一种变步长自适应滤波算法在信号消噪中的应用

为了解决自适应LMS算法中收敛速度和稳态失调之间的矛盾,在选择自适应算法的步长时,通过在基于箕舌线的变步长LMS算法中引入自相关估计,对信噪比为SNR=16 dB的染噪信号进行处理.仿真结果表明:该算法使均方误差曲线在500个采样点附近达到稳态,均方误差MSE=2.595.时域波形显示,利用变步长自适应滤波算法能有效地滤除信号中的噪声,获得稳定的消噪效果.     

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L0范数约束非相邻系数FIR数字滤波器设计

传统有限冲击响应滤波设计时,均默认滤波器系数相邻。该文提出了采用L0范数约束的非相邻系数有限冲击响应滤波器设计模型,保持其线性相位特性,通过增加滤波器设计的自由度,以少量的系统延时为代价来提高滤波器性能。并采用遗传算法来解该非凸优化模型,进一步推导出近似解的求解方法,降低了算法复杂度。计算机仿真结果表明,在相同的阶数下,该滤波器模型较传统模型有更小的逼近误差。     

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。     

基于常数模算法和自适应变模值符号Godard算法的联合盲均衡(英文)

在数字通信系统中为了克服码间干扰,常采用基于不需要使用训练序列的常数模算法的分数间隔盲均衡技术.但是该技术在对非常模信号,如高阶QAM信号,进行均衡时存在稳态均方误差大的缺陷.因此提出了一种基于常数模算法和自适应变模值符号Godard算法的联合盲均衡.新方法将常数模算法作为基础部分用来使接收信号的眼图睁开;将自适应变模值符号Godard算法作为第二部分用来进一步减少算法的残留误差.通过计算机仿真验证了新方法比基于常数模算法的分数间隔盲均衡具有更低的稳态均方误差.     

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．     

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。     

Sigmoid函数变步长LMS自适应算法的抗干扰性能改进

为了改善Sigmoid函数变步长LMS算法（SVS-LMS）在高斯噪声和冲激噪声干扰下的性能,首先将以瞬间误差功率为Sigmoid函数自变量控制步长更新的方法,改为以误差的自相关时间均值估计调节步长,抑制了噪声干扰;然后使用HB加权进一步平滑了因噪声干扰导致的自适应滤波器权系数伪峰、使用归一化处理获得了更大的输入信号动态范围。自适应时延估计仿真实验表明,在高斯噪声和冲激噪声干扰下,相比于固定参数下的SVS-LMS算法和另外一种SVS-LMS改进算法,本文算法及其HB加权能够获得更好的时变时延跟踪均方误差性能。     

一种变步长AP-REE算法的研究

为了提高自适应滤波器的滤波性能,提出了一种变步长的AP-REE算法。通过分析AP-REE算法权值误差和权值均方误差的二阶统计量,获得了参数迭代步长的一个优化解,促进了AP-REE算法在迭代方向上均方误差的收敛速度。仿真结果表明,相比较于定步长的AP-REE算法,变步长的AP-REE算法获得了更快的收敛速度。     

基于P范数的变尺度扩散公平代价算法

为了进一步提高扩散式自适应滤波算法在不同噪声环境下的性能,提出了一种新的基于P范数的变尺度扩散公平代价函数算法。该算法在公平代价函数的基础上,对误差绝对值项加入了P范数,同时利用类箕舌线函数构造了一个随误差变化的尺度因子来共同控制算法的陡峭程度,进而使算法拥有更快的收敛速度和更小的稳态误差。在高斯噪声环境以及Alpha稳定分布和伯努利-高斯分布的非高斯噪声环境中的仿真结果表明,所提算法拥有更强的鲁棒性和更低的稳态误差,在不同噪声环境下的性能均优于对比算法。