盲信号分离的自适应算法研究

盲信号分离在信号处理界一直有着重要的地位,其目的就是要根据观测到的混合数据向量恢复出混合前的原始信号。论述LMS和RLS两种进行盲信号分离的自适应算法,并使用它们对合成数据进行实验,考察算法的特性和效果,并进行比较分析。结果表明：LMS算法与RLS算法相比,RLS算法的收敛性能更好一些,而RLS的稳定性则存在振荡问题,在实际应用中需要选择合适的方法和参数。     

基于自适应均衡器的LMS和RLS算法仿真分析

介绍了自适应均衡器下的LMS和RLS算法的基本原理,并分析了2种算法中的忘却因子μ对LMS和RLS算法收敛性能的影响.通过仿真可知,在相同忘却因子下,RLS算法的收敛速度明显快于LMS算法,并且误差也比LMS算法小.     

结合编码信息的单通道盲信号分离改进算法

针对同频调制多路线性混合信号的单通道盲分离,根据自适应跟踪信道参数和逐幸存路径处理原理的思想,在基于LMS跟踪的M-PSP算法框架下,提出了一种能减小计算复杂度的RLS-RPSP算法。该算法利用多路RLS收敛速度快的特点,通过分段设置幸存路径数来保留幸存路径,既能实现对多路信道响应的同步跟踪,又无需对初始响应作任何粗估计。理论分析和仿真结果表明,在具有近似相同的误码率性能情况下,不论非时变或时变信道,新算法相比LMS跟踪下的M-PSP算法,至少能降低一半的运算复杂度。     

自适应判决反馈均衡器算法研究

自适应均衡是现代通信中广泛采用的消除码间干扰的一种方法。为了适应高速数据传输的要求，达到在非线性畸变信道上较好的抗噪声性能，可采用非线性自适应均衡器-判决反馈均衡器（DFE），实现算法一般是以随机梯度下降（SGD）算法为基础的RLS、CMA和LMS及LMS改进算法，由计算机仿真结果可知：在实际工程应用中，判决反馈均衡器的效果良好，特别是LMS改进算法效果更佳。     

短波通信中均衡技术的研究

本文通过时短波通信这一特殊信道的信道特性进行研究,结合常用的几种比较成熟的自适应均衡技术进行了讨论,主要对LMS、RLS和QR-RLS三种算法运用于短波系统的算法优缺点和性能进行比较,并给出了仿真结果,得出理论分析结果.     

改进相关矩阵估计的LMS牛顿算法分析与仿真

在LMS牛顿算法中权值的更新采用了输入信号矢量的相关矩阵估计，不同的估计方法对算法的性能影响很大，该文分析了一种改进相关矩阵估计的LMS牛顿算法，该算法通过对LMS牛顿算法中的相关矩阵采用改进的指数加权估计，大大提高了算法的性能，同时维持了适中的计算复杂度。此外，还比较了LMS牛顿算法与RLS算法，从原理上说明了它们的密切联系；指出算法改善性能的关键在于变步长特性，即步长随着时间增加而逐渐变小，使得算法既可以保持较快的收敛速度，又获得了较小的失调。算法在智能天线中的仿真结果表明，该算法具有比常规LMS牛顿算法更优的性能。     

基于Matlab信号处理仿真研究

Madab是一种面向科学与工程的高级语言,本文结合工业自动控制系统的信号分析与处理。详细阐述典型LMS和RLS自适应算法原理并对其进行对比分析,运用simulink仿真功能对自适应信号噪声抵消系统进行仿真实现。     

LMS和RLS算法在自适应逆控制中的应用

介绍了自适应逆控制的基本思想,分析了基于线性滤波器的逆对象建模以及消除扰动的方法,重点研究了LMS和RLS两种自适应算法在自适应逆控制中的应用,并对仿真结果进行比较,发现两种算法都能很好的运用到自适应逆控制中,能很好的跟踪到对象的逆。RLS算法跟踪的效果更好,收敛的速度也更快,更适用于要求较高的场合,但是要耗费比较多的时间。     

Doherty功放的数字预失真技术研究

通信系统中功率放大器（PA）的效率和线性度影响着整个系统的性能,而Doherty技术是提高效率的一种有效方式,但在提高效率的同时,它的线性度也会变差。数字预失真（DPD）是一种最具有前景的线性化技术,近年来各种模型被不断提出。通过在一种合适阶数、记忆深度的记忆多项式DPD中采用新的RLS与LMS混合算法,实现Doherty功放（DPA）快速、高效的线性化。仿真结果表明所提算法能够快速收敛,对系统的非线性和记忆效应有明显改善。     

基于频域LMS算法的稀疏信道估计

传统自适应滤波方法无法直接、有效地对稀疏信道进行估计。为此,提出一种基于频域的稀疏信道估计方法。为削弱或消除信道的稀疏性质在其估计过程中带来的影响,引入频域最小均方（LMS）算法。频域LMS算法通过FFT变换实现稀疏信道的非稀疏化,从而使其可以对稀疏信道直接估计。仿真实验结果表明,频域LMS算法具有较好的收敛性能,与频域RLS算法相比,其收敛速度相当,但其收敛后的均方误差提高近10dB,可较好地完成对稀疏信道的估计,同时在算法的实现过程中通过使用重叠保留法能较大程度地减少估计的运算量。     

非平稳信号的递推最小二乘盲分离

针对非平稳信号盲分离问题提出了一种基于递推最小二乘(RLS)算法的非平稳信号盲分离新方法.首先引入遗忘因子对常规代价函数进行指数加权修正,得到一种新的具有递归结构的代价函数;然后利用RLS算法最小化代价函数,推导最优分离矩阵的自适应更新算法,逐步实现信号分离.该算法避免了最小二乘类算法关于学习速率选择困难的缺点,具有收...     

Recursive identification of time-varying systems: Self-tuning and matrix RLS algorithms

In this paper, a new parallel adaptive self-tuning recursive least squares (RLS) algorithm for time-varying system identification is first developed. Regularization of the estimation covariance matrix is included to mitigate the effect of non-persisting excitation. The desirable forgetting factor can be self-tuning estimated in both non-regularization and regularization cases. We then propose a new matrix forgetting factor RLS algorithm as an extension of the conventional RLS algorithm and derive the optimal matrix forgetting factor under some reasonable assumptions. Simulations are given which demonstrate that the performance of the proposed self-tuning and matrix RLS algorithms compare favorably with two improved RLS algorithms recently proposed in the literature.     

Two regularizers for recursive least squared algorithms infeedforward multilayered neural networks

Recursive least squares (RLS)-based algorithms are a class of fast online training algorithms for feedforward multilayered neural networks (FMNNs). Though the standard RLS algorithm has an implicit weight decay term in its energy function, the weight decay effect decreases linearly as the number of learning epochs increases, thus rendering a diminishing weight decay effect as training progresses. In this paper, we derive two modified RLS algorithms to tackle this problem. In the first algorithm, namely, the true weight decay RLS (TWDRLS) algorithm, we consider a modified energy function whereby the weight decay effect remains constant, irrespective of the number of learning epochs. The second version, the input perturbation RLS (IPRLS) algorithm, is derived by requiring robustness in its prediction performance to input perturbations. Simulation results show that both algorithms improve the generalization capability of the trained network.     

一种基于动态源数目估计的RLS盲分离算法

针对原始RLS类算法无法用于超定和源信号数目动态变化的盲分离问题,本文采用一种新的在线估计源信号数目的方法。通过在线估计观测信号均值和协方差矩阵,定义一个关于源信号数目的代价函数,然后最小化代价函数可得到源信号数目的估计。并且利用估计得到的源数目动态调整RLS算法中的分离矩阵及其它相关参数矩阵的维数,进而使得改进RLS盲分离算法能够有效地分离超定和数目动态变化的源信号。仿真结果表明,新的算法比现有算法具有更好的收敛性和分离性能。     

NLMS与RLS算法的仿真比较及其在FECG提取中的应用

该文通过计算机仿真对比研究了归一化最小均方误差（NLMS）和递推最小二乘（RLS）两种自适应滤波算法,并将这两种算法用于胎儿心电图仪的自适应滤波器仿真设计中。该方法通过自适应滤波拾取理想的参考信号,再与腹部混迭信号相减抵消母亲心电图（MECG）,从而提取出胎儿心电（FECG）信号。计算机仿真实验结果表明,这两种算法都能通过有效抑制MECG及其它各种干扰以实现FECG的检测。相比之下,RLS算法具有良好的应用性能,除收敛速度快于NLMS以及稳定性强外,还具有更高的起始收敛速率;更小的权失调噪声,更大的抑噪能力,但其计算复杂度高于NLMS算法。     

Natural gradient-based recursive least-squares algorithm for adaptive blind source separation

This paper focuses on the problem of adaptive blind source separation (BSS). First, a recursive least-squares (RLS) whitening algorithm is proposed. By combining it with a natural gradient-based RLS algorithm for nonlinear principle component analysis (PCA), and using reasonable approximations, a novel RLS algorithm which can achieve BSS without additional pre-whitening of the observed mixtures is obtained. Analyses of the equilibrium points show that both of the RLS whitening algorithm and the natural gradient-based RLS algorithm for BSS have the desired convergence properties. It is also proved that the combined new RLS algorithm for BSS is equivariant and has the property of keeping the separating matrix from becoming singular. Finally, the effectiveness of the proposed algorithm is verified by extensive simulation results.     

TD-LTE下行发射分集自适应信道估计研究分析*

为了研究适用于TD-LTE系统下行信道发射分集模式下的信道估计算法,在基于离散分布的小区专用参考信号基础上分析了最小二乘（LS）和递归最小二乘（RLS）信道估计算法。为了简化MIMO信号检测的复杂度,针对发射分集模式提出了两种信道响应值的修正方法,改善的信道响应修正算法利用了时频域相关特性可以更好地跟踪信道变化。通过MATLAB在瑞利衰落信道下的仿真,表明RLS信道估计性能优于LS信道估计算法,而改善的信道响应修正算法能够进一步提高传统修正算法的性能。     

基于QR分解的RLS算法及在扩频系统的应用研究

相对于扩频系统抑制窄带干扰的时域经典自适应滤波算法,基于QR分解的窄带干扰抑制方法是一种性能优良的新算法.研究了基于QR分解的RLS自适应滤波算法,考虑两种指数加权递归最小二乘(RLS)估计的算法--QR-RLS算法和逆QR-RLS算法,对扩频通信系统进行窄带干扰抑制.通过定义新的数据矩阵,该算法求解出数据域正规方程中的系数矩阵和右侧向量,从而提高了计算效率.最后用Matlab仿真了自适应滤波过程,仿真结果表明,该算法具有良好的计算性能以及收敛性能.