一种新的变步长自适应最小均方算法

提出了一种根据滤波器系数梯度差值的自相关来计算步长的新的变步长自适应LMS算法。分析了算法的收敛性能和稳态特性,给出了算法参数选择的原则。由实验验证了该算法具有良好的收敛性能和跟踪特性,特别是在输入信号相关的情况下,该算法显示出比标准LMS算法和其它变步长算法的优异性能。     

最小均方算法用于数字信号的性能

为了获取最小均方 (LMS)算法用于数字信号的性能 ,提出了一项新的性能参数——误码率。分析了误码率与算法均方误差之间的关系 ,在实验的基础上给出了两者之间的一个近似函数表达式。并重点研究了算法步长对收敛速度、稳态失调量、误码率这三项性能参数的影响 ,以及步长确定的原则 ,为数字信号领域使用 LMS算法提供了一些理论基础。     

新的变步长归一化最小均方算法

为了解决最小均方 (L east Mean Square,L MS)算法收敛速度和稳态误差之间的矛盾 ,提出了一种新的变步长归一化 (Norm alized) L MS(NL MS)算法。这种算法根据滤波器系数的梯度计算新的步长。当算法尚未收敛时 ,使用较大的步长 ;随着收敛程度的加深 ,逐渐减小步长。试验显示了该算法具有很好的收敛性能和跟踪性能。与其它的变步长L MS算法相比 ,该算法在标准 NL MS算法基础上增加的运算量和存储量都很少且与阶数无关 ;而且该算法的参数受观测噪声的影响很小 ,在观测噪声强度发生变化的情况下不需要重新调整参数 ,仍然可以保持很好的收敛性能     

最优变步长最小均方模型和实现算法

为了解决最小均方(leastmeansquare,LMS)算法中收敛速度和稳态误差之间的矛盾,在独立假设的条件下,从滤波器系数均方误差的角度,提出了最优步长定理,证明了最优步长和均方误差之间存在一一对应的关系。并以此构造了最优变步长LMS(optimalvariablestep-size,OVS-LMS)模型。推出了最优步长的递推式,讨论了最优初始化相对步长的选取方法。综合以上的分析结果,提出了该模型的实现算法。计算机仿真证明了该算法和OVS-LMS模型的学习曲线是非常相近的,因而该算法在独立假设条件下是最优的变步长LMS算法。     

基于均方误差的变步长恒模盲均衡算法仿真

阐述了用于信道盲均衡中恒模算法的数学模型和基本原理,在此基础上进一步研究其改进的变步长算法.采用的改进算法是以剩余均方误差作为调整步长的参量,解决了传统恒模算法中,由于采用固定步长而造成的收敛速度与收敛精度之间的矛盾.在分析不同步长对算法收敛性能的影响的时候,使用了集平均的处理方式,使得均方误差学习曲线变得较为平滑,易于比较.理论分析和计算机仿真实验均表明该算法与传统的恒模算法相比,具有更快的收敛速度和更小的稳态剩余误差.     

基于MSE变换的变步长恒模盲均衡算法

在介绍恒模盲均衡算法基础上,提出一种新的变步长恒模盲均衡算法,算法中的步长由MSE经变换后控制。新算法解决了传统恒模算法中,由于采用固定步长而造成的收敛速度与收敛精度之间的矛盾。理论分析和计算机仿真实验均表明该算法与传统的恒模算法相比,都具有更快的收敛速度和更小的稳态剩余误差。     

多步梯度下降的变步长NLMS算法

如何选取一个合适而可靠的步长来折中归一化最小均方(Normalized Least Mean Squares,NLMS)自适应算法的收敛速度以及稳态误差,一直是自适应NLMS算法应用中未能很好解决的问题.针对这个问题,本文提出了一种多步梯度下降的变步长NLMS自适应算法.分析表明:该算法在利用固定的小步长参数来保证小的稳态误差的同时,通过调整动量项来加速自适应算法的收敛速度,从而很好地解决了自适应NLMS算法应用中收敛速度和稳态误差的平衡问题.理论分析给出了调节动量项的步长参数和算法收敛性及稳态误差之间的关系.仿真结果证明了上述分析的正确性.     

一种新的变步长LMS自适应算法及其在自适应噪声对消中的应用

阐述了一种改进的LMS算法并应用于自适应噪声对消．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．对该算法的收敛性和稳定性进行了分析，仿真表明该算法优于固定步长的LMS算法和VSSLMS(variable step size)算法．     

基于梯度矢量平均值的变步长恒模盲均衡算法

提出了一种新的变步长恒模盲均衡算法。新算法采用梯度矢量平均值的平方值作为调整步长的参量,解决了传统恒模算法(CMA:Constant Modulus Algorithm)中,由于采用固定步长而造成的收敛速度与收敛精度之间的矛盾。理论分析和计算机仿真实验均表明,新算法与传统的恒模算法相比,具有更快的收敛速度和更小的稳态剩余误差。     

LMS算法中稳态均方误差的研究

该文详细讨论了ＬＭＳ算法中输入信号相关性，加权数目和稳态均方误差的关系。通过公式推导，从理论上证明了增加加权数目并不能保证减小稳态均方误差。对于具体的输入信号?存在一个最佳的加权数目，使稳态均方误差最小，再增加权数目，稳态均方误差有增大的可能。     

一种改进的MNVS自适应滤波算法

提出一种改进的归一化变步长自适应滤波算法（ＡＮＶＳ）,它对归一化变步最小均方误差自适应乍法（ＭＮＶＳ）作了进一步的改进,使之既具有愉收敛速度,又有快速跟踪能力,计算机仿真结果表明,该算法的性能明显优于ＭＮＶＳ算法,而其计算量与ＭＮＶＳ算法相当。     

一种基于交互投影原理的快速自适应横向传播建模算法

针对最小均方建模算法用于长记忆有限脉冲响应滤波器模型时收敛速度慢的问题,提出了基于交互投影原理的横向传播建模算法(简称为TPLMS算法).该算法将滤波器按质因数分解为多组滤波器组合,从最短的子滤波器分组开始迭代,逐步过渡到原滤波器,在每一时刻,采用最小均方算法顺序求解分组内各子滤波器的权系数.在迭代过程中,由于滤波器的长度缩短,从而可采用更大的步长,使权系数以更快的速度收敛.随着子滤波器长度的逐步增加,可以逐步减小迭代步长,从而得到较低的失调误差.仿真结果表明,TPLMS算法的收敛速度优于传统的最小均方算法和变步长最小均方算法.该算法收敛速度快,特别适用于长记忆有限脉冲响应滤波器模型的自适应建模.     

一种稳定的总体最小二乘自适应滤波算法

针对输入输出观测数据均含有噪声的滤波问题,提出了一种稳定的总体最小二乘自适应算法.该算法以系统的增广权向量的瑞利商与增广权向量最后元素的约束项的和作为总损失函数,利用梯度最陡下降原理导出权向量的自适应迭代算法,并通过对算法稳定性的分析确定了算法中学习因子的取值范围.所提出的算法稳定,计算复杂度低,既没有平方根运算,也不需要标准化处理.仿真实验表明,该算法的收敛性能、鲁棒抗噪性能和稳态收敛精度均明显高于同类其他总体最小二乘算法.     

一种可变步长LMS算法及其性能分析

提出了一种自适应可变步长最小方差算法（ANVSS），以解决基本最小方差算法LMS中收敛速度和稳态误差之间的矛盾．该算法利用当前和过去共m（滤波器阶数）个误差信息，并通过引入修正系数ρ和遗忘因子λ（i），来确定下一步的迭代步长．文中对这种算法进行了分析和仿真验算．对比一般的变步长算法，ANVSS算法对于平稳过程中的滤波器能获得更快的收敛速度和更小的稳态误差，同时还具有较好的跟踪跃变系统的能力．     

一种新变步长LMS算法在二阶自适应陷波器中的应用

LMS自适应算法运算简单，但收敛速度较慢，且在低信干比条件下，滤波器系数的均方差(MSE)很大．为此，提出了一种新的变步长自适应算法(VS-LMS-L)．该算法用瞬时输出信号的自相关估计值来控制步长的更新，能够在低信干比条件下，减小无关噪声的影响．该算法有着很快的收敛速度和较小的MSE，将它应用于DQPSK调制的卫星通信抗窄带干扰中．仿真表明，在输入信干比为-32．77dB的条件下，得到了-6．93dB的输出信干比，信干比改善达到了25．84dB，显示出了这种算法的鲁棒性和优越性．     

基于X滤波最小均方算法的冲击振动自适应逆控制

针对冲击振动控制的自身特点及已有算法的缺陷，提出了冲击振动的自适应逆控制方法。该方法能够根据不同的负载特性自适应地调节逆控制器参数，在时域实现了冲击振动控制，完全克服了频域方法中低频分辨率低、易产生溢出的问题。同时，针对X滤波最小均方(LMS)算法运算量大、收敛速度慢的缺点，提出了一种快速X滤波LMS算法，运用批处理技术，使码元间的平均计算量减小。试验表明，该方法使控制精度提高了约50％，明显优于已有的控制方法。     

最小二乘法处理自变量误差实验数据的方法

最小二乘法是处理实验数据的常用方法，一元线性回归方程要求自变量无误差或其误差远小于因变量的误差．但在实际的测量中，测量数据不可避免地会带来误差，该文在分析和总结了自变量有误差的情况下，用最小二乘法处理实验数据时的几种方法．     

基于最小均方的自适应滤波时差估计研究

时差估计的研究中,基于雷达信号的复杂多样性,采用最小均方自适应滤波算法,其基本原理是应用梯度下降法并通过权值衡量误差来实现滤波.对基本最小均方算法和变步长最小均方自适应算法进行仿真验证,选出最优算法,并利用sinc函数内插实现分数倍时差估计.算法仿真结果表明,对接收机离散信号的点数时差估计的误差精度提升至10倍左右.     

RLS算法的改进性能分析

讨论了递归最小均方误差算法（RLS）的性能分析。对该算法误差的均值及方差都进行了研究,在平均原理基础上使用了更精确的算是方法,得到一种改进的性能分析方法,新的分析方法得到的理论值更接近模拟的结果,优于通常方法的结果,还利用新的分析方法讨论了基于RLS算法的稳定性。     

基于变步长分块滤波器的Volterra级数简化辨识方法

针对Volterra级数辨识中的维数灾难问题，提出了一种基于变步长分块最小均方滤波器的Volterra级数简化辨识方法．该方法利用影响指数的概念，在保证一定辨识精度的前提下，对每个Volterra核根据其对辨识的贡献大小进行筛选，再用筛选出的有效核作为对原系统的近似，从而达到降低辨识中核向量维数的目的．同时，该方法将块滤波器的块平均绝对误差与滤波器的步长因子相关联，使得块滤波器的步长因子随着数据块的平均绝对误差而动态调整，改善了辨识的收敛性能．将该方法应用于某型直升机电动舵机的Volterra级数模型的辨识，结果表明，在保证一定精度的前提下，可以将核的数量降低50%以上．