一种时域变步长BLMS自适应算法

在块最小均方LMS自适应滤波算法(BLMS)的基础上,提出了一种新的变步长的BLMS算法,该算法中的步长随着块平均误差增加或减小而相应地变大或变小,并引入补偿因子,使得自适应滤波器在调节权值的过程中块均方误差在接近零处具有缓慢变化的特性。理论分析和实验仿真表明,该新算法具有比BLMS算法较快的收敛速度,较小的稳态误差,有较好的抑制噪音的能力,有利于实时数字信号处理。     

一种变步长LMS算法及其Matlab仿真

对变步长自适应滤波算法进行了讨论，对VS—LMS算法进行了改进，建立了步长因子μ与误差信号e（n）之间另一种新的非线性函数关系．理论分析和计算机仿真结果表明，该关系不仅具有原有算法收敛速度快的优点，而且在低信噪比环境下比原有算法具有更好的抗噪声性能．     

一种新的变步长LMS自适应滤波算法及其仿真

针对变步长自适应滤波算法收敛速度和稳态误差相矛盾的不足,建立了步长μ(n)与误差信号e(n)之间的一种新的非线性函数关系.该函数具有初始阶段和未知系统时变阶段步长自动增大而稳态时步长很小的特点,且能克服输入端不相关噪声对步长μ(n)的影响.由此函数,得出了一种新的变步长自适应算法,理论分析和计算机仿真结果表明该算法的性能优于文中所述其他算法.     

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。     

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。     

一种新的变步长LMS自适应滤波算法及其仿真

针对变步长自适应滤波算法收敛速度和稳态误差相矛盾的不足,建立了步长μ(n)与误差信号e(n)之间的一种新的非线性函数关系。该函数具有初始阶段和未知系统时变阶段步长自动增大而稳态时步长很小的特点,且能克服输入端不相关噪声对步长μ(n)的影响。由此函数,得出了一种新的变步长自适应算法,理论分析和计算机仿真结果表明该算法的性能优于文中所述其他算法。     

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。     

卫星通信中一种改进的变步长LMS均衡算法研究

针对传统的定步长最小均方误差（fixed step size-least mean square,FSS-LMS）算法不能同时兼顾快速收敛和较小稳态误差,以及变步长最小均方误差（variable step size least mean square,VSS-LMS）算法也不能满足较快的收敛速度和较好的抗噪声性能等问题,提出了一种在Sigmoid函数中引入递减的等比序列,在估计误差的自相关函数基础上,用前后时刻的绝对误差来代替当前时刻的瞬时误差,加强了对步长因子控制的算法。仿真结果表明,在不同的信噪比环境下,提出的算法较其他LMS算法具有收敛速度快、抗噪声性能强和稳态误差小等特点。同时,给出了卫星通信系统的仿真模型,并且将提出的算法应用到了该系统模型的自适应均衡器之中,系统的误码性能有较大的改善。     

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     

变步长自适应滤波算法的谐波检测

为提高自适应滤波算法的收敛速度,并降低其稳态误差,建立了LMS算法理论最优步长值与误差信号和输入信号之间的关系,提出了一种新的变步长LMS自适应谐波检测算法。该算法的优点是:根据误差信号的平方时间均值估计来调节步长因子,克服了以往算法在自适应稳态阶段步长调整过程中的不足。即使待检测信号的信噪比较低,检测过程也具有较快的动态响应速度和保持较小的稳态失调噪声。计算机仿真表明,该算法具有更好的收敛精度。     

一种变步长LMS自适应算法

本文提出一种步长自适应于绝对误差和的最小均方(LMS)自适应算法。给出收敛条件和精度比值。新算法对平稳和非平稳输入信号的权噪声功率,及系统的跟踪能力都明显地优于一般的LMS自适应算法。并给出计算机模拟结果。     

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．     

一种新的变步长LMS自适应滤波算法

对变步长自适应滤波算法进行了讨论,提出了一种新的变步长LMS算法。新算法用误差信号的自相关及均方误差的时域平均来调节自适应滤波算法的步长。由于不需要指数运算,新算法的运算量大大降低,收敛速度快,且消除了不相关噪声的干扰。将该算法用于码间干扰比较严重的大气激光通信系统中,仿真结果验证了算法的优越性。     

一种新的可变步长LMS自适应滤波算法

在简单讨论基本LMS,变步长NLMS和LMS/F组合自适应滤波算法的基础上提出一种新的可变步长LMS自适应滤波算法,新算法引入修正系数ρ和遗忘因子λi=exp(-i),并利用ρ和λi来产生新的步长参与迭代。计算机仿真结果表明,与基本LMS算法或变步长NLMS、LMS/F组合算法相比,新算法在保持算法简单这一特点的同时进一步加快了收敛速度,并能够收敛到更小且稳定的均方误差(MSE)。     

一种简单的变步长自适应α—LMS滤波算法

提出了一种简单的变步长α-LMS算法(vα-LMS),并给出了它的设计方法。导出了描述α-LMS算法收敛过程的动态方程,并据此讨论了α-LMS算法的算法性能。与vα-NLMS算法相比,Vα-LMS算法的优点是简单易行、计算量小,但它对输入信噪比的稳健性(RObustncss)却劣于Vα—NLMS算法。Vα-LMS算法的性能将优于Dα-LMS算法。计算机模拟结果与理论分析结果吻合较好.     

一种改进的自适应步长盲源分离算法

本文提出了一种新的自适应步长自然梯度算法,该算法在迭代进行过程中依据分离程度对步长适时调整,使算法在保证稳态误差的情况下加快了收敛速度,计算机仿真说明了算法的有效性。     

一种基于强化学习的自适应变步长路径规划算法

在基于神经网络结构的机器人全局路径规划算法中，利用强化学习的思想，引进评价预测学习的自适应变步长算法，实现了步长的在线自动调节，加快了路径规划的计算速度。仿真试验表明，该算法能有效实现步长参数的在线自动调节，并使路径规划收敛速度平均提高了10倍以上。     

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．     

一种改进自适应算法的收敛性

本文分析了改进自适应算法收敛条件，给出了算法收敛的新概念，从失调的表确表达式出发，解出了算法收敛的步长范围。