一种新的变步长自适应滤波算法研究

针对滤波器在亚模型(under-modeling)工作状态下定步长自适应算法收敛速度和稳态误差之间的矛盾,提出一种变步长分割式比例仿射投影算法(VSS-SPAPA)。该算法考虑到系统干扰噪声和滤波器权系数个数小于回声路径长度时引起的亚模型噪声对回声消除系统性能的影响,利用后验误差去补偿这两类噪声的负面作用,建立一个新的目标函数,根据该目标函数,导出一种适用于比例仿射投影算法整体步长的调节方法。仿真结果表明:在增加少量计算量的情况下,新算法的收敛速度和稳态性能与定步长比例仿射投影算法以及已有变步长算法相比得到了明显提高。     

基于变步长LMS 算法的自适应逆控制系统

针对各种变步长自适应滤波算法,提出了两种收敛速度快、鲁棒性能好的基于变步长X- 滤波、e - 滤波LMS 算法和带反馈补偿的自适应逆控制系统．变步长自适应滤波算法可以使系统获得更快的收敛速度 和较小的稳态误差,提高了控制精度;反馈补偿可以克服系统的零漂移．仿真结果表明,经过改进的基于变 步长X- 滤波、e - 滤波LMS 算法的自适应逆控制系统收敛速度快、稳态误差小、抗噪声扰动能力强．     

一种新的变步长比例仿射投影算法研究

研究比例仿射投影算法,针对自适应算法收敛速度和稳态误差之间的矛盾,提出了一种变步长的改进比例仿射投影算法( VSS- IPAPA).利用后验误差去补偿干扰信号对系统稳态性能的影响,得到了算法新的最优步长准则,根据步长准则以及先验误差与后验误差之间的联系,导出了一种适用于比例仿射投影的步长调节方法.综合了稀疏算法、数据重用方法及变步长的优点.最后通过对改进算法进行仿真,结果表明,在增加少量计算量的情况下,系统的收敛速度和稳态性能有明显的改善,证明了比例仿射投影算法的有效性.     

一种新的自适应变步长LMS算法及分析

提出一种新的自适应变步长LMS滤波算法,算法中通过比较误差值e(n)和e(n-1)之间的关系自适应调整步长,解决了收敛时间和稳态误差的矛盾,且不受已存在的不相关噪声的干扰.重点分析了新算法的收敛性和滤波效果.并通过Matlab仿真证实由该算法构成的自适应滤波器能获得更快的收敛速度和更小的稳态误差.     

改进的变步长频域批处理LMS算法

现有的单载波频域均衡技术中的定步长频域批处理LMS（Frequency-Domain Block Least Mean Square,FBLMS）算法,在收敛速度和稳态误差之间存在矛盾。针对这个问题,基于对变步长LMS算法的研究分析,提出了一种新的改进的变步长频域批处理LMS自适应滤波算法,通过变步长因子以及频域权系数抽头泄漏能很好地协调收敛速度和稳态误差之间的矛盾,并且还具有较低的算法复杂度的特点。通过Matlab对提出的新算法进行计算机仿真验证,结果表明该算法有较好的收敛速度和较小的稳态误差。     

基于分级迭代变步长的自然梯度盲源分离算法

自然梯度算法是处理盲源分离问题的一个重要方法.自然梯度算法的分离速度与稳态性能之间存在矛盾,步长增大收敛速度加快,但是稳态误差随之增大.自适应变步长算法是解决收敛速度与稳态误差之间的矛盾的有效手段.基于原有自适应算法,提出了一种分级迭代变步长算法,更好地解决了算法存在的收敛速度与稳态误差的矛盾.仿真结果表明,该算法具有更快的分离速度和更好的稳态性能.     

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LMS自适应滤波算法及其在噪声抵消中的应用

本文提出了一种改进的变步长LMS自适应滤波算法,并将其应用于自适应噪声抵消中。该算法解决了算法收敛时间和稳态误差间的矛盾,为实际应用提供了更大的灵活性。它采用误差信号的相关值去调节步长,使得算法的均方误差小、收敛速度快,并且降低了LMS算法对噪声的敏感性。     

一种变步长最小均方算法

最小均方算法（LMS）以计算简单,易于实现等优点被广泛用于自适应滤波领域。但其固定的步长导致了收敛速度和稳态误差之间的矛盾。通过引入非线性函数提出一种新的基于非线性函数的变步长最小均方算法,仿真结果表明该算法具有较好的收敛性能和较小的稳态误差。     

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。     

改进的变步长比例仿射投影算法

变步长分割式比例仿射投影算法（VSS-SPAPA）具有收敛快、失调小等优点,但运用到有大量抽头系数需要更新的回波抵消器中时,因计算量较大,限制了其应用。为降低其计算复杂度,基于局部迭代思想提出了一种改进算法。该算法将滤波器系数分成多个系数子集,通过仅更新权系数某一子集的方法,减少了每次迭代中需更新的抽头权系数个数,从而减少了VSS-SPAPA的运算量。理论分析和仿真结果表明：新算法每次迭代更新的抽头权系数只需达到全部系数的一半时,收敛速度和稳态误差均与原算法相当,但所提算法较大程度降低了计算复杂度,从而具备更好的实时性。     

Improved variable step-size NLMS adaptive filtering algorithm for acoustic echo cancellation

Acoustic echo canceller (AEC) is used in communication and teleconferencing systems to reduce undesirable echoes resulting from the coupling between the loudspeaker and the microphone. In this paper, we propose an improved variable step-size normalized least mean square (VSS-NLMS) algorithm for acoustic echo cancellation applications based on adaptive filtering. The steady-state error of the NLMS algorithm with a fixed step-size (FSS-NLMS) is very large for a non-stationary input. Variable step-size (VSS) algorithms can be used to decrease this error. The proposed algorithm, named MESVSS-NLMS (mean error sigmoid VSS-NLMS), combines the generalized sigmoid variable step-size NLMS (GSVSS-NLMS) with the ratio of the estimation error to the mean history of the estimation error values. It is shown from single-talk and double-talk scenarios using speech signals from TIMIT database that the proposed algorithm achieves a better performance, more than 3 dB of attenuation in the misalignment evaluation compared to GSVSS-NLMS, non-parametric VSS-NLMS (NPVSS-NLMS) and standard NLMS algorithms for a non-stationary input in noisy environments.     

A Variable Step-Size Affine Projection Algorithm Designed for Acoustic Echo Cancellation

The adaptive algorithms used for acoustic echo cancellation (AEC) have to provide 1) high convergence rates and good tracking capabilities, since the acoustic environments imply very long and time-variant echo paths, and 2) low misadjustment and robustness against background noise variations and double-talk. In this context, the affine projection algorithm (APA) and different versions of it are very attractive choices for AEC. However, an APA with a constant step-size parameter has to compromise between the performance criteria 1) and 2). Therefore, a variable step-size APA (VSS-APA) represents a more reliable solution. In this paper, we propose a VSS-APA derived in the context of AEC. Most of the APAs aim to cancel $p$ (i.e., projection order) previous a posteriori errors at every step of the algorithm. The proposed VSS-APA aims to recover the near-end signal within the error signal of the adaptive filter. Consequently, it is robust against near-end signal variations (including double-talk). This algorithm does not require any a priori information about the acoustic environment, so that it is easy to control in practice. The simulation results indicate the good performance of the proposed algorithm as compared to other members of the APA family.      

一种分阶梯度加权平均变步长VLMP算法

通过平滑梯度矢量减小梯度估计误差,采用平滑梯度矢量的欧氏范数和误差信号的分数低阶矩更新步长因子,对一阶和二阶权系数采取分阶迭代更新,得到一种在[α]稳定分布噪声背景下变步长Volterra自适应滤波算法,分析证明了该算法的收敛性能。非线性系统辨识的仿真结果表明,算法较DOVLMP算法具有更快的收敛速度和更小的稳态失调。     

智能音箱中的一种快速回声消除算法

考虑到智能音箱中多采用麦克风阵列作为拾音装置,而单通道自适应滤波技术对声学回声消除具有失真性和复杂性,提出一种麦克风阵列快速回声消除算法。该算法首先用自适应滤波技术估计第一通道回声,然后估计阵列间的相对回声传递函数,把两者相乘得到其他通道回声;其次,把估计出的回声和噪声当作广义旁瓣抵消器（GSC）波束形成下支路的噪声参考信号,利用GSC波束形成算法去除回声和噪声。仿真结果表明,在中度混响、远距离、低回噪比且用音乐作为回声环境时,该算法具有良好的回声消除与噪声抑制性能,不仅运算量小,而且使目标语音信号具有较高的信源失真率和可懂度。     

时变步长恒模医学CT图像盲均衡算法

提出一种基于误差信号峰度的自适应时变步长恒模医学CT图像盲均衡算法,通过降维处理将图像的恢复过程等效为一维盲均衡运算,构建行列等效变换的降维医学CT图像恒模盲均衡代价函数,利用误差信号峰度控制步长因子,加快算法的收敛速度。仿真结果表明,该算法能改善恢复效果,减小稳态剩余误差。     

Multichannel Bin-Wise Robust Frequency-Domain Adaptive Filtering and Its Application to Adaptive Beamforming

Least-squares error (LSE) or mean-squared error (MSE) optimization criteria lead to adaptive filters that are highly sensitive to impulsive noise. The sensitivity to noise bursts increases with the convergence speed of the adaptation algorithm and limits the performance of signal processing algorithms, especially when fast convergence is required, as for example, in adaptive beamforming for speech and audio signal acquisition or acoustic echo cancellation. In these applications, noise bursts are frequently due to undetected double-talk. In this paper, we present impulsive noise robust multichannel frequency-domain adaptive filters (MC-FDAFs) based on outlier-robust M-estimation using a Newton algorithm and a discrete Newton algorithm, which are especially designed for frequency bin-wise adaptation control. Bin-wise adaptation and control in the frequency-domain enables the application of the outlier-robust MC-FDAFs to a generalized sidelobe canceler (GSC) using an adaptive blocking matrix for speech and audio signal acquisition. It is shown that the improved robustness leads to faster convergence and to higher interference suppression relative to nonrobust adaptation algorithms, especially during periods of strong interference