿真证明,该方法能够在较小失真的情况下,有效检测出被大调幅信号干扰下的小调频信号;同时分别比较了各种算法的优劣,得出基于可变遗忘因子的RLS(VFF-RLS)算法不仅具有较快的收敛速度,而且收敛之后具有很好的平稳性能。     

基于压缩感知的分布式协同估计算法

为了降低分布式协同估计算法的计算量并改善其收敛性能,提出了基于压缩感知(CS)和递归最小二乘(RLS)的分布式协同估计算法.该算法在传统RLS分布式协同估计算法的基础上引入压缩感知技术,首先在压缩域中进行递归最小二乘运算,然后利用压缩感知重构算法得到未知参数向量的估计值.提出的算法能够在增量式策略和两种模式的扩散式策略下实现对未知向量的有效估计.理论分析和仿真结果表明,该算法一方面降低了RLS分布式协同估计算法的计算量,另一方面保持较快的收敛速度与良好的均方误差性能.     

一种改进的可变步长LMS算法及性能分析

为解决自适应算法的收敛速度和稳态误差两者间的矛盾,对归一化的最小均方(NLMS)算法、变步长算法及可变步长NVSS算法进行了研究,并结合变步长的思想,提出了一种新的可变步长算法。新的算法中引入合适的遗忘因子与修正参数来建立与步长因子间的函数关系,加快了算法收敛速度的同时,也能在非平稳的环境中有好的跟踪能力。最后把不同的算法应用到系统辨识系统中,通过MATLAB进行实验仿真,结果证实了新提出的算法有快的收敛速度和跟踪时变系统的能力。     

基于局部梯度的神经网络非均匀性校正算法

为了解决传统神经网络算法在用于红外焦平面阵列(Infrared Focal Plane Array,IRFPA)非均匀性校正(Non-Uniformity Correction,NUC)时所面临的边缘模糊、收敛速度慢等问题,通过引入图像局部梯度特性对该算法进行了改进。通过用局部梯度相似度信息构造权值函数来对区域进行加权滤波,可以保留图像边缘信息。在迭代运算中,将梯度幅值加权的自适应参数规整因子加入了误差损失函数,并引入梯度幅值相关的自适应步长用以代替传统的固定步长,从而进一步提升了算法的校正效果和收敛速度。然后对算法的性能曲线和校正结果进行了分析。结果表明,与传统算法相比,改进的神经网络校正算法取得了更好的校正效果,其校正误差稳定低于前者,实现了有效抑制边缘模糊和提升收敛速度的目标。     

基于梯度向量投影的自适应滤波算法的改进及其在多路回波消除中的应用

该文首先对Lim(2000)的基于梯度向量正交投影的算法(OGA)进行了分析和改进,在此基础上获得了一种新的自适应滤波算法(MOGA)。新算法使用时变遗忘因子对误差进行指数加权平均来估计均方误差,并使用该因子改变自适应迭代过程中滤波器系数向量的更新方向.然后将改进后的新算法扩展成两路回波消除算法用于多路回波的消除中,获得了良好的效果。仿真结果表明, MOGA不仅对时变或时不变系统具有很好的跟踪能力,克服了Lim(2000)所提算法收敛性不佳甚至有时发散的缺陷,而且应用于多路回波消除时具有计算量小,收敛速度快和精度高等特点,其收敛速度和精度优于J.Benesty(1996)和G.Sankaran(1999)的相应结果。     

RLS Algorithm with Variable Fogetting Factor for Decision Feedback Equalizer over Time-Variant Fading Channels

In a high-rate indoor wireless personal communication system, the delay spread due to multipath propagation results in intersymbol interference (ISI) which can significantly increase the transmission bit error rate (BER). Decision feedback equalizer (DFE) is an efficient approach to combating the ISI. Recursive least squares (RLS) algorithm with a constant forgetting factor is often used to update the tap-coefficient vector of the DFE for ISI-free transmission. However, using a constant forgetting factor may not yield the optimal performance in a nonstationary environment. In this paper, an adaptive algorithm is developed to obtain a time-varying forgetting factor. The forgetting factor is used with the RLS algorithm in a DFE for calculating the tap-coefficient vector in order to minimize the squared equalization error due to input noise and due to channel dynamics. The algorithm is derived based on the argument that, for optimal filtering, the equalization errors should be uncorrelated. The adaptive forgetting factor can be obtained based on on-line equalization error measurements. Computer simulation results demonstrate that better transmission performance can be achieved by using the RLS algorithm with the adaptive forgetting factor than that with a constant forgetting factor previously proposed for optimal steady-state performance or a variable forgetting factor for a near deterministic system.     

卫星通信中快速非线性信道RLS均衡算法

幅度相位联合调制(Amplitude Phase Shift Keying, APSK)信号经过卫星信道时容易引起非线性失真,产生码间串扰。为此,本文将Wiener均衡应用于APSK卫星通信中,并提出了一种快速非线性信道递归最小二乘(Nonlinear Channel Recursive Least Squares, NCRLS)均衡算法,在传统NCRLS算法的基础上,建立了遗忘因子与步长因子的关系,推出了变遗忘因子的非线性信道递归最小二乘(Variable Forgetting Factor Nonlinear Channel Recursive Least Squares, VFFNCRLS)均衡算法,有效地提高了收敛速度。仿真结果表明,VFFNCRLS算法有效地纠正了非线性失真信号的星座扭曲和频谱再生,解决了卫星通信系统中有记忆非线性信道失真的问题,相比传统算法,具有较快的收敛速度和较好的稳定性。      

基于l1-范数约束的递归互相关熵的稀疏系统辨识

为了有效解决脉冲噪声环境下的稀疏系统辨识(Sparse system identification, SSI)问题,以l1 -范数为约束构建稀疏递归互相关熵准则(Recursive maximum correntropy criterion, RMCC)算法来解决脉冲噪声对于辨识性能的影响。结合带遗忘算子的互相关熵准则和l1 -范数作为代价函数,推导出一种递归形式的算法,其相对于传统的最大相关熵算法具有快的收敛速度及小的稳态误差。仿真实验结果表明:该算法对于脉冲噪声干扰环境下的SSI问题具有强的鲁棒性。      

New method for PAPR reduction based on union strategy in OFDM system

Because of the high Peak to Average Power Ratio （PAPR） in Orthogonal Frequency Di- vision Multiplexing （OFDM） system, a union algorithm for PAPR reduction, combined with modified Active Constellation Extension Smart Gradient-Project（ACE-SGP） algorithm and adaptive clipping algorithm, is proposed in this paper. First of all, an adaptive strategy is used to control the size of clipping level A. Secondly, a novel step factor # is adopted to complete iterative computations in order to increase the convergence speed greatly. Simulation results show that the modified algorithm has reduced the PAPR and improved the convergence speed processing at the receiver end. significantly without side information and any     

改进变步长LMS算法在系统辨识中的应用及性能分析

提出一种改进的自适应变步长最小均方（LMS）算法,该算法利用e^4（n）和遗忘因子λ（n）共同调整步长,同时具有在初始阶段和未知系统时变阶段自适应步长增大而稳态时步长变小的特点,更好地解决了稳态误差与收敛时间之间的矛盾。将该算法应用到系统辨识中,与一般的变步长算法相比,改进算法具有更快的参数辨识速度和更小的稳态误差,同时还具有很好地跟踪多时变系统的能力。     

变遗忘因子递推最小二乘Hammerstein系统辨识算法

摘.要:本论文研究了单输入单输出非线性Hammerstein系统的辨识问题,提出了一种具有变遗忘因子的递推最小二乘算法.由于Hammerstein系统模型的非线性特征,传统的递推最小二乘算法无法直接用来解决该系统的辨识问题.为此,论文将Hammerstein系统参数进行了映射变换,使得变换后的系统参数与Hammerst...