导读:本文包含了最小均方误差自适应算法论文开题报告文献综述及选题提纲参考文献，主要关键词:无源时差定位,二相编码信号,自适应时延估计,最小均方误差
最小均方误差自适应算法论文文献综述
乔振岳[1]（2014）在《最小均方误差自适应时延估计算法研究》一文中研究指出无源时差定位以其作用距离远、隐蔽性好等特点在电子战系统中占有越来越重要的地位。无源时差定位的精度直接由时延估计的性能决定。自适应时延估计较少依赖信号与噪声的统计先验知识,更加适用于无源时差定位的环境。因此,对自适应时延估计方法的研究具有重要的理论意义与实用价值。本文研究最小均方误差准则下一般自适应时延估计方法与基于信号循环平稳性的自适应时延估计方法应用于二相编码信号时的性能。在分析一般自适应时延估计方法的估计精度、收敛速度以及时间复杂度的基础上,重点研究基于信号循环平稳性的自适应时延估计方法。针对二相编码信号的带限非平稳特性,在传统型信号循环平稳性算法基础上,本文提出了一种基于信号循环平稳性的约束型自适应时延估计算法,以解决传统型循环平稳算法不能直接估计整数时延与应用插值法导致的复杂度高的问题。理论分析与仿真结果表明,本文所提出的基于信号循环平稳性的约束型自适应时延估计算法在不损失估计精度与收敛速度的前提下,其时间复杂度是最低的,是现存循环平稳约束型算法的一半。针对一般的自适应时延估计方法与基于信号循环平稳性的自适应时延估计方法中涉及到的约束型算法存在局部最优点问题,本文通过传统型算法估计整数时延为约束类算法提供初值的方法,避免约束型算法收敛到局部最优点。(本文来源于《西安电子科技大学》期刊2014-12-01）
高媛[2]（2014）在《基于最小均方误差的稀疏自适应滤波算法研究》一文中研究指出自适应滤波器具有不用预先知道系统特性，便可以动态调整自适应滤波器参数的优点，在系统辨识、语音预测、回声消除等众多方面均有着广泛应用。本文基于系统辨识模型讨论了自适应滤波算法，并主要就声学回声路径稀疏的特性，深入学习了脉冲响应稀疏的问题。稀疏性指的是大部分的权值系数的值很小或者是0，只有很小一部分的权值系数的值比较大。在众多自适应滤波算法中基于最小均方误差（MMSE）的LMS（Least MeanSquare）算法具有结构简单、收敛速度快、计算复杂度低等优点，但是随着人们对通信质量需求的提高，以及LMS算法在脉冲响应稀疏这样的系统里并没有考虑到稀疏性这一问题，传统的LMS算法已经无法实现最佳滤波效果。本文在研究LMS算法的基础上，考虑声学回声路径的稀疏特性，对稀疏自适应滤波算法进行了学习研究和分析比较，讨论了其中最主要的两类算法。一类是系数比例最小均方算法，包括PNLMS（Proportionate Normalized Least Mean Square）算法、MPNLMS（PNLMS based on Mu-law）算法、基于l1范数的IPNLMS（IPNLMS basedonl1Norm）算法和MIPNLMS（Improved MPNLMS）算法等。本文对此类算法进行了深入的研究学习，对算法进行了仿真实验，从计算复杂度、收敛速度和稳态失调等方面分析了它们各自的优、缺点。另一类是零吸引最小均方算法，包括零吸引LMS（zero attracting LMS，ZA-LMS）算法和零吸引NLMS（zero attracting NLMS，ZA-NLMS）算法，本文将两种零吸引算法分别与其对应的基本算法进行了仿真比较和分析。最后又将系数比例算法中的标准PNLMS算法和零吸引算法中的ZA-NLMS算法进行了仿真比较，可以看出ZA-NLMS算法在脉冲响应稀疏的时候，具有比PNLMS算法更好的表现性能。(本文来源于《沈阳工业大学》期刊2014-03-01）
高强,张君,郑确[3]（2009）在《基于自适应最小均方误差算法实现10kV电力线通信的噪声对消》一文中研究指出首先介绍了中压电力线信道噪声通用模型,对现场采集的噪声进行互相关系数计算,并采用对称分量法进行相关性分析,得出叁相电力系统相间噪声具有一定相关性的结论。改变单相传输模式,根据两相噪声的一致性特点,提出基于自适应最小均方误差(least-mean-square error,LMS)算法实现中压电力线通信(medium voltage power line communication,MV-PLC)的噪声对消。自适应LMS算法虽然收敛速度较慢,但是计算量小,易于实现。仿真结果表明,噪声对消方法的采用有效改善了10kV中压电力线的信噪比,为10kV配网自动化系统采用载波通信技术提供了新的实现途径。(本文来源于《电网技术》期刊2009年18期）
罗潇[4]（2008）在《不同雷达发射波形下递归最小均方误差算法与多元自适应脉冲压缩算法的性能研究》一文中研究指出频带拥挤已经成为雷达和通信领域的一个重要问题。论文介绍了单雷达背景下的递归最小均方误差(Reiterative Minimum Mean-Square Error)算法和由此推导出的多雷达背景下的多元自适应脉冲压缩算法(Multistatic Adaptive Pulse Compression),并在叁种不同雷达发射信号下的脉压输出性能进行了计算机仿真试验,取得一些有意义的成果。论文主要的内容包括:1.介绍了叁种常用雷达发射信号,线性调频(LFM)信号、相位编码信号、混合调制信号,并概述其特征;2.分别介绍了递归最小均方误差和多元自适应脉冲压缩算法,并给出了频谱共享多站雷达的理论模型;3.针对线性调频(LFM)、巴克码和线性调频混合调制信号、P4编码与线性调频混合调制信号叁种不同的雷达发射信号,对递归最小均方误差算法和多元自适应脉冲压缩算法的性能进行了比较。由仿真可以看出,在叁种信号形式下,相比传统匹配脉冲压缩算法递归最小均方误差算法和多元自适应脉冲压缩算法将信号主瓣附近的旁瓣抑制到了噪声水平,多目标检测能力也得到提升。就叁种发射信号而言,混合调制信号性能优于LFM信号,递归最小均方误差算法下,噪声比LFM信号下降了10dB左右。而在多站雷达背景下,13位巴克码与LFM混合调制信号性能最佳,其噪声水平比其他两种信号下降3～5dB左右。4.针对动目标存在多普勒频移情况下,对叁种发射信号的递归最小均方误差和多元自适应压缩算法的性能进行了比较。在多普勒条件下,递归最小均方误差算法会出现目标主瓣展宽,不易精确测量的问题。而多站雷达背景下,多元自适应脉冲压缩算法的噪声抑制能力和目标探测能力仍然出色,同样,13位巴克码与LFM混合调制信号性能最佳,噪声水平比其他两种信号下降5～7dB左右。(本文来源于《南京理工大学》期刊2008-06-01）
谭丽丽,韦岗[5]（2000）在《基于高阶统计量的最小均方误差自适应回声消除算法(英文)》一文中研究指出自适应算法的原理是选取一个误差标准 ,通过迭代过程使误差渐近最小 ,从而得到期望的优化值 .基于二阶统计量的误差标准的自适应算法对附加噪声非常敏感 ,在有噪情况下估计值与期望值相差甚远 .利用高阶统计量的对噪声不敏感的特性对自适应算法加以改进 ,使得在有噪的情况下估计值与无噪情况下相同 .(本文来源于《控制理论与应用》期刊2000年06期）
张基宏,王晖[6]（1998）在《基于最小均方误差准则的自适应图像压缩编码算法》一文中研究指出探讨了一种基于最小均方误差准则的自适应图像压缩编码算法（ＭＭＳＥＡＣＣ），该算法将最小均方误差ＢＴＣ、内插法和四叉树技术有机结合起来，根据图像的局部特性调节编码算法。仿真结果表明ＭＭＳＥＡＣＣ算法与Ｎａ－ｓｉｏｐｏｕｌｏｓＰ等提出的自适应算法相比，在相同的压缩倍数下，能得到更好的编码性能。(本文来源于《数据采集与处理》期刊1998年04期）
胡爱群,何振亚[7]（1995）在《一种改进的归一化变步长最小均方误差自适应滤波算法》一文中研究指出本文提出了一种改进的归一化变步长最小均方误差自适应滤波算法（MNVS）．它综合了传统的最小均方误差算法（LMS）和归一化变步长最小均方误差算法（NVS）的优点，既具有快速跟踪能力，又允许大动态范围的信号输入．计算机模拟实验结果表明，MNVS算法的性能明显优于LMS和NVS算法，而其计算量增加甚少。(本文来源于《信号处理》期刊1995年02期）
最小均方误差自适应算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
自适应滤波器具有不用预先知道系统特性，便可以动态调整自适应滤波器参数的优点，在系统辨识、语音预测、回声消除等众多方面均有着广泛应用。本文基于系统辨识模型讨论了自适应滤波算法，并主要就声学回声路径稀疏的特性，深入学习了脉冲响应稀疏的问题。稀疏性指的是大部分的权值系数的值很小或者是0，只有很小一部分的权值系数的值比较大。在众多自适应滤波算法中基于最小均方误差（MMSE）的LMS（Least MeanSquare）算法具有结构简单、收敛速度快、计算复杂度低等优点，但是随着人们对通信质量需求的提高，以及LMS算法在脉冲响应稀疏这样的系统里并没有考虑到稀疏性这一问题，传统的LMS算法已经无法实现最佳滤波效果。本文在研究LMS算法的基础上，考虑声学回声路径的稀疏特性，对稀疏自适应滤波算法进行了学习研究和分析比较，讨论了其中最主要的两类算法。一类是系数比例最小均方算法，包括PNLMS（Proportionate Normalized Least Mean Square）算法、MPNLMS（PNLMS based on Mu-law）算法、基于l1范数的IPNLMS（IPNLMS basedonl1Norm）算法和MIPNLMS（Improved MPNLMS）算法等。本文对此类算法进行了深入的研究学习，对算法进行了仿真实验，从计算复杂度、收敛速度和稳态失调等方面分析了它们各自的优、缺点。另一类是零吸引最小均方算法，包括零吸引LMS（zero attracting LMS，ZA-LMS）算法和零吸引NLMS（zero attracting NLMS，ZA-NLMS）算法，本文将两种零吸引算法分别与其对应的基本算法进行了仿真比较和分析。最后又将系数比例算法中的标准PNLMS算法和零吸引算法中的ZA-NLMS算法进行了仿真比较，可以看出ZA-NLMS算法在脉冲响应稀疏的时候，具有比PNLMS算法更好的表现性能。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
最小均方误差自适应算法论文参考文献
[1].乔振岳.最小均方误差自适应时延估计算法研究[D].西安电子科技大学.2014
[2].高媛.基于最小均方误差的稀疏自适应滤波算法研究[D].沈阳工业大学.2014
[3].高强,张君,郑确.基于自适应最小均方误差算法实现10kV电力线通信的噪声对消[J].电网技术.2009
[4].罗潇.不同雷达发射波形下递归最小均方误差算法与多元自适应脉冲压缩算法的性能研究[D].南京理工大学.2008
[5].谭丽丽,韦岗.基于高阶统计量的最小均方误差自适应回声消除算法(英文)[J].控制理论与应用.2000
[6].张基宏,王晖.基于最小均方误差准则的自适应图像压缩编码算法[J].数据采集与处理.1998
[7].胡爱群,何振亚.一种改进的归一化变步长最小均方误差自适应滤波算法[J].信号处理.1995