基于重叠存储的快速自适应滤波器算法研究

为提高LMS算法的收敛速度和精确度,提出基于重叠存储的快速自适应滤波器算法,利用重叠存储法的快速卷积技术,进行快速傅里叶变换来实现。理论分析和计算机仿真均表明改进后的算法具有较快的收敛速度和较好的稳态性能,估计精度高优于其它算法。     

一种改进的补对LMS算法及性能分析

提出了一种改进的补对LMS算法.新算法实现了对通常的补对LMS算法步长的动态调整.计算机仿真结果与理论分析相一致,证实了该算法比通常的补对算法和传统的LMS算法有更快的收敛速度.     

一种改进的变步长LMS自适应算法

为了得到一种抗干扰性能强、收敛速度快、稳态误差小的变步长LMS算法,本文分析了传统LMS算法、变步长LMS算法及其改进算法,并对现有变步长LMS算法进行分类归纳,在列出几种具有代表性算法的基础上,提出了一种改进的变步长LMS算法.新方法引入修正系数,通过当前和过去估计误差以及误差的时域均值来调节自适应算法的步长,具有收敛速度快,稳态误差小的优点,并且提高了LMS算法的抗干扰性能.文中最后给出了仿真结果,仿真结果与理论分析一致.     

基于快速块LMS算法的统一电能质量调节器谐波电流预测方法

本文提出了一种基于快速块LMS算法的统一电能质量调节器谐波电流预测方法。该方法将FFT变换运用到LMS算法中,采用重叠存储方法,在滤波器权值更新时进行块处理。分广义平稳和广义非平稳两种情况,对每个可调权值赋予不同的步长。在t时刻预测出t+2时刻受控量与参考量之间的差值,通过选择t+1时刻的控制策略和利用快速块LMS算法使得该差值最小。仿真结果表明了该方法的正确性和可行性。     

APF中一种改进的变步长LMS自适应谐波检测算法

在有源电力滤波器(Active Power Filter, APF)的低信噪比(Signal Noise Ratio, SNR)环境下,为了提高变步长最小均方(Least Mean Square, LMS)自适应算法对谐波电流检测的跟踪速度及精度,提出改进的变步长LMS算法。该算法在MVSS-LMS算法的基础上,增加历史误差的遗忘加权和估计并控制步长更新,动态控制步长更新范围,采用滑动窗遗忘加权减小了计算复杂度。同时,对改进算法性能进行稳定性分析。实验结果表明,该算法不仅具有较快的动态响应速度,而且在APF的低信噪比情况下,稳态误差有所减小,具有较高的抗干扰能力,谐波电流检测效果较好。     

基于模糊推理的自适应单相谐波检测方法

LMS算法被广泛应用于自适应谐波检测方法中.为提高LMS算法的收敛速度,依据模糊推理原理,获得一种新的变步长自适应算法.将新的自适应算法应用到单相有源滤波器的谐波检测中,能够获得较高的稳态精度和较快的动态响应速度.通过仿真,验证了基于模糊推理的新型自适应谐波检测方法的有效性.     

一种基于解相关的变步长LMS算法

在自适应滤波器的构造算法中,LMS算法作为经典理论其应用范围广泛,如何进一步提高滤波器的性能,满足实时数据处理的需要,是当前的一个研究热点.本文讨论了一类针对传统LMS算法进行改进的变步长自适应算法,分析其性能,给出了一种新的变步长自适应算法.这种算法同时从调节变步长的形式和滤波器权系数向量的更新方式2个方面出发,进一步提高了算法的收敛速率,充分调和了收敛速率与稳态误差之间的矛盾.计算机仿真结果表明,新的基于解相关的变步长LMS算法具有更快的收敛速率和更小的稳态误差,能较好地对信号进行跟踪滤波.     

基于双DSP的模糊变步长自适应谐波检测的研究

对谐波检测算法进行了研究,着重研究了自适应LMS算法,利用模糊控制与自适应滤波相结合,提出一种模糊变步长谐波检测算法.利用MATLAB软件对此算法及另一种性能优越的变步长LMS算法进行比较,验证本文算法的可行性及优越性.基于以上理论研究,设计并制作电路采集板及基于双DSP的开发平台,进行了软硬件设计.最后通过实验验证了...     

一种新的变步长LMS算法

自适应滤波器在信号检测、信号恢复、数字通信等许多领域中被广泛应用,自适应算法一直是学术界一个重要研究课题,提出了一种新的变步长LMS算法.算法根据自适应滤波收敛程度的加深,逐渐减小步长.试验结果表明应用该算法设计的自适应滤波器与当今通用的变步长LMS算法相比具有运算简单,收敛速度更快等优点.     

快速收敛变换域自适应滤波算法

为了提高LMS算法均衡相关信号时的收敛性能,提出了一种新的快速收敛变换域自适应滤波算法（VS-DCTLMS）。该算法融合了归一化离散余弦变换LMS算法和变步长离散余弦变换LMS算法的优点,具有结构简单,收敛速度快,稳态误差小的特点。仿真结果表明,该算法计算量和变步长归一化LMS（VS-NLMS）算法、解相关LMS（DescorrLMS）等算法相当,但在收敛速度上具有很大优势;收敛性能和最小二乘回归算法（RLS）接近,却克服了RLS计算量大、不利于硬件实现的实际问题,是一种性能优良的可实现方法。     

多通道FURLS噪声主动控制算法及仿真

为了改善最小均方（LMS）类算法在空间宽带噪声主动控制问题中收敛速度慢的缺点,消除声反馈对系统稳定性的影响。将快速收敛的最小二乘（RLS）类算法与自适应滤波U形结构结合,提出多通道滤波-URLS（MFURLS）算法,理论上推导该算法详细流程。本文对定频和宽带噪声进行了降噪仿真,将MFURLS算法与多通道滤波-ULMS（MFULMS）算法进行对比,仿真结果表明采用MFURLS算法的系统有30dB左右的降噪量,且收敛速度优于FULMS算法,证明该算法在宽带噪声控制方面具有很大优势。     

高噪声环境下基于自适应滤波语音降噪技术的研究

为了在高噪声环境下得到较清晰的语音信息,本文提出一种基于线性预测的FIR自适应语音滤波器,对LMS算法作出改进,提高了算法的收敛性。在多种噪声环境下,MATLAB仿真实验结果表明,改进的算法具有更好的降噪效果,显著提高了信噪比,并保持了语音的自然度。     

横向时延滤波和IQ正交滤波的滤波效果仿真

由于横向时延滤波和IQ正交滤波在稳定性、收敛速度和误差率等方面的性能差异对于最小均方算法(LMS,Least Mean Squares)在工程上的实际应用具有参考意义,采用数值仿真的方法模拟了两者实现自适应最小均方算法的具体过程,并对比分析了它们的滤波性能。仿真结果显示IQ正交滤波具有更高的稳定性、更快的收敛速度、更小的误差率,其滤波性能优于横向时延滤波。IQ正交滤波器的阶数为2阶,而横向时延滤波器的阶数通常>10,滤波器阶数越多引入的权噪声也会相对增加,对于稳定性、收敛速度和误差率都是不利的,因此实际应用中优先选择阶数较少的IQ正交滤波器。     

基于改进的SVSLMS算法的语音识别系统研究

为了克服固定步长LMS算法固有的收敛速度与稳态误差之间的矛盾,在传统SVSLMS算法的基础上提出了改进的SVSLMS算法。通过理论分析和仿真研究的方法,给出了该算法中各个参数的选取方法,并确定了适用于本文所采用的语音样本库的参数最佳值。对固定步长LMS算法、传统SVSLMS算法以及提出的改进的SVSLMS算法进行了仿真对比。仿真结果表明,提出的改进的SVSLMS算法在降噪性能、收敛速度和稳态误差这3个方面都优于其余两种算法,有效的提高了语音识别系统的准确性和稳定性。     

改进自适应ADMCC-HCKF算法及在SINS/CNS/GNSS中的应用

针对传统容积卡尔曼滤波器(CKF)在非高斯噪声下滤波精度下降以及传统最大相关熵(MCC)算法收敛速度较慢的问 题,提出了一种改进的自适应相关熵高阶容积卡尔曼滤波(ADMCC-HCKF)算法。 该方法依据 MCC 迭代过程的误差变化自适 应调整核宽大小,核宽能够改变核参数对输入数据的敏感性,从而提高算法收敛速度及对非高斯噪声的处理能力。 基于非高斯 噪声环境,搭建 SINS / CNS / GNSS 组合导航实验,研究结果表明,改进的 ADMCC-HCKF 算法相比传统 HCKF 和基于常规 MCC 的 HCKF 算法具有更强的鲁棒性,在降噪性能及对非高斯噪声的适应性角度均有所提升的同时,滤波精度较 HCKF 算法提高 了 9. 63%。     

基于AEKF的永磁同步电机转速估计算法研究

针对在转速估算研究中采用常数矩阵不能准确描述永磁同步电机(PMSM)在不同运行条件下系统噪声的问题,提出了一种基于新息序列和状态残差的自适应扩展卡尔曼滤波算法(AEKF)。同时,对AEKF的稳定性进行理论上的探究。经仿真验证,与传统扩展卡尔曼滤波算法相比,AEKF在收敛速度和收敛精度上更优,参数鲁棒性更好。     

MC-CDMA系统基于小波变换的多用户检测

本文首先将DS-CDMA系统的最小均方误差(MMSE)多用户检测器加以推广,用于MC-CDMA系统中。最小均方(LMS)算法是实现自适应MMSE多用户检测较好的算法,但收敛速度较慢,就此本文提出新的箕舌线变步长加速LMS算法并用到MC-CDMA自适应MMSE多用户检测中。为了使收敛速度更快,对接受的信号先进行小波变换,且可以通过小波域去噪,提高系统的误码率性能。最后用MATLAB仿真对理论分析作出有效验证。     

A novel approach to introducing adaptive filters based on the LMS algorithm and its variants

This paper presents a new approach to introducing adaptive filters based on the least-mean-square (LMS) algorithm and its variants in an undergraduate course on digital signal processing. Unlike other filters currently taught to undergraduate students, these filters are nonlinear and time variant. This proposal introduces adaptive filtering in the context of a linear time-invariant system using a real problem. In this way, introducing adaptive filters using concepts already familiar to the students motivates their interest through practical application. The key point for this simplification is that the input to the filter is constant so that the adaptive filter becomes linear. Therefore, a complete arsenal of mathematical tools, already known by the students, is available to analyze the performance of the filters and obtain the key parameters to adaptive filters, e.g., speed of convergence and stability. Several variants of the basic LMS algorithm are described the same way.