一种变步长LMS波束形成算法性能研究

智能天线的自适应算法通过迭代运算获取波束形成的最优权值矢量时,收敛速度和稳态误差是衡量一个算法是否优良的关键因素。它们的好坏直接影响着系统波束形成的性能。系统地分析了传统的最小均方（LMs）算法的收敛速度以及稳态误差的性能,在此基础上提出了一种新的变步长LMS算法,将此算法应用于波束形成,并用Matlab软件进行仿真。仿真结果表明,改进后的算法较传统LMS具有较快的收敛速度和较小的稳态误差。     

智能天线自适应波束形成算法的研究

智能天线的自适应算法通过迭代运算获取用于波束形成的最优权值矢量时,是否具有较快的收敛速度和较小的稳态误差成为决定波束形成性能的主要因素。据此提出在传统的LMS算法中引入变步长和变换域的思想,采用改进的自：适应算法用于波束形成。MATLAB仿真结果表明,该算法具有较快的收敛速度和较小的稳态误差,波束形成的性能更优。     

一种改进的自适应波束赋形算法

为了弥补传统的LMS算法采用固定步长无法解决收敛速度和稳态误差之间矛盾的缺陷,改进了失调系数,提出了一种改进的LMS算法用于求解自适应波束赋形的最佳权值。理论分析证实归一化的LMS算法可以通过采用一个可变因子使瞬时输出误差最小化。仿真结果表明,归一化的LMS算法采用了可变步长比传统LMS算法收敛快,稳态误差和失调相对于LMS都有所改善。     

一种约束稳定性最小均方波束形成算法

针对归一化最小均方（NLMS）算法步长调整精度不高的问题,将约束稳定性最小均方（CS-LMS）算法应用于智能天线的波束形成问题。通过引入后验误差的稳定性约束条件,构建适合波束形成问题的优化目标,并给出了其解的计算复杂度、收敛速度和稳态误差的理论分析。计算机仿真结果证实,CS-LMS波束形成算法比NLMS算法具有更加优良的抗干扰性能,较快的收敛速度,良好的系统跟踪能力和较小的稳态误差,尤其是当输入信号发生中断或突变时,算法依然工作得很好。     

新的变步长LMS算法在系统辨识中的应用

在分析最小均方误差(LMS)自适应滤波算法和变步长LMS算法的基础上,提出了一种新的变步长算法,该算法用误差的平均值来控制步长的变化,进一步的解决了收敛速度和稳态误差的矛盾。讲述了新算法的具体改进方式,并将该算法和变步长G-SVSLMS算法以及固定步长算法分别应用到系统辨识中,通过MATLAB进行仿真,结果证实文中提出的算法在明显提高收敛速度的同时,并拥有好的稳态误差。     

一种改进的变步长NLMS算法

针对传统NLMS使用固定步长而出现的收敛速度和稳态误差的矛盾,提出一种改进的变步长NLMS算法。该算法建立了步长与误差的函数关系,使步长随着输出误差和噪声误差的变化而动态更新,从而降低稳态误差。理论分析和仿真结果表明,与现有NLMS算法相比,改进的算法具有更快的收敛速度和更低的稳态误差。     

一种改进的变步长自适应滤波器LMS算法

本文提出一种改进的LMS算法(即MS-LMS)，并建立了步长因子μ与误差信号e(n)之间另一种新的非线性函数关系。该关系不仅具有原有算法在误差e(n)接近零处缓慢变化的优点，而且低信噪比环境下比原有算法具有更好的收敛性能。理论分析和计算机仿真结果表明，在低信噪比的环境下，改进算法的收敛速度和稳态误差的性能指标都有较大的提高，并对系统发生的突变表现出较强的鲁棒性。     

一种改进的变步长LMS算法及在车内降噪中的应用

为了提高传统最小均方(LMS)算法的收敛速度,减小稳态误差,基于Sigmoid函数,提出一种改进步长因子μ的方法。该方法通过建立步长因子μ和误差信号e之间的非线性函数关系,并利用指数函数表示误差信号e和可控参数,实现对步长因子μ进行调整。算法收敛初期步长因子μ相对较大,实现加快算法收敛速度的目的;算法收敛后期适度减小稳态阶段步长因子μ,以达到减小算法稳态误差的目的。将该算法应用于车内噪声的有源控制,并与LMS算法进行仿真比较分析。仿真结果表明,相对于传统LMS算法,该算法有效地加快了收敛速度,同时提高了系统的稳定性。     

一种改进的自适应波束赋形算法

在传统LMS算法的基础上,改进了失调系数,提出了一种新的改进LMS算法用于求解自适应波束赋形的最佳权值。通过理论分析,归一化的LMS算法采用了一个可变因子使瞬时输出误差最小化。仿真结果比较可得,归一化的LMS算法采用了可变步长,比传统LMS算法收敛快,稳态误差和失调相对于LMS都有所改善。     

顽健自适应波束形成算法

针对方向向量偏差会导致最小均方(LMS)算法的性能急剧下降这一问题,提出了一种基于可变对角载入的顽健自适应波束形成算法.采用最陡下降法对信号方向向量进行优化求解,并在每次迭代过程中更新对角载入值,进而求出最优的权重向量,避免了矩阵求逆运算和特征值分解运算,大大降低了计算复杂度.通过建立步长与输入信号的关系得到可变的步长因子,克服了收敛速度和稳态误差之间的矛盾.该算法收敛速度快,抗扰动性强,对信号方向向量偏差具有很强的顽健性,从而改善了阵列输出的信干噪比,使其更接近最优值.理论分析和仿真结果表明与传统自适应波束形成算法相比,所提顽健算法具有更好的性能.     

LMS自适应波束形成方法研究

研究了最小均方误差（LMS）和归一化最小均方误差（NLMS）自适应波束形成方法的性能,分析了影响波束形成性能的因素,通过计算机仿真实验验证了搜索步长、迭代次数、快拍对波束形成性能的影响,并比较了两种方法的收敛速度、稳态误差和抗干扰性能。     

改进的变步长变换域最小均方算法

变换域是一种在强相关信号输入时加快自适应算法收敛的方法,但仍然存在收敛速度的要求与稳态失调的要求相矛盾的问题。本文在变换域最小均方误差算法（transform domain LMS, TDLMS）的基础上提出了一种改进的变步长方案,其变步长因子受到误差自相关的控制,消除了不相关的观测噪声的影响。本文分别在平稳和非平稳状态下,对算法的收敛和稳态性能进行理论分析,并给出了最佳的算法参数。仿真设置相同的稳态误差,结果表明本文算法在平稳状态下比固定步长的算法提前1300点收敛,在非平稳状态下提前1400点收敛,且与文献中其它变步长的算法相比收敛速度均有提升。      

样本含有期望信号时的正交投影波束形成算法

在样本数据中含有期望信号的情况下，正交投影波束形成算法将不再适用。文中提出一种新的正交投影波束形成改进算法，通过对样本采样数据进行预处理，阻塞掉样本采样数据中含有的期望信号分量，构造出新的样本采样数据协方差矩阵，在此基础上，实现正交投影算法。新算法与样本采样数据本身不舍期望信号的正交投影波束形成算法性能相当，而且对输出信干噪比有更快的收敛速度。计算机仿真和分析证明了该算法的可行性和有效性。     

基于VSSAP算法的自适应干扰对消技术研究

针对雷达干扰机收发天线之间存在的同频干扰问题,文中研究了基于变步长仿射投影(VSSAP)算法的自适应干扰对消技术。该算法针对仿射投影(AP)算法的定步长因子进行改进,建立了以高斯分布函数为基础改进的步长函数,同时利用误差信号的自相关作为步长函数的自变量,得到步长因子随误差信号变化的函数表达式,从而在加快算法收敛速度的同时改善稳态误差。最终的实验结果证明：该算法的收敛速度和稳态误差明显优于最小均方误差(LMS)及其改进算法,且与参考算法相比,收敛速度大大加快,对消比提高了10 dB左右。在转发式雷达干扰机中,欺骗干扰与压制干扰得到有效抑制,使得目标信号得以较好还原。     

遗忘因子法改善盲自适应波束形成性能

绝大多数通信信号都具有循环平稳特性,利用信号的循环平稳特性可以进行真正的盲自适应波束形成,CAB类算法就是其中的一种,它的运算量较小,但鲁棒性不够强。文献中提到一种基于特征空间的盲波束形成算法,该算法将估计的导向矢量约束在信号子空间,提高了算法的收敛速度和鲁棒性。但当循环频率存在误差时,上述算法的性能将急剧下降。本文提出一种改进算法,在估计循环相关矩阵时引入遗忘因子可以大大降低算法对循环频率误差的敏感性,计算机仿真验证了理论分析的正确性。     

一种改进的稳健波束形成算法

针对期望信号的实际方向与约束方向有误差这一问题,提出了信号子空间投影与非线性约束条件下最小化输出功率相结合的一种改进波束形成算法。该方法能缩小期望信号导向矢量的误差范围,避免导向矢量误差过大引起的波束形成算法性能下降,而且能使收敛速度更快,对信号导向矢量偏差较大的波束形成有很强的稳健性。     

一种改进的变步长LMS自适应滤波算法

传统的固定步长的LMS算法难于同时获取较快的收敛速度与较小的稳态误差,基于这一矛盾,将变步长算法与变换域算法相结合,提出一种改进的LMS自适应算法以获得较快的收敛速度和较小的稳态误差。仿真结果表明,此算法在收敛速度与稳态误差的性能上均不同程度地优于其他同类算法,尤其是在低信噪比的情况下,其性能的优越性更为突出。     

一种改进的变步长LMS自适应滤波算法

提出一种改进的变步长LMS(Least Mean Square)算法,该算法在步长参数μ与误差信号e(n)之间建立了一种非线性函数关系,并且分析了参数α,β的取值原则及对算法收敛性能的影响。该关系具有在误差e(n)接近零处缓慢变化的优点,克服了s函数变步长LMS算法在自适应稳态阶段μ(n)取值偏大的缺陷。理论分析和计算机仿真结果表明,改进算法的收敛速度和稳态误差的性能指标都有较大的提高。     

一种基于峭度和记忆梯度的变步长盲均衡算法

分析了军事通信中传统恒模盲均衡算法的基本原理,并针对恒模算法收敛速度慢、易陷入局部极小点、收敛速度与稳态剩余误差之间矛盾突出的缺点,提出一种基于峭度和记忆梯度的变步长算法。经过理论分析和实验仿真,证明改进后的算法较传统算法具有更好的均衡效果。     

基于变步长等变化自适应盲源分离算法

对于基于梯度自适应的盲源分离算法，认真选择步长参数以达到好的分离性能是非常必要的。如果为加快收敛速度而增大步长因子，将会导致大的稳态误差，甚至引起算法发散，因此固定步长因子无法解决收敛速度和稳态误差之间的矛盾。本文为EASI算法提出了一种变步长的解决方案。通过建立步长因子与分离矩阵相互差异之间的非线性关系，加快了收敛速度，减小了失调误差。计算机仿真结果与理论分析相一致，证实了该算法明显优于传统的EASI算法。