改进的变步长LMS自适应算法及其应用

在对一些变步长LMS算法分析的基础上,通过改变步长公式中平方根运算范围,提出了一种改进的变步长LMS算法,并进行了稳定性分析.该算法比固定步长算法收敛速度快,稳定性好;与同类型复杂度其他算法相比,具有较快的收敛速度.将该算法应用于自适应噪声对消系统的仿真.计算机仿真证明该算法的理论分析.     

有源电力滤波器的箕舌线变步长LMS谐波检测方法

将单相有源电力滤波器（APF）作为研究对象,对其负载非线性电流中的谐波电流检测方法进行了进一步的研究．基于自适应噪声对消技术,将基于箕舌线的变步长最小均方（LMS）算法应用于APF谐波检测,同时将其与定步长LMS算法、基于s函数的变步长LMS算法,以及目前最常用的谐波检测算法之一的离散傅里叶滑窗谐波检测方法进行仿真比较．通过仿真分析,该算法具有较小的运算量、稳态误差小、强跟踪能力等特点,并有较好的收敛速度,解决了收敛速度和稳态误差之间的矛盾．     

基于分数采样的变步长LMS算法

提出了一种基于分数采样的变步长LMS算法,该算法利用分数采样使之含有更多的信道信息,从而得到更小的稳态误差,利用变步长来加快算法的收敛速度。与常规LMS算法,基于分数间隔的LMS算法相比,新算法具有更快的收敛速度和更小的稳态误差。电话信道的仿真结果,验证了算法的有效性。     

一种变步长LMS自适应滤波算法及分析

讨论了变步长自适应滤波算法,给出了一种新的变步长LMS自适应算法,建立了步长因子μ与迭代次数n及输入信号之间的一种新的非线性函数关系。该算法与传统LMS算法相比,在计算量增加不太大的情况下,具有更快的收敛速度和较小的稳态误差,而且无须去关心步长因子的大小。通过Matlab模拟仿真的结果与理论分析相一致,证实了该算法的优越性。     

一种改进的LMS自适应算法研究

传统的LMS算法的精度不高,收敛速度慢,并且跟踪性能不好.本论文主要研究了一种改进型的变步长的LMS自适应算法NLMS,并基于MATLAB仿真软件设计完成了一种改进型的NLMS自适应滤波器,对该算法进行仿真验证.结果表明:该改进型的自适应算法NLMS平均误差更小,精度更高.     

基于LMS算法的均衡器仿真实现

介绍了在信道特性是先验已知的情况下,基于LMS算法的自适应均衡器的MATLAB仿真实现,并对仿真的结果进行了分析和比较．对采用不同的步长因子对于收敛速度及收敛性的影响进行比较,提出关于算法改进的初步设想．     

用于声学回波抵消的自适应滤波算法

介绍了回波抵消器的原理和功能,详细阐述了现在广泛应用于回波抵消的各种自适应滤波算法,如变步长LMS,FTF,FAP等,并指出各种算法的特点.最后通过M atlab仿真,比较上述各种算法的性能,包括算法的复杂度和收敛速度,指明了各种算法的适用范围：变步长适用于对收敛速度要求不高的场所;FTF适用于采样率不大的语音处理设备中;AP类算法兼有收敛速度快和运算量较小的优点.     

基于最小差错概率的变步长盲均衡算法及仿真

在分析了李道本、陈少霞提出的基于最小差错概率盲均衡算法的基础上,用牛顿梯度变步长实现了基于最小差错概率新的盲均衡算法,仿真结果表明,与固定步长的盲均衡算法相比,该算法收敛速度快,均方误差小,在均衡技术的应用方面有一定的实用价值．     

基于最小均方优化算法的语音增强方法

在通信过程中，语音信息易受外界因素影响，导致信号变弱、信息传递出现差错。采用最小均方（LMS）优化算法，利用步长的变化动态调整收敛因子，产生增强语音信号，提高语音通信质量。通过比较不同类型声源在不同噪声强度下采用LMS优化算法处理后声音信号的增强效果，证明了该算法的稳态误差、收敛速度与收敛因子μ的取值关系密切，解决了LMS算法动态误差大的问题，达到了降低信噪比、提升音频质量的目的。     

基于进化策略的函数优化问题研究

针对进化策略算法在解决具体问题是熟练速度较慢这一问题的原因进行分析,提出自适应变异步长的方法,以在全局和局部范围内进行搜索．变异步长的值依赖于目标变量与全局最优解之间的距离．步长随距离自适应变化,可避免局部熟练和早熟．通过对经典dejong函数和Shubert函数的仿真试验,验证了文中算法的有效性．仿真结果表明,该算法收敛速度快,搜索精度高,且具有良好的全局搜索能力．     

改进的自适应滤波算法及其在声发射信号中的应用（英文）

为了对声发射信号进行降噪滤波处理,针对突发性声发射信号特有的衰减特性,将自适应滤波技术应用到声发射信号处理中.针对传统LMS自适应滤波器收敛速度与稳态误差的矛盾问题,在对比研究现有算法的基础上,提出一种改进的变步长LMS自适应滤波算法,以Sigmoid函数为原型,通过函数平移、对称变换构建含有3个参数的表达式,同时针对误差突变的情况,将前后误差e(k)与e(k-1)相乘来联合控制改变步长因子,并阐述了各个参数的选取与调整过程,以均方误差MSE为衡量指标来评价性能.仿真结果表明该算法显著提高了收敛速度,降低了稳态误差,使自适应滤波器的性能得到提升.把改进算法应用到声发射信号中,将实验信号通过EMD包络解调获得其上下包络线,再建立与声发射信号相关的期望函数,最后代入自适应滤波器中进行滤波处理,取得了很好的效果,证明了自适应滤波技术在声发射信号处理中的可行性.     

一种基于FIR的自适应滤波器LMS算法设计与实现

本文根据自适应滤波器的原理，对LMS算法进行了讨论。并且在NATLAB环境中实现了一种基于FIR横向结构的自适应滤波器LMS算法，对算法在收敛速度方面进行了分析，并且分析了收敛参数μ取值原则及对算法收敛性能的影响，计算机仿真结果与理论分析相一致。     

NLMS算法在有源降噪系统中的应用

本文分析了自适应算法的原理,研究了最小均方（LMS）算法和归一化最小均方（NLMS）算法的区别,给出了有源噪声控制的仿真系统,并进行了仿真实验,在输入信号变化较大时,NLMS算法也能够维持稳定,并比LMS的收敛速度快.     

一种信道自适应识别技术及其实现

针对信道的未知性,本文提出一种新的信道自适应识别算法,在分析LMS算法原理的基础上,提出一种新的自适应算法,该方法在降低自适应算法稳态误差的同时提高了算法收敛速度,并将此方法应用到信道识别中,MATLAB仿真验证了该算法的有效性,在此基础上,在TMS320C5502上对该算法进行了实现.     

小波变换域自适应均衡器性能分析

介绍了基于LMS算法的小波变换域自适应均衡器，并分析了此类均衡器的性能，较为详细地研究了小波域自适应均衡的维纳解，收敛条件，均方误差等问题，针对时不变及时变收剑因子2种情况进行了讨论，给出了小波域均衡算法的算法复杂度，仿真结果表明小波域自适应比其时域算法具有更好的收敛性。     

新型变步长LMS方法及OFDMA信号DOA估计中的应用(英文)

针对基站(BS)或第三方设备对移动终端快速定位的需求,为了提高最小均方误差(LMS)方法的收敛速度并降低稳态误差,提出了一种新的对数-sigmod可变步长LMS方法(LG-SVSLMS),并将该方法应用于正交频分复用多址(OFDMA)信号的波达方向(DOA)估计.基于LG-SVSLMS,构建了面向OFDMA信号的非盲DOA估计系统.LG-SVSLMS采用了结合sigmoid函数和对数函数的多参数步长更新函数,该方法控制了LMS初始和稳态阶段步长调整的幅度,从而同时实现了高的收敛速度和低的稳态误差.最后,通过仿真验证所提LG-SVSLMS的性能.仿真结果表明,在多源干扰信号和多径衰落信号与目标信号非同步到达第三方设备的场景下,基于LG-SVSLMS的非盲DOA估计系统能够准确估计目标信号的DOA,且估计误差在±3°之内.这种采用LG-SVSLMS的面向OFDMA信号的非盲DOA估计系统对基于自适应天线阵列的移动终端快速定位技术具有重要意义.     

解变分不等式的一种修正投影算法

通过进一步的限制投影区域来对Solodov.etc.的算法做了修正,从而得到一种新的二次投影算法,该算法具有更长的步长,并证明了该算法生成的无穷序列{xk}收敛到变分不等式的一个解.     

果蝇优化算法(FOA)步长改进及其多元函数最优化方法

果蝇优化算法(FOA)模拟果蝇群体利用嗅觉和视觉寻找食物的方法来寻找最优值.本文根据算法的特点分析了影响收敛速度的因素,通过变步长方式得到改进的FOA.另外还提出了多元函数最优问题的FOA方法.在对Schaffer函数的全局最优过程中,经过变步长的FOA收敛速度大大提高(与理论最优值的误差以指数速度下降),在计算速度和收敛精度方面都远远优于遗传算法.     

基于模拟退火方法BP神经网络的测向定位方法

针对BP算法在测向定位中收敛速度慢、易陷入局部极小等缺点,将模拟退火方法应用到BP神经网络中,同时结合变步长方法,利用隐层节点的动态合并与删除策略,在满足定位精度的同时使网络结构最小化,使用三层前馈网络建立了三站测向定位模型。通过仿真实验,新方法在收敛速度和有效性方面都远高于BP算法。     

K-means和人工鱼群结合的聚类算法研究

针对K-means算法对初始聚类中心敏感、容易收敛于局部极值和人工鱼群算法最大步长固定、寻优精度不高、后期收敛速度慢的问题,提出一种K-means和人工鱼群相结合的聚类算法。该算法将K-means聚类中心引入人工鱼群适应度函数,自动确定近似全局最优的初始聚类中心,并将其作为K-means初值详细进行局部搜索,以提高精度。同时采用淘汰机制和自适应的最大步长策略,优化人工鱼群算法性能。在Iris、Wine数据集和EPA-HTTP应用日志数据上对IAFSA KM算法进行实验仿真分析,验证了算法的有效性和可行性。