智能天线自适应波束形成算法的研究

智能天线的自适应算法通过迭代运算获取用于波束形成的最优权值矢量时,是否具有较快的收敛速度和较小的稳态误差成为决定波束形成性能的主要因素。据此提出在传统的LMS算法中引入变步长和变换域的思想,采用改进的自：适应算法用于波束形成。MATLAB仿真结果表明,该算法具有较快的收敛速度和较小的稳态误差,波束形成的性能更优。     

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。     

一种改进的自适应波束赋形算法

为了弥补传统的LMS算法采用固定步长无法解决收敛速度和稳态误差之间矛盾的缺陷,改进了失调系数,提出了一种改进的LMS算法用于求解自适应波束赋形的最佳权值。理论分析证实归一化的LMS算法可以通过采用一个可变因子使瞬时输出误差最小化。仿真结果表明,归一化的LMS算法采用了可变步长比传统LMS算法收敛快,稳态误差和失调相对于LMS都有所改善。     

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。     

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.     

一种改进的变步长LMS算法及在车内降噪中的应用

为了提高传统最小均方(LMS)算法的收敛速度,减小稳态误差,基于Sigmoid函数,提出一种改进步长因子μ的方法。该方法通过建立步长因子μ和误差信号e之间的非线性函数关系,并利用指数函数表示误差信号e和可控参数,实现对步长因子μ进行调整。算法收敛初期步长因子μ相对较大,实现加快算法收敛速度的目的;算法收敛后期适度减小稳态阶段步长因子μ,以达到减小算法稳态误差的目的。将该算法应用于车内噪声的有源控制,并与LMS算法进行仿真比较分析。仿真结果表明,相对于传统LMS算法,该算法有效地加快了收敛速度,同时提高了系统的稳定性。     

一种改进的自适应波束赋形算法

在传统LMS算法的基础上,改进了失调系数,提出了一种新的改进LMS算法用于求解自适应波束赋形的最佳权值。通过理论分析,归一化的LMS算法采用了一个可变因子使瞬时输出误差最小化。仿真结果比较可得,归一化的LMS算法采用了可变步长,比传统LMS算法收敛快,稳态误差和失调相对于LMS都有所改善。     

一种新的变步长LMS算法研究及其仿真

针对传统定步长LMS（FSS—LMS）算法无法兼顾收敛速度和稳态误差这一问题,在对定步长LMS算法的分析基础之上,根据变步长LMs（VSS—LMS）的步长调整原则,通过构造步长因子与H（n）与稳态误差e（n）之间的非线性关系函数,提出了一种基于双曲正割函数的新的变步长LMS算法,并且分析了参数取值对算法性能的影响。仿真结果表明：本文提出的算法具有收敛速度快、抗噪声性能强和稳态误差小等特点。     

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.     

LMS自适应波束形成方法研究

研究了最小均方误差（LMS）和归一化最小均方误差（NLMS）自适应波束形成方法的性能,分析了影响波束形成性能的因素,通过计算机仿真实验验证了搜索步长、迭代次数、快拍对波束形成性能的影响,并比较了两种方法的收敛速度、稳态误差和抗干扰性能。     

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.     

基于S形函数的变步长LMS算法

针对定步长LMS算法在收敛速度、时变跟踪能力和稳态失调噪声几个重要指标上不能兼顾的问题,引入人工神经网络中一种常用激励函数———S形函数,并将其应用于变步长LMS算法中。结合算法对收敛速度、精度及稳态失调噪声的要求,引入改变S形函数曲线曲率及收敛终值的2个参数：α和β。分析当α和β值固定时的情况,仿真结果表明定参数算法若其值选择不当会引起较大误差。按照步长值在时变阶段自适应增大,在稳态阶段步长很小的原则,构造了变参数α（n）和β（n）,仿真结果表明变参数算法兼顾多个参数,整体表现较好。     

一种新的带窗重叠自适应滤波器

基于一种带窗重叠自适应滤波器,将重叠滤波思想引入LMS算法。利用重叠滤波的平滑性,将加窗重叠滤波和LMS算法相结合,给出了窗加权重叠LMS(WO-LMS)算法。与传统的LMS算法相比,WO-LMS算法既提高了收敛速度又可以得到较低的稳态均方误差。理论分析了算法的收敛性,通过与LMS算法的比较,验证了WO-LMS算法的优越性。     

基于新的变步长模型的LMS自适应滤波算法

为了解决传统的变步长LMS自适应滤波算法不能有效处理既要求收敛速度快又要求稳态误差小的矛盾,提出了步长因子与误差信号之间的一种新的基于抽样函数非线性模型。该模型在误差信号上增加了指数因子,在仿真实验中,通过调节该指数因子及其他参数,使得算法在初始阶段误差较大时,步长因子能够自动增大,并在误差信号接近零处,有缓慢变化的特性。实验结果表明。提出的算法有很快的收敛速度和较小的稳态误差,可以有效解决上述矛盾,尤其是大幅度提高了算法的收敛速度,便于实时实现。     

一种改进的变步长LMS自适应算法

传统的最小均方误差(LMS)算法难以同时获取较快的收敛速度和较小的稳态误差,而变步长LMS算法可获得二者之间的平衡。对已有的一些变步长LMS算法进行了分析,在变系数步长(VFSS)算法的基础上,引入输入信号因子,并建立步长因子与误差信号之间新的非线性函数关系,提出一种改进的变步长LMS算法,该算法不仅继承了VFSS算法在低信噪比环境下抗噪声性能好的特点,而且能够快速跟踪系统的变化,仿真结果表明改进算法的性能优于现有算法。     

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。     

A variable step size LMS algorithm

A least-mean-square (LMS) adaptive filter with a variable step size is introduced. The step size increases or decreases as the mean-square error increases or decreases, allowing the adaptive filter to track changes in the system as well as produce a small steady state error. The convergence and steady-state behavior of the algorithm are analyzed. The results reduce to well-known results when specialized to the constant-step-size case. Simulation results are presented to support the analysis and to compare the performance of the algorithm with the usual LMS algorithm and another variable-step-size algorithm. They show that its performance compares favorably with these existing algorithms     

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。