一种新的变步长自适应滤波算法及分析

现有的变步长自适应滤波算法可分为步长一致和步长非一致两种情况,本文着重对步长一致的情况进行分析讨论,给出了统一的表达式,并定性地提出了步长变化的准则.同时在分析了几种现有变步长自适应滤波算法的基础上,提出了一种新的变步长自适应滤波算法.理论分析和不同情况下的仿真实验结果都表明,新算法能够符合文中提出的变步长准则,在保持算法简单的同时能够满足收敛速度,跟踪能力和收敛精度的要求.     

一种新的变步长LMS自适应滤波算法

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。     

一种变步长LMS自适应滤波算法及分析

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.     

一种新的变步长自适应噪声消除算法

本文针对电力线噪声的特点,提出了一种新的变步长自适应噪声消除算法.在自适应算法的步长与梯度之间建立了新的关系,弥补了基于误差的变步长算法在自适应噪声消除方面的不足,克服了标准LMS算法的收敛性对输入信号的敏感性,并能根据梯度调整步长大小从而实现算法的快速收敛.通过理论分析设计了新的变步长自适应噪声消除算法,并进行了仿真和实测数据验证,证明了算法相对于其他算法的优势.     

一种新的变步长LMS自适应滤波算法

在对传统LMS算法、变步长SVSLMS算法及归一化LMS算法分析的基础上,提出了一种改进的归一化变步长LMS算法即N-SVSLMS（Normalized-SVSLMS）算法。该算法结合了参考文献中两种算法的思想,得到了改进的归一化LMS自适应算法。该算法在信道环境多变的情况下,收敛速度和稳定性能有了进一步的提高。理论分析及计算机仿真结果表明,N-SVSLMS算法明显优于传统LMS算法、变步长SVSLMS算法及归一化的LMS算法。     

一种非线性变步长LMS自适应滤波算法

基于定步长LMS自适应滤波算法存在稳态误差和收敛速度无法合理协调的缺点,通过在误差信号与步长之间建立非线性关系,提出了一种新的变步长LMS算法。通过步长函数可以让步长因子在算法初始阶段具有较大值,在算法收敛阶段获得较小值,且变化平缓。理论分析和实验仿真结果表明,新算法克服了在稳态自适应阶段步长调整导致系统不稳定的问题。将新算法应用于电脑风扇噪声的有源噪声控制中,取得了良好的效果。     

变步长自适应滤波算法的研究

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。     

一种新的变步长LMS自适应滤波算法

本文通过建立步长因子μ与误差信号之间的非线性函数关系,提出了一种新的变步长LMS(LeastMean Square)算法.该算法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,且克服了S函数变步长LMS算法(简称SVSLMS算法)在自适应稳态阶段μ(n)取值偏大的缺陷.理论分析和计算机仿真结果表明该算法的性能优于SVSLMS算法.     

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)。     

一种改进的变步长LMS自适应滤波算法

提出一种改进的变步长LMS(Least Mean Square)算法,该算法在步长参数μ与误差信号e(n)之间建立了一种非线性函数关系,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。该关系具有在误差e(n)接近零处缓慢变化的优点,克服了s函数变步长LMS算法在自适应稳态阶段μ(n)取值偏大的缺陷。理论分析和计算机仿真结果表明,改进算法的收敛速度和稳态误差的性能指标都有较大的提高。     

一种新的变步长最小均方自适应滤波算法

将步长因子与误差信号和测量噪声方差之间的一种函数关系引入自适应滤波器,提出了一种变步长最小均方自适应滤波算法.与已有算法相比,本文算法的步长因子更易于设计和控制.仿真结果表明本算法具有很好的收敛性能,同时也证实了本文算法的有效性.     

变抽头长度LMS自适应滤波算法

该文将自适应滤波器抽头长度与权值调整问题归结为单一的权值调整问题,提出了抽头长度的一般更新公式及新的变抽头长度LMS算法,从理论上分析了其合理性与收敛性。新算法用长滤波器与短滤波器的时平均平方误差估计稳态均方误差,采用了自适应调整的抽头长度步长,可在滤波器权值未收敛时就快速更新抽头长度。论文还证明了目前文献中几种有效的变抽头长度算法也可看作或化为文中抽头长度一般更新公式的特例,理论分析与自适应系统辨识的仿真结果验证了新算法的有效性。     

自适应Kalman滤波算法在相对导航中的应用

本文将Singer、CS、IMM三种自适应滤波算法应用到数据链相对导航中,并进行了计算机仿真,分析比较了三种算法的性能。仿真结果表明,对机动平台相对导航而言,CS模型和IMM算法具有明显的优势。另外,指出并印证了Singer模型和CS模型中机动参数对相对导航性能的影响,分析了IMM算法在相对导航应用中存在的问题,并提出了相应的解决思路。     

一种改进的变步长ELMS算法

在简单讨论基本最小均方(LMS)算法的基础上,引入了扩展的最小均方(ELMS)算法,并分析说明了该算法能达到更小的稳态MSE。改进的变步长ELMS算法是在对有用信号的预测中采用了自适应为归一化的的最小均方(NLMS)预测估计器,步长的迭代中引入遗忘因子i,利用其与误差信号的加权和来产生新的步长参与迭代。理论分析与计算机仿真结果表明,该算法有较好的收敛性能和较小的稳态失调。     

一种复数赫布型学习算法及其在自适应ⅡR滤波器中的应用

本文提出了一种复数赫布类型的学习算法，用来训练一个输入、输出及权值均为复数的复神经网络。本算法的推导是基于TLS准则，而不是常用的LS或LMS准则。算法的收敛性及收敛结果通过将其应用到自适应复数ⅡR滤波器中来加以说明。     

自适应模糊进化算法

本文提出了一种基于自适应模糊函数估计器的进化算法－－自适应模糊进化算法，该函数估计器在进化过程中自适应地估计基因串适应度函数，减少了进化算法的运算量，最后，我们给出了进化设计模糊控制器的实验结果。     

基于新的变步长模型的LMS自适应滤波算法

为了解决传统的变步长LMS自适应滤波算法不能有效处理既要求收敛速度快又要求稳态误差小的矛盾,提出了步长因子与误差信号之间的一种新的基于抽样函数非线性模型。该模型在误差信号上增加了指数因子,在仿真实验中,通过调节该指数因子及其他参数,使得算法在初始阶段误差较大时,步长因子能够自动增大,并在误差信号接近零处,有缓慢变化的特性。实验结果表明。提出的算法有很快的收敛速度和较小的稳态误差,可以有效解决上述矛盾,尤其是大幅度提高了算法的收敛速度,便于实时实现。     

一种新的可变步长LMS自适应滤波算法

本文在讨论基本L,MS,变步长NLMs【",改进的SVSI。MS[2]和LMS／Fp]组合自适应滤波算法的上基础上提出一种新的可变步长L.MS自适应滤波算法,新算法引入修正系数p和遗忘因子／lf=exl~(-i)(i=l,2,...,M-1),并利用p和^i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NL,MS算法、改进的SVSLMS算法、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)。