改进的变步长维纳系统盲源分离方法

基于非线性盲源分离的维纳系统算法中,采用固定步长导致算法的收敛速度和稳态误差之间存在矛盾,直接影响分离算法的性能。为了解决该问题,提出了基于非线性函数的变步长维纳系统盲源分离方法。该方法将更新的步长以非线性函数的形式引入到分离算法中,使得稳态时参数更新的步长尽可能小,以避免发生振荡。变步长算法在分离过程中的每次更新都会使步长自动进行合理的调整,使得收敛速度提高了53%,误差减小了45%。实验仿真表明,相对原算法,提出的维纳系统盲源分离方法可以更好地分离出信源信号,而且具有较小的误差和较快的收敛速度。     

变速率部分更新盲均衡算法

对于长抽头系数自适应算法,基于最大化自适应滤波器系数误差向量原则的变速率部分更新算法,能够在大幅度降低算法实现复杂度的同时,解决部分更新算法收敛速度慢的问题。但是,该变速率算法仅适用于LMS结构,对于具有非线性代价函数的部分更新自适应盲均衡算法并不适用。基于同样的最优化思想,通过替换步长计算表达式中的部分统计量,提出了能够适合于部分更新多模盲均衡算法(MMA)的确定性变步长控制算法,并通过递归的方式计算步长值,简化了实现过程。对固定信道和时变信道的数值仿真结果表明,新算法相比传统基于收敛误差的经验性变步长算法具有更快的收敛速度和更好的跟踪性能,有效解决了部分更新自适应盲均衡算法的确定性变速率控制问题,提升了算法的收敛速度和跟踪性能。     

一种快速时变自适应信道估计盲方法

提出了一种新的信道估计最小均方(LMS)盲方法--时变步长理想加权判决信道估计盲方法.该方法通过对常规LMS算法进行改进,实现自适应跟踪信道特征变化;同时利用接收机判决误差信息函数作为权系数的理想加权判决,从而解决了常规LMS盲方法收敛速度慢、信道估计性能不高的缺点.仿真证明,对于不同的多普勒频移、时延扩展以及时间,该方法均表现出了比常规LMS方法更优的性能.同时,该方法还可用于航天、雷达等领域估计其他特征参数.     

平方根变步长lp范数LMS算法的稀疏系统辨识

针对稀疏未知系统的辨识问题，提出了一种基于p(0相似文献   

一种用于自适应噪声抵消的变步长LMS算法

为了提高LMS自适应滤波算法的性能,在分析已有变步长算法的基础上进行了一些改 进。改进算法用误差信号的自相关来调节步长以实现对不相关噪声的更好抑制,且采 用先固定后变化的方法控制步长,兼顾了暂态和稳态性能。利用改进算法进行了自适应噪声 抵消的仿真实验,结果表明,基于改进变步长LMS算法的自适应噪声抵消器 能有效抵制噪声干扰,对含噪信号具有良好的消噪能力。     

基于相关特性的改进G-SVSLMS算法

为解决改进的基于Sigmoid函数变步长最小均方（G-SVSLMS）算法步长更新公式易受噪声干扰的问题,根据高斯白噪声相关性比较差的特性,对G-SVSLMS算法进行改进,提出基于相关特性的改进G-SVSLMS算法,使算法的抗噪声干扰能力明显增强。理论分析和仿真结果表明：若两算法选取相同参数,则基于相关特性的改进G-SVSLMS算法相对于G-SVSLMS算法具有小的稳态误差;在保证算法收敛的条件下,基于相关特性的改进G-SVSLMS算法相对G-SVSLMS算法具有较快的收敛速度。     

基于零均值特性的改进G-SVSLMS算法

为解决改进的基于Sigmoid函数变步长最小均方（G SVSLMS）算法步长更新公式易受 噪声干扰的问题,根据高斯白噪声的零均值特性,对G SVSLMS算法进行改进,提出基于零 均值特性的改进G SVSLMS算法,使算法的抗噪声干扰能力明显增强。理论分析和仿真结果 表明：若两算法选取相同参数α、β,则基于零均值特性的改进G SVSLMS算法相 对于G SVSLMS算法具有小的稳态误差;在保证算法收敛的条件下,基于零均值特性的改进G SVSLMS算法相对于G SVSLMS算法具有较快的收敛速度。     

基于小波变换变步长LMS自适应信道均衡的新方法

结合变换域最小均方（LMS）和变步长LMS算法的优势,提出了一种基于小波变换 的变步长LMS自适应均衡方法。该方法中步长调整函数采用了改进的Sigmoid函数,该函数具 有简单且误差信号接近零时变化缓慢的特点。并且,在训练模式、判决引导模式以及混合模 式下,将提出方法和传统均衡方法进行了仿真比较。结果表明,所提出的方法比传统的线性 LM S算法、变步长LMS以及小波变换LMS收敛更快、性能更优。     

改进的扩展互信息分离算法

扩展互信息分离算法采用单隐层神经网络近似算法代价函数中的非线性函数,可调节 的参数有限,需要多次迭代才能收敛,从而导致收敛速度较慢。针对这一问题, 采用双隐层神经网络近似非线性函数,以分离结果的互信息最小化作为代价函数,采用梯度 下降方法对代价函数进行优化,增加了可调节参数数量。仿真实验结果表明,改进后的算法 相对原算法收敛速度更快,误差更小。     

自适应变步长的动量项盲源分离方法

针对传统盲源分离算法采用单一步长而无法同时兼顾收敛速度与稳态性以及动量因子选取的问题，介绍了一种盲源分离优化方法。该方法依据自然梯度算法(Natural Gradient Algorithm，NGA)的收敛条件，通过输出信号建立一种新的表示信号分离程度的度量指标，通过此度量指标构造非线性单调函数，使步长与动量因子参数自适应调节，从而可以合理、准确地选择参数。仿真表明了在平稳和非平稳环境下所提分离指标的正确性，且该指标可有效监测信号分离程度；针对步长及动量因子参数选取所设计的优化策略能够有效地缓解固定值对算法性能的约束，在有无噪声的情况下，均获得了优良的分离效果。