LMS算法的收敛与步长选取

文章提出了ＬＭＳ算法收敛的新概念，并从梯度谱分析的观点探讨了算法的收敛过程，指出步长选取应使算法具有低通性。据此，文章从失调量的准确表达式出发，导出了计算步长的公式。计算机模拟结果表明，按本文方法计算步长可获得满意的失调量，并具有较强的抗信号波动能力。     

LMS和归一化LMS算法收敛门限与步长的确定

从LMS算法失调量的准确表达式出发,根据输入信号特征值分布重新研究了LMS,归一化LMS(Normalized LMS,NLMS)算法收敛的必要条件,推导出LMS和NLMS 算法收敛的步长门限,并分析了输入信号特征值分布、滤波器阶数对算法收敛步长门限的影响,推导出满足性能失调下步长的自适应计算公式,减小了应用 LMS,NLMS算法时步长选取的盲目性,与已有的算法相比,具有计算简单、实用、自适应性能强,同时可获得满意失调量的特点,计算机模拟结果表明该方法的正确性。     

一种新的变步长NLMS自适应算法

文章根据最优步长理论提出一个向量因子来控制步长的变化，其长度及形式与权向量相同，并且由输入数据相关性大的部分决定两个向量中每次应更新的部分，从而使权向量异步更新达到最佳。计算机仿真结果表明，在输入数据相关性很强时，该算法与传统的变步长LMS及NLMS算法相比不仅具有更决的收敛速度，更小的稳态误差及更平稳的收敛过程，同时计算量也有一定的减少。     

变速率部分更新盲均衡算法

对于长抽头系数自适应算法,基于最大化自适应滤波器系数误差向量原则的变速率部分更新算法,能够在大幅度降低算法实现复杂度的同时,解决部分更新算法收敛速度慢的问题。但是,该变速率算法仅适用于LMS结构,对于具有非线性代价函数的部分更新自适应盲均衡算法并不适用。基于同样的最优化思想,通过替换步长计算表达式中的部分统计量,提出了能够适合于部分更新多模盲均衡算法(MMA)的确定性变步长控制算法,并通过递归的方式计算步长值,简化了实现过程。对固定信道和时变信道的数值仿真结果表明,新算法相比传统基于收敛误差的经验性变步长算法具有更快的收敛速度和更好的跟踪性能,有效解决了部分更新自适应盲均衡算法的确定性变速率控制问题,提升了算法的收敛速度和跟踪性能。     

不定阶变步长仿射投影算法

变步长仿射投影算法因结构简单、收敛速度快等优点而得到广泛重视。然而此算法由于计算量大,其应用受到一定限制。为了降低算法复杂度,利用变阶思想,在迭代过程中对投影阶数进行控制,文章提出一种新的变步长仿射投影算法——不定阶变步长仿射投影算法。该算法根据均方偏差的收敛条件,在迭代过程中不断减小投影阶数。仿真结果表明,该算法在减小计算量的同时还能保证很快的收敛速度和低的失调。     

基于LMS算法的自适应滤波及在回声消除中的应用

介绍NLMS和NVLMS两种算法控制步长的思想。在此基础上，提出了新的变步长算法，同时使用误差积累和误差控制步长变化，并构建了基于自适应滤波算法的回声消除系统，将三种算法分别在此系统中应用，仿真验证了提出的算法具有更快的收敛速度和更小的稳态误差。并且在发生系统跳变时也能快速收敛。     

一种基于模糊推理的变步长自适应滤波算法

论文对现有的变步长自适应滤波算法进行了分析,并定性地给出了变步长自适应滤波算法中步长变化应满足的4条准则。根据这些准则,文章提出了一种新的基于模糊推理的变步长自适应滤波算法。理论分析和实验仿真结果都表明,新算法能够符合文中提出的变步长准则,很好地满足了收敛速度和收敛精度的要求。此外,还给出了该算法应用于回声消除中的结果。     

一种改进的线性受阻恒模算法研究

近年来对线性约束常模（LCCM）算法的研究一般是基于定长步长的研究。文中提出了一种改进的基于时变步长的LCCM算法，并仿真分析论证了所提出的变步长LCCM算法具有良好的收敛特性。     

变步长频域快速白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。     

一种类箕舌线函数的变步长归一化自适应滤波算法

在综合考虑自适应滤波算法设计中收敛速度、稳态误差、计算复杂度和跟踪性能等指标的基础上,该文提出一种类箕舌线函数的变步长归一化自适应滤波算法,用类箕舌线函数代替Sigmoid函数作为步长迭代公式,引入基于相关误差的变步长调整原则,在大大增强算法稳定性的同时大幅度提升了算法的收敛速度、跟踪性能,减小了算法的计算复杂度.在Matlab平台上分析了改进的步长函数中参数α;β以及γ的不同取值对算法的影响,并将该文算法与已有的基于Sigmoid函数和基于箕舌线函数的变步长LMS算法进行了比较,仿真结果表明,该文算法有更快的收敛速度、更好的跟踪能力以及较小的稳态误差和较强的鲁棒性.     

基于自调整步长的LMS盲多用户检测

提出了一种自调整步长的LMS盲多用户检测算法,该算法的收敛步长能跟踪系统的变化,克服了定步长LMS算法的收敛步长与输入信号的自相关特征值大小相关的缺点。仿真结果表明,该算法不仅加快了收敛,并且具有较好的抑制多址干扰和克服“远-近”效应的能力。     

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。     

基于变步长自然梯度算法的盲源分离

相比标准梯度而言，自然梯度算法以其更快的收敛速度和更好的分离性能在盲源分离中占据着重要地位。由于常用的自然梯度算法是基于固定步长的，因此无法真正解决收敛速度和稳态误差之间的矛盾。通过建立步长因子与分离矩阵相互差异之间的非线性关系，提出了一种新的自然梯度算法。由于该算法采用的步长是时变的，加快了收敛速度，减小了稳态误差，从而很好地解决了固定步长的内在矛盾。计算机仿真结果证实了理论分析，并说明了该算法明显优于通常的自然梯度算法。     

改进的变步长LMS算法及其在自适应消噪中的应用

通过建立误差信号e（n）和步长因子μ（n）之间一种新的非线性函数关系，提出了一种改进的变步长LMS算法。该算法较固定步长LMS算法收敛速度快、稳定性好，和已有的基于S函数的变步长LMS算法相比，不需要进行复杂的复数运算，大大减化了计算量。将该算法应用于自适应噪声对消系统的仿真中，计算机仿真结果与理论分析相一致。     

变步长常数模盲均衡算法研究

为了进一步提高CMA盲均衡算法的收敛速度和均衡性能,研究了一种变步长常数模盲均衡算法.常数模盲均衡算法中,步长参数直接影响算法的收敛速度和均衡性能,合理的选择步长参数不仅能够避免算法发散或收敛过慢,并且适时调整步长参数可以避免算法陷入局部极小值.高阶均方误差直接反映算法的收敛状态,所以可以利用高阶均方误差作为步长参数的调整因子.计算机仿真表明以高阶均方误差作为步长参数调整因子使常数模盲均衡算法具有了更快的收敛速度和更好的均衡效果.     

一种新的变步长LMS算法在通信对消技术的应用

本文通过分析几种变步长LMS算法,结合VSS-NLMS算发和NLMS算法的优点,采用符号函数降低原有算法的计算复杂度,对变步长参数进行调整,提出了一种改进的变步长LMS算法,通过仿真验证,新提出的算法在收敛速度和稳态误差上也有一定优点,具有工程实际意义。     

一种改进的线性受限恒模算法研究

近年来对线性约束常模(LCCM)算法的研究一般是基于定长步长的研究。文中提出了一种改进的基于时变步长的LCCM算法,并仿真分析论证了所提出的变步长LCCM算法具有良好的收敛特性。     

一种稳定的变步长块LMS自适应算法

针对LMS自适应滤波算法在输入信号高度相关时.收敛速度下降导致性能下降,本文从基本的块LMS算法开始,简要介绍了块LMS算法的实现方法,在此基础上重点分析了在变步长块LMS算法中,影响步长因子的要素.提出了一种新的变步长因子迭代算法(SVBLMS),该迭代算法充分考虑输入信号和误差信号对变步长因子的影响.并且迭代的结构简单,计算量小.通过Matlab仿真.仿真结果表明.该迭代算法较其它块LMS算法有更快的收敛速度,更稳定的收敛过程.当输入为有色信号或输入噪声较大时,本算法都能保持良好的性能.     

自动变步长BLMS自适应均衡的优化实现

介绍了自动变步长分块最小均方(Block Least Mean Square,BLMS)自适应均衡算法。通过自动变更步长,改善了算法的收敛与稳态误差性能。针对改进后的快速BLMS算法硬件实现特点,对其中采用重叠保留法的快速傅里叶变换(Fast Fourier Transformation,FFT)模块,进行了优化,降低了该算法的计算复杂度。相关仿真表明,该算法能在典型多径高速传输环境下能快速收敛,并接近理想性能,且跟踪信道的性能较好,部分FFT计算过程还得到优化。故该算法在保证性能的基础上,还减少了计算资源,具有较大工程实践意义。     

基于变步长等变化自适应盲源分离算法

对于基于梯度自适应的盲源分离算法，认真选择步长参数以达到好的分离性能是非常必要的。如果为加快收敛速度而增大步长因子，将会导致大的稳态误差，甚至引起算法发散，因此固定步长因子无法解决收敛速度和稳态误差之间的矛盾。本文为EASI算法提出了一种变步长的解决方案。通过建立步长因子与分离矩阵相互差异之间的非线性关系，加快了收敛速度，减小了失调误差。计算机仿真结果与理论分析相一致，证实了该算法明显优于传统的EASI算法。