变步长NLMS自适应滤波算法研究

将步长因子μ与误差信号e(n)之间的一种非线性函数关系引入归一化最小均方(NLMS)自适应滤波器,提出了一种变步长NLMS算法.与一些已有算法相比,算法的步长因子易于设计和控制,对于有色输入信号,能够得到较快的收敛速度和较低的稳态失调.仿真结果和理论分析相一致,证实了算法的有效性.     

一种新的可变步长LMS自适应滤波算法

针对LMS算法收敛性能差的缺点,提出一种改进LMS算法即NLMSISA.首先从理论上分析并介绍了LMS算法及其改进算法,并将改进算法-变符号函数法(ISA)和归一化变步长(NLMS)算法有机结合,提出了该NLMSISA算法,理论上该改进算法具有物理实现难度低、收敛速度快、且能收敛到更小且稳定的均方误差(MSE)的特点.在MATLAB下,通过采用LMS、LMSISA和NLMSISA三种算法对FIR和IIR两种结构的系统分别进行了辨识仿真研究,结合三种算法的均方误差收敛曲线分析,验证了提出的改进LMS算法在敛速度、稳态误差上都明显优于现有几种算法.该算法对于实际工程应用的自适应滤波问题提供了一个较好的算法.     

自适应岭估计方法

本文在理论上将自适应的思想，引入到岭估计方法中，解决了偏倚系数K寻优难的问题，改进了岭估计方法。     

基于结构自适应滤波方法的非线性系统辨识

针对非线性系统辨识中定结构参数辨识局限性高和辨识率低的问题,将结构自适应引入辨识的优化,提出一种基于子系统的结构自适应滤波（SSAF）方法。该方法的模型由若干子系统级联而成,每一个子系统均为线性-非线性混合结构。子系统的线性部分是一个一阶或二阶可选的无限脉冲响应滤波器（IIR）,非线性部分则是一个静态的非线性函数。初始化中,子系统的参数随机产生,生成的若干子系统按照设定的连接规则进行随机连接,而不含反馈的连接机制确保了非线性系统的有效性。采用一种自适应多精英引导的复合差分进化（AMECoDEs）算法用于自适应模型循环优化,直至找到最优的结构和参数,即全局最优。实验结果表明,SSAF方法在非线性测试函数以及真实数据集上的表现优异,辨识率高且收敛性好,与聚焦时滞递归神经网络（FTLRNN）相比,它所用参数的个数仅为FTLRNN的1/10,且适应值精度提高了7%,验证了所提方法的有效性。     

本质非线性系统的线性化自适应滤波方法

1 引言我们知道,针对线性离散模型:X_(k-1)=φ_(k+1),_kX_k+Γ_(k+1),_kU_k+W_k Z_k=H_kX_k+V_k如作下列假设:E[W_k]=q_k,E[W_kW_i~T]=Q_k δ_(k,i),Q_k≥0E[V_k)=γ_k,E[V_kV~T_i]=R_k δ_(k,i),R_k>0{V_k}、{W_k}、{X_0}互不相关δ_(k,i)为 Kroneker δ-函数,满足下列关系:     

基于遗传算法的自适应滤波器设计

LMS算法是自适应滤波器最为常用的算法,该算法比较简单,但决定其收敛速度和稳定性的学习速率难以确定;遗传算法是一种高度并行的全局搜索方法,能够有效地用于自适应滤波器的权系数寻优。文章讨论了基于遗传算法的自适应滤波器的设计过程,并作为一个应用实例,将其应用于线性系统辨识中,取得了较好的仿真结果。     

基于时域RLS自适应滤波的OFDM信道估计

通过信道估计,可实现信号的相干解调,提高系统性能.在OFDM系统中,为适应慢衰落信道一定的时变性,利用多径信道时域脉冲响应每一径的幅度是独立同分布的,提出利用RLS自适应滤波器,对信道时域脉冲响应并行递推的信道估计算法.首先对每个时刻的信道时域脉冲响应进行加窗截取,窗长为循环前缀长度;再对截取后的信道时域脉冲响应利用FIR自适应滤波器并行递推,滤波器权值更新利用RLS算法;最后补零作FFT,得到所有子载波位置的信道频率响应.仿真结果表明,和已有的频域RLS递推算法相比,既降低了运算复杂度,又可将系统误码性能提高2～3dB.     

自适应滤波的研究新方向

概述了自适应滤波的研究进展,回顾了时域和变换域自适应滤液方法,并引出了基于离散小波变换（ＤＷＴ）的自适应滤波。变换城自适应滤波大大改善了时域自适应滤波的速率,而小波变换由于具有多分辨和时频局部化特性,在时变信号和快速变化的信号自适应滤波方面个有广阔的应用前景,是未来自适应滤波发展的方向。     

基于RLS自适应滤波算法的MIMO-OFDM信道估计

对于传统递归最小二乘算法信道估计性能的抗噪声问题,提出一种基于自适应滤波的RLS估计算法。该算法通过在时域内加入自适应滤波器,对信道中的估计结果进行自适应滤波。经过仿真分析,将自适应滤波的RLS算法与传统的RLS算法在误码率(BER)的性能进行比较,得出基于自适应滤波的RLS算法是一种高精度抗噪声的信道估计算法。将系统的输入含有噪声的信号进行自适应滤波,得到输出信号波形,与输入信号波形进行对比,来验证自适应滤波对噪声抑制作用。     

基于重力场自适应互补滤波的无人直升机水平姿态估计方法

无人直升机姿态平衡仪能自主识别飞机水平姿态并自动进行姿态增稳,可大大降低无人直升机手动遥控的难度.针对姿态平衡仪的低成本要求和应用环境高机动性特点,提出了一种基于重力场自适应互补滤波的水平姿态估计方法.该方法用陀螺仪和加速度计输出进行互补滤波来估计可解算水平姿态的重力场,并自适应调整滤波器增益以减小运动加速度对重力测量的影响.实验证明,该方法测量精度高,易于单片机实现,可以满足姿态平衡仪的应用要求.     

预处理自适应滤波算法

提出一一种可以在现有自适应滤波算法基础上减小运算量、提高性能的自适应滤波算法。本文将原有自适应滤波器分解为一个常规时不变数字滤波器（预处理滤波器）和一个低阶的时变滤波器（自适应滤波器）的级联。预处理滤波器改善了输入与参考之间的相干性，而降低自适应滤波器的阶数则降低了算法运算量。     

基于进化规则的自适应IIR滤波

针对基于梯度下降算法的自应用ＩＩＲ滤波器（ＡＩＩＲＦ）具有潜在的不稳定性和性能指标函数容易陷入局部极小而导致性能下降等问题。本文将进化规划用于ＡＩＩＲＦ的优化设计，不仅解决了ＡＩＩＲＦ系统稳定性问题，而且有效地实现了滤波器性能指标函数的全局导优和快速收敛，同时允许大动态范围的输入号。计算机仿真结果验证了基于进化规划算法的ＡＩＩＲＦ的性能优于基于梯度算法的ＡＩＩＲＦ，尤其对高阶、极点靠近单位圆的自适     

基于自适应粒子滤波的摄像机位姿估计方法

提出一种基于自适应粒子滤波的摄像机位姿估计方法。该方法首先利用相邻两帧传递模型的噪声方差动态调整传递模型,接着利用内点统计方法计算粒子权值,在对权值作归一化运算之后,利用粒子加权和计算摄像机位置和姿态。实验结果表明该方法很大程度上提高了基于标识的摄像机位姿估计系统的健壮性与稳定性。     

自适应滤波算法的神经网络实现

为了提高传统自适应滤波器求解权值的速度。本文在Hopfield神经网络的基础上，提出了自适应滤波算法的神经网络硬件实现。从理论上进行了分析，并进行了仿真。     

自适应滤波算法的神经网络实现

为了提高传统自适应滤波器求解权值的速度，本文在Hopfield神经网络的基础上，提出了自适应滤波算法的神经网络硬件实现，从理论上进行了分析，并进行了仿真。     

改进的自适应中值滤波

均值滤波能较好的平滑图像的噪声,自适应中值滤波能较好的保存原始图像的细节和边缘。为了恢复被高密度脉冲噪声污染的图像,提出了改进的自适应中值滤波算法,新算法结合了均值滤波和自适应中值滤波两者的优点。实验结果表明,该算法能够有效地消除被污染图像中的高密度脉冲噪声,并较好地保留原始图像细节和边缘。     

基于自适应Kalman滤波的合成孔径声纳运动估计

合成孔径声纳姿态、位移测量系统一般包括：惯性测量单元（IMU），差分DGPS，声多普勒计程仪DVL，深度传感器等。通常情况下，惯性测量单元（IMU）必须与DVL或DGPS进行数据融合，才能减小发散现象，提高导航精度。合成孔径声纳基阵安装在拖体上，由水面舰船利用拖缆拖曳航行，其运动受海流扰动及拖船机动的影响，未知的机动输入估计及海流的估计是必须要考虑的，这是合成孔径声纳基阵运动估计的比较特殊的地方。传统的Kalman滤波器不能直接应用于合成孔径声纳姿态、运动估计。因此，采用自适应Kalman滤波算法来处理合成孔径声纳姿态、运动估计问题。数值仿真表明，该方法较好地解决了合成孔径声纳姿态、运动估计问题。     

一种改进的变步长自适应滤波算法

为了提高LMS自适应滤波算法的性能,在对传统LMS算法及其改进算法研究的基础上,提出了一种改进的变步长算法.在改进算法中,步长因子与误差信号自相关函数之间建立了一种改进的非线性函数关系.将改进算法应用到系统辨识中,通过计算机仿真结果看出,自适应滤波性能在收敛速度和稳态失调误差等方面得到改善.     

基于进化规划的自适应IIR滤波

针对基于梯度下降算法的自适应IIR滤波器（AIIRF）具有潜在的不稳定性和性能指标函数容易陷入局部极小而导致性能下降等问题，本文将进化规划用于AI－IRF的优化设计，不仅解决了AIIRF系统稳定性问题，而且有效地实现了滤波器性能指标函数的全局寻优和快速收敛，同时允许大动态范围的输入号。计算机仿真结果验证了基于进化规划算法的AIIRF的性能优于基于梯度算法的AIIRF，尤其对高阶、极点靠近单位圆的自适应IIR滤波器。