共查询到20条相似文献,搜索用时 62 毫秒
1.
2.
文中介绍了自适应滤波算法的原理和干扰抵消器工作原理,并将LMS算法、NLMS算法和变步长LMS算法分别应用在了干扰抵消器中进行了仿真。仿真的结果表明,三种自适应算法运用到了干扰抵消器中,都可以很好地滤除干扰,提取有用信号。其中运用了变步长LMS算法的干扰抵消器无论在收敛速度和滤波性能上,都要强于其他两种算法。 相似文献
3.
4.
5.
在综合考虑自适应滤波算法设计中收敛速度、稳态误差、计算复杂度和跟踪性能等指标的基础上,该文提出一种类箕舌线函数的变步长归一化自适应滤波算法,用类箕舌线函数代替Sigmoid函数作为步长迭代公式,引入基于相关误差的变步长调整原则,在大大增强算法稳定性的同时大幅度提升了算法的收敛速度、跟踪性能,减小了算法的计算复杂度.在Matlab平台上分析了改进的步长函数中参数α;β以及γ的不同取值对算法的影响,并将该文算法与已有的基于Sigmoid函数和基于箕舌线函数的变步长LMS算法进行了比较,仿真结果表明,该文算法有更快的收敛速度、更好的跟踪能力以及较小的稳态误差和较强的鲁棒性. 相似文献
6.
在综合考虑自适应滤波算法设计中收敛速度、稳态误差、计算复杂度和跟踪性能等指标的基础上,该文提出一种类箕舌线函数的变步长归一化自适应滤波算法,用类箕舌线函数代替Sigmoid函数作为步长迭代公式,引入基于相关误差的变步长调整原则,在大大增强算法稳定性的同时大幅度提升了算法的收敛速度、跟踪性能,减小了算法的计算复杂度。在Matlab平台上分析了改进的步长函数中参数\begin{document}$\alpha $\end{document},以及的不同取值对算法的影响,并将该文算法与已有的基于Sigmoid函数和基于箕舌线函数的变步长LMS算法进行了比较,仿真结果表明,该文算法有更快的收敛速度、更好的跟踪能力以及较小的稳态误差和较强的鲁棒性。 相似文献
7.
8.
为了提高LMS自适应滤波算法的性能,在分析已有变步长算法的基础上进行了一些改进。改进算法用误差信号的自相关来调节步长以实现对不相关噪声的更好抑制,且采用先固定后变化的方法控制步长,兼顾了暂态和稳态性能。利用改进算法进行了自适应噪声抵消的仿真实验,结果表明,基于改进变步长LMS算法的自适应噪声抵消器能有效抵制噪声干扰,对含噪信号具有良好的消噪能力。 相似文献
9.
基于自适应滤波的噪声抵消法 总被引:4,自引:1,他引:4
语音降噪就是从带噪语音信号中提取尽可能纯净的原始语音。文中介绍了一种基于自适应滤波的噪声抵消法,采用归一化最小均方误差算法,采集实际噪声环境下各种不同信噪比的带噪语音样本进行降噪处理,实验结果表明,处理后信号的信噪比得到了较大程度的提高,大大改善了听音效果,具有很高的可懂度,且语音自然度好,没有失真;并与谱减法进行了比较,自适应噪声抵消法的降噪幅度比谱减法有一定提高,在听音效果上,用自适应噪声抵消法处理后的语音在清晰度、自然度方面优于谱减法。 相似文献
10.
11.
变步长LMS算法及其在自适应消噪中的应用 总被引:8,自引:0,他引:8
介绍了一种新的变步长LMS自适应滤波算法。该算法具有较快的收敛速度和较小的失调,并且他不受已经存在的不相关噪声的干扰.将该算法应用于自适应噪声对消系统的仿真中,给出了计算机仿真结果,仿真结果与理论分析是一致的. 相似文献
12.
13.
传统的最小均方误差(LMS)算法难以同时获取较快的收敛速度和较小的稳态误差,而变步长LMS算法可获得二者之间的平衡。对已有的一些变步长LMS算法进行了分析,在变系数步长(VFSS)算法的基础上,引入输入信号因子,并建立步长因子与误差信号之间新的非线性函数关系,提出一种改进的变步长LMS算法,该算法不仅继承了VFSS算法在低信噪比环境下抗噪声性能好的特点,而且能够快速跟踪系统的变化,仿真结果表明改进算法的性能优于现有算法。 相似文献
14.
针对传统固定步长凸联合最小均方算法动态跟踪性能差,初始时刻小步长组成滤波器收敛速度慢和两个组成滤波器独立迭代的缺点,本文提出一种新的变步长凸联合最小均方滤波算法,充分利用组成滤波器的自身经验及全局信息,将组成滤波器步长及联合步长设计为变步长,可根据环境变化进行动态调整,提高了算法对时变系统的适应能力。理论分析和计算机仿真实验表明,新算法在收敛速度,稳态性能和跟踪能力方面都优于传统的固定步长凸联合最小均方算法。 相似文献
15.
16.
17.
提出了一种适用于直接序列码分多址DS/CDMA系统多址干扰抑制的一种变步长算法.它对常模算法(CMA)的步长又使用了一种变步长LMS算法,让步长在一个确定的范围内根据最小能量原则自适应调节,克服了LMS算法受步长影响的缺点.仿真表明,新算法能够自动地适应环境的变化,有效地抑制多址干扰. 相似文献
18.
19.
针对定步长LMS算法在收敛速度、时变跟踪能力和稳态失调噪声几个重要指标上不能兼顾的问题,引入人工神经网络中一种常用激励函数———S形函数,并将其应用于变步长LMS算法中。结合算法对收敛速度、精度及稳态失调噪声的要求,引入改变S形函数曲线曲率及收敛终值的2个参数:α和β。分析当α和β值固定时的情况,仿真结果表明定参数算法若其值选择不当会引起较大误差。按照步长值在时变阶段自适应增大,在稳态阶段步长很小的原则,构造了变参数α(n)和β(n),仿真结果表明变参数算法兼顾多个参数,整体表现较好。 相似文献