共查询到20条相似文献,搜索用时 46 毫秒
1.
一种新的变步长LMS自适应滤波算法 总被引:3,自引:0,他引:3
对已有的一些变步长自适应滤波算法进行了分析,在此基础上,提出了一种新的自适应算法。理论分析显示该算法能改善文中所述其他算法的不足;仿真结果表明此算法收敛性能良好,优于文中所述其他算法。 相似文献
2.
3.
4.
本文对变步长自适应滤波算法进行了讨论,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.该函数比已有的Sigmoid函数简单,且在误差e(n)接近零处具有缓慢变化的特性,克服了Sigmoid函数在自适应稳态阶段步长调整过程中的不足.由此函数本文得出了另一种新的变步长自适应滤波算法,并且分析了参数α,β的取值原则及对算法收敛性能的影响.该算法有较好的收敛性能且计算量少.计算机仿真结果与理论分析相一致,证实了该算法的收敛性能优于已有的算法. 相似文献
5.
变步长自适应滤波算法的研究 总被引:54,自引:1,他引:54
本文提出一种采用参考输入信号与误差信号互相关系数估值的变步长自适应滤波算法(VS-NLMS)。与常规的固定步长自适应滤波算法(NLMS)相比,VS-NLMS算法在同样的收敛速度及跟踪速度下能获得更小的稳态误调噪声。理论分析与计算机模拟证实了该算法的优越性。 相似文献
6.
7.
研究了自适应最小均方误差滤波算法的步长选取问题。在分析现有变步长LMS算法的基础上,给出一种以双曲正切函数的改进形式为变步长的LMS算法。在相同收敛速度的前提下,该算法具有更小的超量均方误差;而在相同超量均方误差的前提下,该算法具有更快的收敛速度。经实验,仿真结果与理论分析相一致,证实了该算法的优越性。 相似文献
8.
9.
变步长LMS自适应滤波算法及其分析 总被引:1,自引:0,他引:1
对变步长(LMS)自适应滤波算法进行了讨论,通过对Sigmoid函数修正,建立了步长因子与误差信号之间新的非线性函数关系。新函数在误差接近零处具有缓慢变化的特性,克服了Sigmoid函数在自适应稳态阶段步长调整过程中的不足,实现了对SVS—LMS算法的改进。理论分析和计算机仿真结果表明,本算法的收敛性能优于SVS-LMS算法。另外,还对本算法与VS-LMS算法进行了比较,仿真结果表明本算法在低信噪比环境下比VS-LMS算法具有更好的抗噪性能。 相似文献
10.
11.
针对已有的变步长自适应算法收敛速度和稳态误差矛盾的问题,提出了一种新的变步长最小均方自适应滤波算法。新的算法在类S函数的基础上,引入调节因子P对步长函数的形状进行实时调整,并以误差的自相关时间均值估计调节步长,使得算法在初始时具有较快的收敛速度,稳态时有更平滑的步长变化。在新算法中引用最大似然加权算法进一步抑制自适应滤波器权系数伪峰。将新算法和最大似然加权应用在自适应时延估计的实验中,结果表明:在已有参数固定的条件下,新提出的算法具有更快的收敛速度和更小的稳态误差。同时,时延估计实验中能有效地实现信噪比-3 dB以上的准确时延估计。 相似文献
12.
基于LMS算法的自适应滤波及在回声消除中的应用 总被引:2,自引:0,他引:2
介绍NLMS和NVLMS两种算法控制步长的思想。在此基础上,提出了新的变步长算法,同时使用误差积累和误差控制步长变化,并构建了基于自适应滤波算法的回声消除系统,将三种算法分别在此系统中应用,仿真验证了提出的算法具有更快的收敛速度和更小的稳态误差。并且在发生系统跳变时也能快速收敛。 相似文献
13.
一种改进的变步长LMS自适应算法 总被引:1,自引:0,他引:1
为了提高LMS自适应算法的性能,在对一些变步长LMS算法分析的基础上,提出了步长因子μ(n)与误差信号e(n)之间一种新的非线性函数关系,该算法比固定步长LMS算法收敛速度快,稳定性好,另外与文[5]中算法相比,不需要进行指数运算.将该算法应用于自适应噪声抵消系统的仿真中,计算机仿真结果与实际分析相一致. 相似文献
14.
15.
A novel kurtosis driven variable step-size adaptive algorithm 总被引:6,自引:0,他引:6
A new variable step-size LMS filter is introduced. The time-varying step-size sequence is adjusted, utilizing the kurtosis of the estimation error, therefore reducing performance degradation due to the existence of strong noise. The convergence properties of the algorithm are analyzed, and an adaptive kurtosis estimator that takes into account noise statistics and optimally adapts itself is also presented. Simulation results confirm the algorithm's improved performance and flexibility 相似文献
16.
针对传统固定步长CMA盲均衡算法中收敛速度和剩余误差这对矛盾,提出了一种新型变步长恒模盲均衡算法,即由瑞利分布函数实施对其步长的调节,通过调整该步长公式中的两个参数以加快收敛速度和减小剩余误差,并且在此基础上对该算法进行了改进。用4QAM信号,通过典型电话信道对固定步长的CMA算法,基于瑞利步长的CMA和改进后的CMA算法进行计算机仿真。通过对仿真出的算法收敛曲线以及输出星座图进行分析,最终得出在瑞利步长算法的基础上改进后的CMA算法克服了前两种算法的缺点,即具有收敛速度更快,剩余误差更小的优点。 相似文献
17.
In order to improve that the LMS algorithm for determining step size cannot satisfy both rapid convergence and low steady-state misalignment errors,a variable step size algorithm (IVSSLMS) based on an improved hyperbolic tangent function was proposed.The step size feedback factor and the correlation value of the error signal were used to adjust the step size,and the problems of slow convergence speed and poor anti-noise ability of the fixed-step size algorithm was overcame.The performance and parameters settings of the proposed algorithm were analyzed.The simulation results show that IVSSLMS has a faster convergence rate,lower steady-state error and better system tracking capability than the existing variable step size algorithms under high and low SNR conditions. 相似文献
18.
This paper proposes a robust adaptive filter based on the exponent sin cost to improve the capability against Gaussian or multiple types of non-Gaussian noises of the adaptive filtering algorithm when dealing with time-varying/time-invariant linear systems function exponent sin(ExpSin). Then a variable step-size(VSS)-ExpSin algorithm is extended further. Besides, the stepsize, the convergence, and the steady-state performance of the proposed algorithm are validated experimentally. The Monte Carl... 相似文献
19.
A number of time-varying step-size algorithms have been proposed to enhance the performance of the conventional LMS algorithm. Experimentation with these algorithms indicates that their performance is highly sensitive to the noise disturbance. This paper presents a robust variable step-size LMS-type algorithm providing fast convergence at early stages of adaptation while ensuring small final misadjustment. The performance of the algorithm is not affected by existing uncorrelated noise disturbances. An approximate analysis of convergence and steady-state performance for zero-mean stationary Gaussian inputs and for nonstationary optimal weight vector is provided. Simulation results comparing the proposed algorithm to current variable step-size algorithms clearly indicate its superior performance for cases of stationary environments. For nonstationary environments, our algorithm performs as well as other variable step-size algorithms in providing performance equivalent to that of the regular LMS algorithm 相似文献