基于相对误差互相关函数的变步长LMS算法

许多时变步长自适应滤波算法被用来解决标准LMS算法的固有矛盾,但实验表明这些算法易受独立噪声的干扰,或计算量大、耗时太长。针对上述问题,提出了一种新的变步长LMS自适应滤波算法,它采用相对的误差互相关函数来控制步长更新。该算法计算量小、易于控制,具有快速的收敛速度和较小的失调,不受已存在的非相关噪声的影响,可很好地应用于自适应对消系统中,且在低信噪比环境中仍能保持良好的性能。计算机仿真及实测数据的处理与理论分析结果一致。     

基于快速逆QR分解的自适应波束形成方法

在实时自适应阵处理中 ,基于逆QR分解 (IQRD)的方法在求自适应权值时由于避免了三角方程回代运算而受到了很大的重视。但是和基本的QR分解 (QRD)一样 ,IQRD方法也存在着平方根运算。平方根的运算量相当大 ,因此成为并行实时处理的速度瓶颈。提出了一种快速的IQRD方法 ,该方法有效地消除了平方根运算 ,从而使基于IQRD的自适应波束形成法便于实时实现 ,更适合于实际应用。     

Delta算子描述的离散系统鲁棒滤波

研究基于Delta算子描述的线性不确定离散时间系统在稳态估计误差方差约束下的鲁棒滤波问题。目的是设计线性滤波器 ,使得闭环系统稳定 ,且闭环系统的稳态估计误差的方差满足预先给定的约束条件。基于Riccati方程或Riccati不等式方法 ,给出Delta算子描述的系统鲁棒滤波器的存在条件和显式表达式     

模糊步长LMS算法及其性能分析

以均方误差、输出与误差信号的相关系数作为衡量LMS算法收敛程度的标准及模糊推理系统的输入,提出了一种用零阶Sugeno模糊推理系统自适应调整步长的模糊步长LMS(FSS-LMS)算法,并从理论上分析了FSS-LMS算法的计算复杂度及其收敛性能。分析结果指出FSS-LMS算法的计算复杂度与传统LMS算法基本相当,但它具有更大的灵活性。自适应系统辨识的仿真结果表明FSS-LMS比传统的LMS算法及其它一些变步长LMS算法具有更好的收敛性能。     

一种改进的QR分解VBLAST解码算法

基于传统的QR分解算法,将最大似然算法应用到QR分解算法中,提出了一种改进的VBLAST解码算法,称为MLQR算法.该算法主要克服QR算法最先检测层性能差的缺点,将最大似然法应用到QR算法中,以最大限度地提高最先检测的两层信号的性能,然后回代到QR算法中检测余下层信号.仿真结果表明,提出的MLQR算法比QR算法和迫零算法在误码性能上要好,特别是在高信噪比下性能得到明显改善.     

基于LMS算法的自适应均衡系统的仿真研究

描述了用仿真试验得出LMS自适应均衡滤波器的收敛性和跟踪性能与滤波器长度和选代算法跳步两个重要的参数之间的定量关系，为此构建了有实用价值的系列时延扩展的传输环境和可变多径传输信道，建立了系统仿真模型，做出了仿真试验结果并分析了仿真试验结果的意义。     

基于三阶线性微分算子的零空间追踪算法

本文研究了利用一个自适应的三阶线性微分算子把一个复杂信号分解为若干简单信号的和, 这些简单信号属于这个三阶线性微分算子的零空间. 通过三个具体的信号分解的例子,展示了我们所提出算法的实用性.最后通过一个实例,对我们提出的算法与经验模态分解算法进行了比较,实验结果表明我们提出的算法要好于经验模态分解算法.     

采用两类滤波器的有源噪声控制算法

将格型结构滤波器与IIR滤波器级联来实现一种有源噪声控制 (ANC)算法。这种算法在格型结构部分采用梯度自适应格型 (GAL)算法 ,在IIR滤波器部分采用Filtered U算法 ,该算法具有收敛速度快、计算量较小的特点。仿真结果证明算法是有效的。     

基于Delta算子的非线性系统最优模糊保性能控制

对一类Delta算子描述的具有范数有界不确定性的非线性T S模糊系统,研究其状态反馈最优保性能控制器设计问题。基于线性矩阵不等式(LMI)的方法,给出了存在和设计保性能控制律的一个充分条件。以及在使二次性能函数上界最小意义下,最优保性能控制律的凸优化设计方法。所得结果将连续和离散模糊系统的有关结论统一到Delta算子框架内。     

一种新的变步长LMS自适应算法

为了提高LMS自适应算法的性能,在对一类变步长LMS算法研究的基础上,提出了步长因子与误差信号之间的一种新的非线性函数关系,进一步改善了此类算法的性能。在相同收敛速度或者相同超量均方误差的前提下,该算法具有更小的超量均方误差或者更快的收敛速度。计算机仿真结果与理论分析相一致,证实了该算法性能优于原算法。     

三段判别域与最小二乘拟合的抗差滤波算法

组合导航系统卫星信号在传播过程中容易受到干扰导致卫星导航观测值出现故障。对于此问题, 提出一种基于最小二乘拟合原理的抗差滤波算法, 根据检测量的分布状态将故障分为三段判别域, 分别为无故障、偏差和超差的情况。无故障时不做处理, 出现偏差时对观测值进行降权处理, 对于超差情况, 用前几个时刻的观测值组成的拟合函数进行一个时刻的外延, 代替当前时刻的故障观测值。仿真结果表明, 三段判别域相对于两段判别域多了对偏差情况的处理, 提高了导航精度。连续时间内发生超差情况时, 相比于使用降权法, 基于最小二乘拟合的抗差滤波算法导航精度更高, 稳定性更好。     

变遗忘因子相关函数自适应滤波算法

相关函数递推最小二乘(CRLS)算法在回波消除中双方对讲情况下是有效的,但其计算复杂度较高。把相关函数最小二乘准则中的遗忘因子视为时变的遗忘因子,应用最速下降法使当前时刻的方向矢量正交于前一时刻的方向矢量,从而获得时变的遗忘因子的表达式,得到一种新的相关函数自适应滤波算法。该算法的计算复杂度比相关函数递推最小二乘算法的要低。计算机数值仿真结果表明,新算法的收敛性能和相关函数递推最小二乘算法的收敛性能相当。     

无定向拓扑连接的并行遗传算法及其变异算子改进

为解决巨量优化问题,在Internet平台下为并行遗传算法提出一个新的拓扑结构———无定向拓扑连接。该拓扑连接既允许驻留子种群的计算机节点中途退出,又允许新的计算机节点随时参与进化,增强了算法的鲁棒性和容错性能。针对传统浮点变异算子的不足,提出一种新的二元浮点补码变异算子,讨论了它在克服早熟收敛方面的作用。实验表明,提出的算法能显著提高寻优质量,节约寻优时间;新的变异算子能有效阻止遗传算法陷入局部极值,进一步提高了遗传算法的寻优能力。     

多模型高精度组合导航算法研究

针对复杂操作环境所引起的INS/GPS组合导航系统模型参数变化导致单一固定参数滤波器精度降低问题,提出了多模型自适应Kalman滤波算法,并与单一模型下的Kalman滤波器方法进行了比较。仿真结果表明,相对于单一模型的Kalman滤波算法,该算法能大大提高导航系统的精度和可靠性。     

变步长LMS自适应极化递推估值算法

为了解决最小均方误差算法(least mean square,LMS)在干扰极化状态估值中存在的收敛速度和稳态误差之间的矛盾,应用变步长LMS算法进行干扰的极化状态递推估值。分析了传统定步长因子μ的选取和其对算法达到稳态时误差的影响;讨论了当干扰极化状态变化时算法的跟踪性能;并以雷达测角为例,进一步分析算法的实际应用可行性。最后给出了算法实现的原理方案。仿真结果和理论分析相一致,证明了该方法的有效性。