一种新的LMS自适应滤波算法分析仿真研究

传统变步长最小均方(LMS)算法存在收敛速度慢、易受噪声干扰等缺点,为了提高算法的性能,通过对变步长LMS算法进行分析研究,在步长因子x(n)与误差信号e(n)的相关统计量之间建立一种新的非线性函数关系,提出了一种新的变步长LMS自适应滤波算法。该算法采用误差信号的自相关时间均值来调节步长,并用绝对估计误差的扰动量以加快自适应滤波器抽头权向量的收敛。理论分析与计算机仿真结果表明:与SVSLMS和G-SVSLMS算法比较,该算法具有较快的收敛速度、较小的稳态误差以及较强的抗干扰能力。     

一种改进的变步长自适应滤波算法

为了提高LMS自适应滤波算法的性能,在对传统LMS算法及其改进算法研究的基础上,提出了一种改进的变步长算法.在改进算法中,步长因子与误差信号自相关函数之间建立了一种改进的非线性函数关系.将改进算法应用到系统辨识中,通过计算机仿真结果看出,自适应滤波性能在收敛速度和稳态失调误差等方面得到改善.     

基于指数函数的归一化变步长LMS算法

在研究归一化最小均方误差(NLMS)算法的基础上,提出一种基于指数函数的变步长LMS算法。通过建立误差 和步长 的函数关系,实时调整步长,并对输入信号完成时域信号解相关,解决稳态失调系数与收敛速度的矛盾。仿真实验结果证明,该算法与传统LMS算法、SVS_LMS算法、NLMS算法以及双曲正切变步长LMS算法相比,具有更高的收敛速度和较小的稳态失调系数。     

一种改进变步长LMS算法的性能研究

在对传统LMS算法、变步长LMS算法及其改进算法分析的基础上,提出了一种改进的变步长LMS算法。新算法通过建立步长因子与误差信号之间的非线性函数关系,使其初始阶段和时变阶段步长自适应增大和稳态阶段步长很小,理论分析及计算机的仿真结果表明,该算法可保证较快的收敛速度和较小的失调,能更好地解决收敛速度和稳态误差的内在矛盾,可更好地应用于自适应系统中。     

一种解相关变步长归一化LMS自适应算法

本文对变步长（VSS）自适应滤波算法进行了分析，针对输入信号高度相关时算法收敛速度下降导致性能下降的问题，提出了一种解相关变步长归一化LMS自适应算法，引入相关性原理，使得算法保持良好的收敛性能。计算机仿真结果与理论分析相一致。     

基于改进BP-LMS自适应滤波器算法的仿真研究

传统的LMS自适应滤波器收敛速度较慢,存在步长、收敛速度和失调的矛盾.针对此问题,提出了一种基于神经网络控制的自适应滤波器变步长算法,其中神经网络结构选择改进后BP神经网络模型,在反向传播过程中加入动量因子和自适应学习方法.使用自适应滤波器输入信号、输出信号、误差和步长因子建立网络关系(BP-LMS),确定学习步骤进行...     

一种新的变步长LMS自适应滤波算法

传统LMS算法的优点是计算简单、易于实现，缺点是收敛速度慢，如果为加快收敛速度而增大步长因子μ，则会导致大的稳态误差，甚至引起算法发散。固定步长因子无法解决收敛速度和稳态误差之间的矛盾。本文通过建立步长因子μ与误差信号之间的非线性函数关系，得出一种新的变步长自适应滤波算法（SVSLMS）。理论分析和计算机仿真结果表明该算法的性能优于传统的LMS算法和NLMS算法。即在计算量增加不多的前提下，能同时获得较快的收敛、跟踪速度和较小的稳态误差。     

基于模糊推理的变步长LMS自适应滤波算法

LMS算法是一种基于最速下降法的最小均方误差自适应滤波算法.为了提高LMS算法的收敛速度,依据模糊控制原理,推导出一种结构简单的步长与误差的非线性函数关系,进而得出一种新的变步长LMS自适应滤波算法（FVSLMS）,该算法结构简单,易于实现.在理论上,根据万能逼近定理,用FVSLMS算法可以以任意精度逼近步长与误差的非线性函数关系,因此它可以作为以误差调节步长的变步长LMS算法的一类统一形式.最后,通过计算机仿真说明了FVSLMS算法具有较好的收敛性能.     

变步长解相关Volterra LMS算法

Volterra滤波器的非线性使输入向量自相关矩阵包含了输入信号的高阶统计量,导致矩阵特征值扩展很大,因此LMS算法收敛速度一般很慢。从降低输入信号的相关性出发,提出了一种变步长解相关Volterra NLMS算法。解相关能显著加快LMS算法的收敛速度,变步长能够改善算法的稳态性能,两者的有机结合,能明显改善算法性能。仿真结果表明,在不同输入信号相关性情况下,该算法有更好的收敛速度和稳态性能。     

基于谱减和LMS的自适应语音增强

针对宽带噪声背景下的语音增强问题,将短时语音视为非平稳或宽平稳信号,基于谱减法和自适应滤波的最小均方（LMS）算法,提出了一种FIR型自适应滤波算法（SSLMS）：用减谱法由短时噪声观测语音估计期望信号,作为滤波器输出信号的参考信号;用滤波器的输出与参考信号的差值为误差信号,用LMS算法求得滤波器权系数修正量,并修正滤波器。权系数最速下降调整中,采用了归一化LMS、符号LMS、块LMS技术,以简化保证权系数收敛的步长选择、减少权系数修正的运算量,从而提高自适应速度。对不同的语音在各种信噪比下仿真实验,并与改进的谱减法比较,结果表明,该法增强效果优于谱减法;在信噪比为3 dB时该法的增强效果仍然令人满意。