基于变步长LMS算法的IMU信号降噪研究

针对遥测系统小型化惯性测量单元惯性敏感元件精度较低,随机噪声较大的情况,研究基于变步长LMS自适应滤波技术的IMU信号实时降噪问题。算法通过实时递推得到失调误差和输入信号的互相关系数估值,利用估值实现算法的变步长控制,克服了固定步长NLMS滤波在收敛速度、跟踪能力和稳态精度之间的矛盾,具有收敛速度快、稳态精度高、动态信号随机噪声抑制能力强的优点。实验表明,变步长LMS自适应滤波技术可有效降低IMU信号的随机噪声,为遥测系统测量精度的提高提供技术支撑。     

基于DCT变换的变步长LMS自适应收发隔离算法

将变换域LMS算法和变步长LMS算法相结合 ,提出了一种基于DCT变换的变步长LMS自适应算法 ,从而有效地降低了输入信号自相关矩阵特征值的分散程度 ,并且克服了固定步长因子所导致算法在快的收敛速度和较低的稳态误差之间存在的矛盾 ,达到了改善干扰机接收信号信干比的目的。计算机仿真结果表明该算法具有更快的收敛速度和更小的权失调噪声 ,可以很好地应用于自适应收发隔离系统     

基于新算法的干扰机自适应收发隔离技术

针对电子干扰机中侦察接收天线和干扰发射天线之间存在的收发隔离问题 ,提出了基于有源干扰对消的自适应收发隔离技术。介绍了应用该技术的自适应收发隔离系统的组成和基本原理 ,并针对系统的具体应用 ,提出了一种新的变步长LMS自适应算法。理论分析和仿真均表明该算法具有较高的收敛速度和良好的收敛性能 ,能有效地应用于自适应收发隔离系统中。     

基于自适应小波包变换的LMS窄带干扰抑制技术

文章将自适应小波包子带树分解算法与LMS自适应算法相结合,利用自适应小波包变换所具有的优良时频局域性和多分辨分析特征,迅速跟踪和准确定位窄带干扰所污染的子带;然后利用自适应LMS算法对受扰子带进行干扰对消,将窄带干扰滤除,在去除干扰的同时,有效地减少了对有用信号的损失。同时,小波包变换提高了LMS算法的收敛速度和稳定性。仿真结果表明,二者的结合使DSSS系统的干扰抑制性能得到进一步提高。     

一种适于动态环境的盲多用户检测算法

比较两种盲多用户检测算法在动态环境中的收敛性能,并通过计算机进行模拟仿真。其中一种是能随输入信号矢量变化而变化的变步长最小输出能量盲算法;另一种是既保持最小输出能量检测器的全局收敛性,又具有最小均方误差检测器高输出信干比优点的判决反馈变步长盲算法。利用前者在动态强干扰下收敛快及后者在稳态时输出信干比高的优势,将二者结合起来应用到动态环境中,提高系统性能,同时抑制多址干扰和窄带干扰。     

一种用于预失真系统的RLS+LMS组合算法

数字预失真技术是功率放大器线性化研究的热点,自适应算法的选择对预失真的效果有很大的影响。分析传统的LMS算法和RLS算法,发现其收敛速度和计算复杂度不可兼得,变步长算法对收敛性能有所改进,但效果有限。结合两种算法各自的优势,提出一种新的组合算法,用于多项式数字预失真系统。采用间接实现结构,仿真结果表明新算法具有良好的收敛特性,适用于功率放大器的线性化处理。     

卫星高速宽带数传系统的变步长LMS均衡算法研究

对码间干扰实现快速有效的均衡是卫星高速宽带数字传输的关键之一,针对S型函数(Sigmoid函数和双曲正切函数)变步长LMS均衡算法在误差e(n)接近零处μ(n)变化大的缺陷及算法复杂度高的问题,提出了一种改进的变步长LMS自适应均衡算法.算法通过简化步长更新式的复杂度,增加误差信息量,优化改进的S型函数结构,建立了新的步长因子μ(n)与误差函数e(n)非线性关系,使算法误差接近零处步长因子变化平滑缓慢,消除不相关噪声序列的影响,且算法复杂度比其它同类改进算法小.仿真结果表明新算法性能优于其它改进算法.文中给出了卫星高速宽带数字传输系统的仿真模型,将新算法应用到系统模型的白适应均衡器中,系统误码性能得到较大改善.     

一种基于MSE变换的变步长恒模盲均衡改进算法

分析了军事通信中传统恒模盲均衡算法(CMA)的基本原理,并针对此算法收敛速度慢、收敛速度与稳态剩余误差之间存在矛盾的缺点,提出一种改进的变步长恒模盲均衡算法(VASCMA).理论分析和实验仿真证明改进后的算法较传统算法具有更好的收敛效果.     

一种步长为对角阵的正交数据投影算法

针对传统子空间跟踪算法正交性和稳定性差的问题,基于数据投影算法(DPM),提出了一种步长为对角阵的正交DPM算法。算法运算复杂度较低,能提供标准正交的子空间,运行时无累积性误差;采用"自适应"而非固定搜索步长,能更好地匹配子空间的动态收敛速度,可进一步提高收敛速率并具有更佳的跟踪性能。仿真结果证明了新算法的有效性和正确性。     

快速Max-Min公平带宽分配算法稳定性分析

高QoS的网络传输要以一个稳定的连接作为保证,这就要求资源分配算法要有良好的动态稳定性,但公平分配算法的稳定性还没有得到人们的普遍重视。鉴于Max-Min公平带宽分配方案的实现算法─渐次填充算法的收敛速度太慢,本文提出了快速Max-Min公平分配算法,该算法用多次平均值来快速逼近公平资源值,巧妙的回避了渐次填充算法步长和收敛速度间的矛盾,大大提高了收敛速度。最后,本文对该算法进行了摄动分析,并证明了该算法的稳定性。     

应用知识蒸馏的深度神经网络波束形成算法

自适应波束形成技术广泛应用于雷达领域的旁瓣抗干扰中。当回波数据量增多时,传统的波束形成算法无法进行快速处理,而应用深度神经网络模型通过数据的预训练则可以快速地进行波束形成,因此根据波束形成原理设计深度神经网络,并利用知识蒸馏的方式对深度神经网络进行压缩,使压缩后的模型既有原始模型良好的泛化性能而且又有更快的计算速度。仿真结果表明,相比于传统的LMS算法,在实验环境下,未经模型压缩的深度神经网络自适应波束形成算法的计算速度提高了约7倍,基于模型压缩的深度神经网络自适应波束形成算法的计算速度提高了约20倍。     

一种自适应迭代宽带数字波束成形算法

为了克服传统宽带波束合成要求期望信号垂直入射阵面的苛刻要求,新算法首先利用数字时延滤波器对接收数据的时延进行补偿,使其等效为期望信号垂直入射,然后采用无需计算矩阵求逆的基于LMS的空时自适应滤波算法完成波束形成。方向图仿真表明,新算法能够实现宽带抑制,可高分辨率地使主瓣对准期望,零陷对准干扰;同时通过计算量分析,相对于DMI算法,新算法很大程度地降低了计算复杂度,减小了计算量,易于工程 实现。     

基于简化RLS算法的无源雷达杂波抑制

研究了利用调频广播信号作为非合作目标照射源的收发分置无源雷达系统的运动目标检测方法。针对直达波、多径信号对目标检测性能的影响,选择自适应滤波方法抵消杂波。LMS算法计算复杂度低,但收敛速度慢;相反RLS算法收敛速度快,但计算复杂度高。综合两者优点,提出了一种简化RLS算法:复数两级欧几里德坐标下降算法(CDCD)。基于实测数据的处理结果表明:与同量级复杂度的LMS和FEDS相比,该算法具有更好的收敛速度。最后通过对杂波相消后的主天线信号与参考信号相干匹配实现目标检测。     

基于LMS算法的自适应数字预失真技术研究

文章研究了基于查找表LUT方法的功率放大器自适应数字预失真技术。针对传统的基于线性收敛算法的自适应收敛速度较慢的不足,文章根据自适应滤波理论中的LMS算法,推导并仿真验证了适用于功率放大器自适应数字预失真技术的LMS算法,并从功率放大器的传输特性、输出频谱等方面将此算法与线性收敛的Rascal算法进行比较,仿真结果表明了LMS算法收敛速度更快、预失真效果更好。     

一种分数间隔解相关修正判决反馈盲均衡算法研究

以消除多径效应对传输信号的影响、提高信号传输的效率为背景,在介绍基于CMA算法的判决反馈盲均衡算法(DFE算法)的基础上,提出了改进的分数间隔判决反馈盲均衡算法。通过实验仿真结果的分析表明,改进方法在收敛速度、剩余误差等方面取得明显改善,具有一定的实际应用价值。     

基于特征空间重构的子阵级ADBF方法

为实现大型阵列天线子阵级自适应数字波束形成,提出了一种基于阵列特征空间重构的方法。对子阵协方差矩阵进行奇异值分解,分离出信号、干扰与噪声子空间对应的特征值以及特征向量,并对特征子空间重新分配,重构阵列特征空间,完成子阵级ADBF。与常规方法相比,该方法能够消除子阵级输出噪声功率不一致造成的阵列方向图畸变,减小协方差矩阵估计误差的影响。理论分析与仿真结果表明,该方法在子阵级波束形成以及抗干扰接收等方面具有优良性能。     

非圆信号虚拟阵列波束形成算法

利用非圆信号的实值特性,提出了一种利用信号共轭扩展阵列孔径的虚拟阵列构成方法,将其应用在自适应波束形成中,对其波束形成的性能进行了分析和改进,并提出了一种快速的实现方法。该虚拟阵列的构造方法能同时保留时间信息和方位信息,用于自适应波束形成中,可以改善波束图形状,提高阵列增益,对抗超自由度干扰。计算机仿真验证了该方法的优越性。     

基于自适应差分进化和BP网络的罗盘误差补偿

To improve the acuuracy of heading angle measured by electronic compass, a new error compensation method is proposed based on adaptive differential evolution algorithm and BP neural network. In the method, the 3 layer BP neural network is used to model heading angle error, and adaptive differential evolution algorithm is adopted to train the weights of network, thus obtaining a more exact error model, and compensating the heading angle error measured by electronic compass. Compared with other compensation methods such as 8 position least squares, BP neural network, differential evolution algorithm for optimizing BP neural network, and so on, its error compensation accuracy is significantly improved, the method has strong global optimization ability, great convergence rate, good stability, and so on. The experimental results show that after compensation, the error range of heading angle is decreased from -16°~30.7° to -0.22° ~0.2°, which satisfies the needs of higher accuracy navigation systems.