一种非线性变步长LMS自适应滤波算法

基于定步长LMS自适应滤波算法存在稳态误差和收敛速度无法合理协调的缺点,通过在误差信号与步长之间建立非线性关系,提出了一种新的变步长LMS算法。通过步长函数可以让步长因子在算法初始阶段具有较大值,在算法收敛阶段获得较小值,且变化平缓。理论分析和实验仿真结果表明,新算法克服了在稳态自适应阶段步长调整导致系统不稳定的问题。将新算法应用于电脑风扇噪声的有源噪声控制中,取得了良好的效果。     

一种变步长最小平均p范数自适应滤波算法

在p稳定分布脉冲噪声背景下,为解决固定步长最小平均p范数(LMP)不能同时满足快收敛速度和低稳态误差的问题,该文提出一种对脉冲噪声具有鲁棒性的变步长最小平均p范数(VSS-LMP)自适应滤波算法.该算法利用改进的变形高斯函数来调节步长,采用移动平均法构造变步长函数,克服了定步长算法稳态误差高及抗噪性能差的问题.VSS-LMP算法在系统受到脉冲噪声干扰时,能维持步长稳定;当系统逐渐稳定时,能产生小步长以降低稳态误差.系统辨识仿真结果表明,在α稳定分布脉冲噪声下,VSS-LMP算法与固定步长和已有变步长算法相比,具有更快的收敛速度和更强的系统跟踪能力.     

一种基于LMS自适应滤波的互相关时延估计优化算法

在多站时差定位系统中使用基于LMS自适应滤波的互相关法进行时延估计时,若采用固定步长因子则会在收敛速度和稳态失调之间存在较大矛盾,从而影响时延估计精度。针对这一问题,文中提出了一种基于分段变步长LMS自适应滤波和希尔伯特差值的互相关时延估计优化算法。该方法首先采用分段变步长LMS自适应滤波对信号进行滤波处理,然后将滤波后的信号作互相关运算,最后通过希尔伯特差值法锐化相关函数的峰值,进一步提高时延估计精度。在相同条件下,文中模拟分析了不同算法的时延估计精度。实验结果表明,新的优化算法时延估计精度更高。在不同信噪比下,新方法相较传统时延估计方法精度提高了2.2%以上,具有良好的抗噪声性能。     

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。     

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.     

UWB定位中的自适应时问延迟估计算法

研究了时延估计算法在超宽带（Ultra Wide Band）定位中的应用,其广义相关自适应时间延迟估计算法的收敛速度慢,在低信噪比条件下时间延迟估计精度较低。针对低信噪比条件下的收敛特性,提出一种最大似然加权的广义相关自适应时间延迟估计算法,并进一步提出了改进的基于最大似然（Maximum Likelihood）加权函数的广义互相关时延估计算法。改进的算法采用加窗法和自适应时变干扰删除滤波法,弥补了原算法计算量大及无法消除时变信号干扰的不足。仿真结果表明,改进的算法计算复杂度明显降低,能够有效地消除其他信号干扰,具有较高的时延估计精度和鲁棒性。     

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。     

UWB定位中的自适应时间延迟估计算法

研究了时延估计算法在超宽带(Ultra Wide Band)定位中的应用,其广义相关自适应时间延迟估计算法的收敛速度慢,在低信噪比条件下时间延迟估计精度较低。针对低信噪比条件下的收敛特性,提出一种最大似然加权的广义相关自适应时间延迟估计算法,并进一步提出了改进的基于最大似然(Maximum Likelihood)加权函数的广义互相关时延估计算法。改进的算法采用加窗法和自适应时变干扰删除滤波法,弥补了原算法计算量大及无法消除时变信号干扰的不足。仿真结果表明,改进的算法计算复杂度明显降低,能够有效地消除其他信号干扰,具有较高的时延估计精度和鲁棒性。     

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。     

一种基于变步长的自适应滤波器改进算法

传统自适应滤波LMS算法(The Mean Square)的主要矛盾是收敛速度与稳态误差不能同时优化。为解决此类问题,本文通过建立步长参数与误差信号之间的一种新的非线性函数关系,提出一种改进的变步长LMS算法。仿真表明,改进后的算法不仅具有更快的收敛速度,而且在稳态误差方面也有良好表现。