新的变步长LMS算法及其在自适应噪声对消中的应用

介绍了一种基于均方误差估计的新变步长LMS自适应滤波算法。与传统的LMS算法相比,该算法具有较快的收敛速度和较小的稳态失调。将该算法应用于自适应噪声对消系统的仿真中,给出了计算机仿真结果,仿真结果与理论分析一致,证明了新算法的优越性。     

基于相关误差的变步长LMS算法

以自适应对象建模为应用背景,对不同的变步长LMS算法进行对比研究,提出了一种基于相关误差的变步长LMS算法,仿真结果表明,该算法较现有算法具有较快的收敛速度和较高的收敛精度.     

自适应滤波对提高光电吊舱目标定位精度的研究

针对机载光电吊舱目标定位精度的问题,提出了一种采用LMS自适应噪声抵消技术来提高载机姿态角精度,从而提高目标定位精度的滤波方法。文章介绍了自适应滤波器噪声抵消的工作原理和LMS算法,并给出了LMS算法的Matlab仿真实现的滤波结果,通过分析仿真结果验证了该方法的有效性,并根据蒙特卡罗法计算1000次,得出该方法使经度误差减少了13.2%,纬度误差减少了10.3%,高度误差减少了15.8%。     

一种变步长LMS自适应滤波算法研究

为了解决最小均方(LMS)算法的稳定性以及收敛速度和稳态误差之间的矛盾,提出了一种复数型自适应变步长的LMS算法,它的权系数的调整取决于误差曲面在新权值点上的梯度。分析了新算法的收敛特性以及参数选择对算法性能的影响。算法具有较快的收敛速度、鲁棒稳定性且运算小易于实现的特点。计算机仿真的结果与理论分析相一致,证实了算法的收敛性能优于标准的LMS算法并且具有较好的实用性。     

基于零均值特性的箕舌线变步长 LMS算法

针对基于箕舌线变步长LMS算法步长更新公式易受噪声干扰的问题，根据高斯自噪声的零均值特性，提出基于零均值特性的箕舌线变步长LMS算法，使算法的抗噪声干扰能力增强。若2算法选取相同参数α、β，则基于零均值特性的箕舌线变步长LMS算法相对于箕舌线变步长LMS算法具有小的稳态误差。在保证算法收敛的条件下，基于零均值特性的箕舌线变步长LMS算法相对箕舌线变步长LMS算法具有较快的收敛速度。     

基于数字滤波的低频时码秒脉冲抖动平滑方法研究

低频时码授时信号在接收时,由于环境等因素的影响会导致解调得到的低频时码秒脉冲出现抖动。为减小该抖动现象对低频时码定时精度的影响,基于我国低频时码授时系统(BPC),研究并设计基于数字滤波的秒脉冲抖动平滑方法,通过仿真实验,验证分析了最小均方误差(LMS)自适应滤波算法和卡尔曼滤波算法的有效性和抖动平滑性能。结果表明,低频时码秒脉冲的抖动现象可以通过BPC 1PPS (one pulse per second)和本地1PPS之间的相位差波动情况反映;LMS自适应滤波算法和卡尔曼滤波算法对BPC 1PPS的抖动平滑处理均有明显效果,卡尔曼滤波算法的抖动平滑效果更优,但存在一定的收敛时间,LMS自适应滤波算法的滤波结果响应速度快,但抖动平滑性能受滤波器阶数的影响。所以,在实际应用中,应根据实际需求选择合适的滤波器及相关参数。     

基于比例归一化LMS算法次级通道模型辨识

将主动噪声控制技术应用于地铁通风隧道的噪声控制上,其应用效果在很大程度上取决于信号处理的实时性。在保证控制算法收敛的基础上,要求算法收敛速度尽可能快,以确保对声波变化的准确跟踪,据此产生匹配的振幅相等、相位相反的次级声信号,进而对噪声进行控制。利用比例思想对LMS算法进行改进,为小系数配上小的步长因子,为大系数配上较大的步长因子。最后,将其应用在地铁通风隧道的次级声通道模型的辨识上,并与常用的LMS算法在收敛速度、稳态失调性能上做出比较。数值分析结果表明,采用改进后的LMS算法能够有效地加快算法收敛,改善算法的稳态失调性能。     

星敏感器低频误差与陀螺漂移离线校正方法

获取高精度事后姿态数据是提高遥感平台成像质量的必要条件之一,离线处理可有效降低敏感器测量误差,从而获得更高的姿态确定精度。基于滤波的校正方法中,星敏感器低频误差(LFE)与陀螺漂移将产生耦合影响导致校正精度低,本文针对该问题推导了耦合误差的数学模型,并设计了一种两步双向平滑事后处理算法,将陀螺漂移与低频误差分两步校正,通过反复滤波剥离陀螺漂移与低频误差。同时,针对低频误差参数收敛速度慢、噪声参数调节困难的问题,利用一种基于极大似然估计(MLE)的固定窗口自适应双向滤波算法进行处理以获得更好的噪声估计,提高了收敛速度和收敛精度。文中仿真工况下,离线姿态确定精度可达到0.8″(3σ),低频误差参数完全收敛时间不超过4个轨道周期。     

自适应消噪与轴承故障诊断

本文采用自适应消噪技术来提高轴承振动信号的信噪比,在常用的 LMS (widrow)算法的基础上,讨论收敛快而计算量增加又较少的 VS (Variable Step)算法,分析表明 VS算法较LMS算法更适于自适应消噪在机械故障诊断中的应用。对故障轴承的振动信号进行同态自适应消噪处理和异态自适应消噪处理,都有助于发现轴承的故障。      

小波域的自适应波束形成算法

在分析传统自适应波束形成的基础上,首次提出了一种小波域的自适应波束形成算法。与通常的自适应波束形成算法相比,该算法利用小波变换对小波空间进行了分解,信号经小波变换自相关性会下降,收敛速度提高,同时在此分解过程中,根据信号与白噪声在不同尺度上的小波变换模极大值表现完全不同的特性进行信号的消噪。理论分析和仿真结果表明了该算法收敛速度较快,且计算量增加较少,易于实时实现,而且具有较好性能。同时仿真实验表明该算法收敛速度与小波基和尺度的选择有关,尺度越大收敛速度越快;对于同一小波基系列,小波基的正则性越好收敛速度越快。     

Application of the Normalized LMS Algorithm to MSLC

For some conditions, the convergence time of the conventional LMS algorithm is longer than the radar dwell time so that the MSLC technique does not cancel jammers. The convergence time depends upon the power and angular locations of the jammers. The normalized LMS technique can decrease convergence times by several orders of magnitude. It causes the convergence time to be essentially independent of the jammer powers and decreases the convergence time dependence upon location. The derivation of an exact first moment analysis of the weights for the normalized LMS algorithm is given. Simulation results are also given. There is excellent agreement between the two.     

A Generalization of the Normalized LMS Algorithm

As previously shown, the normalized least mean square (NLMS)algorithm has superior convergence properties than the least meansquare(LMS) algorithm. However, the weight noise effect of the NLMS algorithm is large so that the steady state residue power islarger than that for the LMS algorithm. A generalized NLMSalgorithm is developed based upon the pseudoinverse of anestimated covariance matrix. A preliminary evaluation indicatesimproved performance can be attained but the implementationcomplexity might be high.     

Normalized LMS Algorithm Degradation Due to Estimation Noise

The steady-state weight vector derived by either the least mean square (LMS) or normalized least mean square (NLMS) algorithms has random deviations from the optimum values. These deviations increase the steady-state residue power. A previous paper derived the LMS weight noise effects for a multiple sidelobe canceller (MSLC) application. This paper describes the NLMS weight noise effects. It is shown that for a thermal noise environment, the weight noise effect for the LMS algorithm is insignificant but is quite significant for the NLMS algorithm. Calculations for example noise plus interference environments imply that the NLMS weight noise effects are always larger than that for LMS.     

稳定平台中陀螺漂移自适应实时估计算法

 针对陀螺稳定平台的漂移问题,建立了陀螺稳定跟踪装置在不同工作模式下陀螺漂移的数学模型,指出稳定模式下包含常值漂移和相关漂移的陀螺低频噪声是影响稳定精度的主要原因。提出一种自适应实时估计算法,采用卡尔曼滤波框架和滤波器收敛判据,结合Sage-Husa滤波和加权Sage-Husa滤波算法,利用跟踪器跟踪静止目标时输出的脱靶量信号对陀螺常值漂移和相关漂移进行估计。实验结果表明:该算法能够在系统模型和噪声特性均不准确的情况下使用,收敛时间小于3 s,估计均方差小于0.02 (°)/s,具有良好的鲁棒性和自适应能力。