一种α稳定分布下的变步长最小ρ-范数算法

本文提出一种新的基于α稳定分布噪声环境下的自适应滤波算法,这种算法针对变步长自适应滤波算法收敛速度和稳态误差相矛盾的不足,建立了步长μ（n）与误差信号e（n）之间的新的非线性函数关系。该函数能够削弱输入端不相关α稳定分布噪声对步长调整的影响,更好地解决稳态误差与收敛时间之间的矛盾。通过系统辨识仿真结果表明,新的算法α对稳定分布下的尖峰脉冲噪声有较强的韧性,比传统的NLMP算法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。     

一种新的变步长LMS自适应滤波算法及其应用

针对变步长LMS(Least Mean Square)自适应滤波算法不能同时满足较高收敛速度以及较低稳态误差的问题,根据反馈理论提出了一种新的变步长LMS自适应滤波算法,在原有算法模型中通过引入反馈控制函数建立了一种新的步长与误差的非线性函数模型,使得当前的步长值跟当前误差与前一次误差比值的平方相关,通过MATLAB分析了新函数模型中关键参数对滤波性能的影响并确定了合理的关键参数.仿真结果表明:相比原有的算法,改进的新算法极大地提高了收敛速度,同时也降低了稳态误差.新算法性能良好,将其应用于超宽带无线电引信回波信号的滤波处理中,误差的抑制能力提高了4倍,滤波效果较佳.     

一种变步长LMS自适应噪声抵消算法研究

通过对传统最小均方误差（leastmean square,LMS）算法迭代因子μ进行分析,讨论了μ与收敛速度及稳态失调的关系,在此基础上研究了一种新的变步长LMS自适应算法,建立了步长因子μ与输入信号及迭代次数n之间的一种新的非线性关系。通过理论分析,该算法与传统LMS算法相比,其收敛速度更快、稳态误差较小,且计算量增加不大,采用Matlab仿真表明了该算法的优越性。     

一种新的变步长LMS 算法及分析

LMS 算法存在收敛速度和稳态误差上的矛盾,当步长因子过大,则收敛速度快,但误差变化 较大; 当步长因子过小,则收敛速度很慢但是误差稳定． 因此,渐渐发展出了多种变步长LMS 算法． 通过建立步长和误差的一种非线性函数关系,提出了一种新的变步长LMS 算法,并且对算法参数 进行分析． 该算法计算简便,计算量低,且在算法收敛初期能够得到较大的步长,而稳态时期能够得 到较小的步长,且在稳态收敛阶段有较为缓慢的步长变化,克服了传统算法在低误差范围内的步长 调整的缺陷． 仿真结果与理论结果相一致,证明了该算法比已有算法拥有更好的收敛性能．     

小波技术对LMS算法的提高与分析

变步长LMS（Least Mean Square）算法在同时兼顾快速收敛与降低稳态失调误差的问题上做出了很多改进,但仍有较大的提升空间. 本文利用小波技术对变步长LMS算法提出改进. 小波技术具有数学“显微镜”功能,步长因子的变化速度可以通过拉伸窗口来实时调整. 本文将失调误差与收敛速度之间的比值做为小波窗口调整参数,根据两者之间的相对变化实时调整步长因子的变化速度,可实时准确地调整收敛速度,更好地兼顾快速收敛与降低稳态失调误差问题. 仿真证明本文提出的算法比现有技术具有更高的收敛速度和更低的稳态失调误差.     

基于t分布变换的新变步长LMS算法

为解决在外部环境突变的条件下,最小均方(LMS)算法收敛速度与稳态误差之间难以同时平衡优化这一问题,提出一种基于t分布的新型变步长LMS算法(简称BVTLMS算法)。通过理论推导,对t分布概率密度函数进行变换,得到全新的步长随误差变化的曲线,满足了收敛条件;然后针对不同参数分析对BVTLMS算法的影响,确定最优参数,利用该参数进行仿真。结果表明,在同样的仿真条件下,BVTLMS算法分别与基于分式函数变步长算法和基于正态分布变步长算法相比,具有收敛速度更快、稳态误差更小和更强的跟踪能力优势。采用实际数据进行验证,也证明所提出的BVTLMS算法的优越性。     

基于T/2分数间隔的不同变步长盲均衡算法

在分析分数间隔均衡器(FSE)和多模算法的基础上,针对算法固定步长存在收敛速度和剩余误差的性能要求相矛盾的问题,研究以不同变步长的T/2分数间隔多模盲均衡算法.各变步长利用与误差项或均衡输出项的非线性关系自适应调整步长.利用QPSK信号进行仿真分析,结果表明,本算法在收敛速度和稳态误差方面的性能优于固定步长,且相同实验条件下,不同步长的盲均衡算法性能也不同.     

改进的变步长自适应滤波及Eckart加权抑噪算法

针对已有的变步长自适应滤波算法对噪声干扰敏感的问题,提出改进的变步长最小均方误差自适应算法,该算法对误差的自相关时间均值估计做遗忘加权补偿,并改步长因子固定范围约束为动态变化约束,一方面克服了单纯采用自相关时间均值估计调整步长所导致的步长因子快速衰减,获得了较快的收敛速度;另一方面相比基于Sigmoid函数的变步长算法,具有更平滑的步长变化和更低的稳态失调噪声.在改进算法中引入Eckart加权进一步抑制了自适应滤波器权系数伪峰,采用滑动窗遗忘加权降低了计算复杂度.将新算法及其Eckart加权应用于自适应时延估计仿真实验,结果表明：相比于已有的2种参数固定条件下的变步长自适应滤波算法,改进算法获得了更好的高斯噪声和突变噪声干扰下的时变时延跟踪性能.     

基于正交小波变换的变步长盲均衡算法

提出了一种基于正交小波变换的变步长盲均衡算法。该算法将正交小波变换理论引入到常数模盲均衡算法中,充分利用小波变换对信号的去相关性及指数型变步长控制迭代过程的特性来加快收敛速度。与常数模算法及基于正交小波变换的盲均衡算法相比,该算法收敛速度快、稳态误差小、均衡效果好。水声信道盲均衡的仿真结果,验证了其的性能。     

一种快速在线盲源分离方法

传统的独立分量分析方法大多采用批处理的方式,不能满足时变混合系统中盲源分离的需要.文章通过修改基于负熵的代价函数,导出了一种快速在线盲源分离算法,并采用一种基于函数估计的自适应变步长方法优化了算法的性能.通过真实录制语音信号的仿真试验,说明算法的收敛速度和稳态性能均优于自然梯度变步长算法.     

一种变步长LMS算法及仿真

虽然传统LMS算法拥有很多优点如方法简单、运算量小,但是由于固定步长的缘故,在解决稳态误差与收敛性之间的关系时始终处于矛盾状态,这也使的传统LMS算法始终具有收敛速度慢的特性。结合传统的LMS自适应滤波算法,在此基础上对步长因子进行了改进,将步长因子与误差因子间建立函数关系提出变步长LMS新的算法,并通MATLAB仿真,比较了改进后的算法与传统LMS算法,仿真结果显示改进后的算法明显在系统的收敛速度和稳态误差上有所提高。     

改进的l0范数LMS算法与分析

提出一种改进的基于l0范数的最小均方( LMS)算法。采用误差的相关函数值调整权系数步长因子以及零吸引项,增强系统的抗噪声性能;并且引入一种修正的权系数步长因子更新方法,进而使系统具有较快的跟踪速度。对提出的算法进行理论分析,最后在不同信噪比下进行仿真验证并与已有的基于l0范数的LMS算法进行比较。理论分析结合仿真验证都表明新提出算法具有较快的跟踪速度和较强的抗噪声性能。     

Variable step-size matrix adaptive filter design based on the multiband structured

In order to improve the convergence performance of the normalised sign subband adaptive filter (NSSAF), variable step-size matrix normalised sign subband adaptive filter (VSSM-NSSAF) based on the variable multiband structure is proposed. In this method, the energy of the subband posteriori error vector is treated as the cost function and the variable step size matrix as a variable. By solving the optimal step length for each subband to minimize the cost function after each iteration calculation, the best variable step size matrix is obtained. Then we employ the following time-average scheme to get the variable step-size matrix before the next iteration. Compared with the traditional NSSAF algorithm and other improved NSSAF algorithms, the proposed algorithm provides a faster convergence speed and lower steady state misadjustment, regardless of whether the input signal is relevant or not, even if it contains impulse noise. Besides, this method has the advantages of a low computational complexity.     

基于归一化最小均方算法的自适应核RBFNN

为了使自适应核径向基函数神经网络(RBFNN)有更好的收敛速度和稳态误差,提出了以归一化最小均方为学习算法对自适应核RBFNN进行优化的方法。在梯度下降算法的基础上,通过一个可变的步长因子,对归一化最小均方(NLMS)算法进行推导,并将其作为学习算法对自适应核RBFNN的权系数及偏差进行更新训练。在非线性系统辨识及模式分类中的仿真实验结果表明,使用NLMS学习算法训练自适应核RBFNN相较于其他学习算法下的自适应核RBFNN,具有更快的收敛速度及相对较小的稳态误差。     

一种变步长LMS自适应滤波算法及分析

文章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,提出了一种新的自适应算法,并且分析了参数的取值对算法性能的影响。该算法具有快速收敛性和较小的稳态误差,而且能够快速跟踪系统的变化和不受非相关噪声的影响,仿真结果表明,该算法的性能优于已有的算法。     

Fast nonlinear Shrinkage LMS Newton equalization algorithm over the satellite nonlinear channel

The adaptive Volterra equalizer is an effective technique for compensating the nonlinearity over satellite channels. However, its adaptive algorithm has a slow convergence speed. To counteract this problem, a new shrinkage least mean square Newton algorithm is devised for the adaptive Volterra equalizer over the satellite nonlinear channel. A noise-free posteriori and priori error signal is obtained by using a known Shrinkage method and L1-L2 minimization formulation. Furthermore, by minimizing the energy of the noise-free posteriori error signal, the SHLMS Newton method is able to provide a variable step size to update the weight vector for the adaptive Volterra equalizer, significantly enhancing the convergence speed. Simulation results indicate that the SHLMS Newton adaptive Volterra equalizer can effectively correct signal amplitude and phase distortions and satellite nonlinear channel distortion.Additionally, the SHLMS Newton algorithm can obtain a faster convergence speed than the traditional algorithms.     

Variable step size multi-antenna diversity equalization algorithm using error feedback

Owning to the correlation of the error signal in multi-antenna diversity adaptive decision feedback equalization being not same with white noises', the equalization performance is constrained. This paper adds error feedback filters to the traditional multi-antenna diversity adaptive decision feedback equalizer. The proposed structure can decrease the correlation of the error signal to increase the performance under the mean square error criterion. However, the proposed structure lowers the algorithm's convergence speed. Consequently, a nonlinear function between step size and error signal by modifying the sigmoid function in order to make this variable step-size measure be adapted to decision feedback equalizers is proposed. The modified algorithm has a larger step size at beginning. Simulation results show that the proposed approach can increase the speed and lower mean square with only little increase in computation.     

一种改进的变步长双模算法研究

在对常模算法（CMA）和改进常模算法（MCMA）的研究基础上,提出了一种改进的变步长双模算法（Variable Step-size MCMA—DD）。改进算法通过误差信号自动地调节步长,从而调节算法的收敛速度。通过仿真表明,改进算法具有与MCMA—DD算法相近的误码性能,但是很大程度地加快了算法的收敛速度。     

基于峭度激励的变步长自适应谱线增强算法

提出了一种基于峭度激励的变步长自适应谱线增强新算法,该算法以输入信号峭度与误差信号峭度为联合激励因子,构造出一种指数型变步长的算法模型。该步长对高斯色噪声或非高斯色噪声均有一定的免疫性,跟踪时变信号的能力强,且收敛速度快。用实测的某水下目标辐射噪声数据进行了仿真实验。与传统的LMS算法相比,仿真结果表明,该算法具有较强的谱线增强能力、快速收敛性和良好的跟踪性能,能有效地实现目标线谱信号与混合色噪声环境的分离。