一种适用于自适应阵的快速LMS算法

提出一种适用于自适应阵的解相关LMS算法，较Window等人提出的传统NLMS算法，收敛性与稳定性更优，数字模拟结果表明了这一算法的有效性。     

基于RSSI均值的等边三角形定位算法

为了提高无线传感网络的定位精度,从提高测量精度、改善信标节点分布的角度提出了一种基于RSSI均值的等边三角形定位算法.该算法引入信号强度指示(RSSI)敏感区和非敏感区概念,采用高斯模型对非敏感区的RSSI数据进行处理,解决了RSSI易受干扰的问题.采用等边三角形分布模型处理信标节点的分布,保证未知节点运动轨迹始终在信标节点的非敏感区内,从而在定位算法上使测量精度得到提高.研究表明,高斯模型可以很好地筛选出RSSI较优值;等边三角形分布模型可以提高RSSI的采集优度.这种定位算法计算简单,定位过程中节点间无通讯开销,无需硬件扩展.     

单位等边三角形Packing问题算法研究

提出了三角形的两种放置动作－贴合动作和粘靠动作，在此基础上按照最小损伤策略设计了求解单位等边三角形Packing问题的最小损伤法。计算结果表明，该算法具有较高的速度和完整度，以此算法为基础，可能为更具现实意义的多边形Packing问题找到一个高效的求解算法。     

LMS和RLS算法的研究与实现

自适应滤波算法的研究是当今自适应信号处理中最为活跃的研究课题之一。寻求收敛速度快、计算复杂性低、数值稳定性好的自适应滤波算法是研究人员不断努力追求的目标。本文介绍了目前两种典型的自适应滤波算法,即最小均方（Least Mean Square,LMS）算法和递归最小二乘（Recursive Least Square,RLS）算法,并对这两种典型自适应滤波算法的性能特点进行分析及仿真实现,给出了算法性能的综合评价。     

频域自适应数字滤波器LMS算法的研究

本文应用 DFT 的“重迭保留”法和循环卷积定理、LMS 算法原理,导出了频域自适应滤波的 LMS 算法的公式。通过分析该算法的性能,并与时域LMS 算法作比较,证明了频域自适应滤波的 LMS 算法的可行性。     

一种改进的可变步长LMS算法及其性能分析

本文在1对传统的LMS算法进行分析,并针对该算法中步长选取影响收敛速度与稳态误差的这一对矛盾,通过建立步长因子与输入信号和误差之间的关系提出了一种改进的归一化变步长LMS算法,仿真结果验证了该算法的优越性。     

一种新的可变步长LMS算法研究

在分析基本最小均方误差算法(LMS)和归一化最小均方误差算法(NLMS)的基础上,提出了一种新的可变步长LMS算法(NVLMS)和它的改进算法(MNVLMS).仿真结果显示,NVLMS算法对于平稳过程中的滤波器,能获得较快的收敛速度和较小的稳态误差.在非平稳环境下,MNVLMS算法在减少算法复杂度的情况下能获得和NLMS算法一样的收敛速度和稳态误差.     

基于LMS算法的自适应滤波方法研究

自适应滤波器为一个未知系统的建模提供了一种简单,实用的方法。可以在不知道系统的理论模型的条件下,通过测量和学习,实现对未知系统的最佳拟和。本文简要介绍了自适应滤波在信号处理系统建模中的应用,着重讨论了IIR递推结构自适应滤波器的LMS算法。在此理论基础上阐述了一种改进的LMS算法。新算法利用误差信号的相关值调节算法步长,解决了收敛时间和稳态误差的矛盾,并且不受已经存在的不相关噪声的干扰。     

有色环境下的LMS算法研究

研究有色噪声和非平稳信号(如回声取消)情况下自适应滤波,提出解相关自适应最小均方(LMS)算法。首先设计出自适应预滤波器同时对输入信号和误差信号解相关,使输入信号和误差信号的白化,然后证明该方法并不改变维纳最优解,最后提出改进的变步长解相关自适应LMS算法。仿真实验表明:无论在有色噪声环境下还是白噪声环境下,该算法都改善了LMS算法性能,即提高了收敛速度又减小稳态误差。     

基于梯度向量的变步长LMS算法

传统的最小均方误差(Least Mean Square)算法难以同时获得较快的收敛速度和较小的稳态误差。本文在对传统LMS算法、变步长LMS算法及其改进算法分析的基础上,通过建立步长参数与梯度向量之间的一种新的非线性函数关系,提出一种改进的变步长LMS算法。分析和仿真表明,改进后的算法收敛速度更快,均方误差更小,同时也具有良好的抗噪性能。     

一种新的变换域变步长批处理LMS算法及其应用

将变换域LMS算法和变步长LMS算法及批处理LMS算法相结合,提出了一种新的变换域变步长批处理LMS自适应算法,该算法融合了前面3种算法的优点,可以有效地降低输入信号的自相关程度,克服了固定步长因子所导致算法在快的收敛速度和较低的稳态误差之间存在的矛盾,并且实时性较好。计算机仿真结果表明该算法具有更快的收敛速度和更小的失调噪声,可以有效地应用于自适应收发隔离系统。     

基于MATLAB下的SER算法与LMS算法的比较

本文主要研究了自适应算法中的两种算法,序贯回归(SER)算法和最小均方(LMS)算法,并且利用Matlab软件对这两种算法进行了计算机仿真.结果表明,相对于LMS算法而言,SER算法自适应权值迭代通常不是按照最速下降的路径,而是在直接指向最佳权值点的方向上进行.而且,当特征值相差较大时,自适应收敛的速率将不会因特征值的影响而变慢.     

自适应均衡器的LMS算法实现及其仿真

自适应均衡器已广泛应用于通信、雷达、声纳、控制和生物医学工程等许多领域,为克服多径衰落和信道失真引起的码间干扰,实时跟踪移动通信信道的时变特性,笔者设计了一个基于LMS算法的自适应线性均衡器,并通过改变步长因子Δ来分析其收敛速度和均方误差特性.     

基于LMS算法的自适应均衡器的分析

LMS算法由于简单而获得了广泛的应用,文章通过MATLAB仿真,分析了基于LMS算法的自适应均衡器的特性,分别讨论了步长参数和特征值扩散度对均衡器收敛特性和均方误差的影响。     

高斯白噪声下LMS算法的改进

自适应（ＡＲ）模型是数字信号处理中广为应用的一种模型,它的系数可以通过ＬＭＳ算法求解。但当输入信号受到高斯白噪声干扰时,用ＬＭＳ算法求得的解误差很大,所以提出了改进的算法。通过理论分析,指出这种算法的有效性。     

归一化LMS算法自适应滤波器的MATLAB仿真与DSP实现

固定步长LMS算法自适应滤波器在收敛速度与稳态误差之间存在矛盾,变步长LMS算法的步长因子是变化的,能够灵活避免此矛盾.分析了两种变步长LMS算法自适应滤波器基本原理,先使用MATLAB对其分别进行仿真,之后应用SZ-EPP5416评估板对其分别进行了DSP实现,仿真结果与DSP实现都表明变步长LMS算法改善了收敛速度与稳态误差间矛盾,但归一化LMS算法能更好地改善固定步长LMS算法的矛盾,具有更快收敛速度与更小稳态误差.     

LMS自适应滤波算法原理与仿真

在对自适应滤波器相关理论研究的基础上,重点研究了LMS自适应滤波算法,并借用Matlab仿真平台,给出了在一定信噪比条件下,LMS算法的滤波结果。通过分析仿真可以看出,LMS算法计算量小,可以达到较好的滤波效果,容易实现,有很高的实用价值。     

一种改进的变步长LMS自适应滤波算法

在分析传统LMS(Least Mean Square)算法及其改进算法的基础上,提出了一种新的改进的变步长LMS算法。新算法利用误差信号以及误差信号相关值共同调整步长,克服了一般变步长LMS算法低信噪比环境下抗噪较差以及高信噪比环境下收敛较慢的缺点。计算机仿真结果表明,与传统LMS算法和VSSLMS算法相比,该算法收敛速度更快,均方误差更小,同时也具有良好的抗噪性能。