变步长解相关论文-路翠华,李国林,周洪庆,徐君明

变步长解相关论文-路翠华,李国林,周洪庆,徐君明

导读:本文包含了变步长解相关论文开题报告文献综述及选题提纲参考文献,主要关键词:自适应滤波器,噪声抑制,稳态误差,收敛速度

变步长解相关论文文献综述

路翠华,李国林,周洪庆,徐君明[1](2015)在《基于相关特性的改进箕舌线变步长LMS算法》一文中研究指出基于箕舍线的变步长最小均方(Variable step least mean square,VSLMS)算法是一种经典的LMS算法,但其步长更新公式易受噪声干扰的影响,导致自适应滤波器权值在最优权值附近波动。为解决箕舌线变步长LMS算法步长更新公式易受噪声干扰的问题,根据高斯白噪声相关性比较差的特性,对箕舌线变步长LMS算法进行改进,提出基于相关特性的改进箕舌线变步长LMS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,基于相关特性的改进箕舌线变步长LMS算法相对箕舌线变步长LMS算法具有较快的收敛速度。(本文来源于《数据采集与处理》期刊2015年04期)

王崇辉,邹鲲[2](2013)在《一种基于误差相关函数的改进变步长LMS算法》一文中研究指出最小均方算法的收敛速度和稳态误差之间存在矛盾,为此人们提出了各种变步长LMS算法,其中E-LMS算法是将步长与瞬时误差平方相关联,R-LMS算法是将步长与误差的相关函数相关联。E-LMS算法的抗噪性能较差,在低信噪比条件下性能明显变差,R-LMS算法对突变系统的跟踪能力较差。为此文中给出了一种改进的,基于误差相关函数的VSS-LMS算法,该方法利用E-LMS算法的控制步长策略提高算法的跟踪能力。计算机仿真结果显示,该算法能够同时满足抗噪和跟踪两种要求。(本文来源于《电子科技》期刊2013年07期)

王瑜琳,田学隆,高雪利[3](2013)在《基于解相关变步长的改进型语音增强算法》一文中研究指出复杂环境中噪声干扰严重影响语音信号的质量,无法正确传达语义,因此语音增强处理十分必要。传统语音增强技术存在适应性差、输入信号高度相关时收敛速度慢等问题。综合变步长最小均方(VSSLMS)算法与解相关的优点,提出了一种改进的语音增强算法,优化自适应滤波算法中步长的大小和权矢量的更新方向,提高语音降噪收敛速度。同时算法引入了连续块处理理论归一化权矢量,以提高其在嵌入式系统实现上的稳定性。仿真测试表明该算法收敛速度快、跟踪性能强,能有效去除强噪语音信号中的噪声,提高语音的清晰度与可懂度。(本文来源于《计算机应用》期刊2013年06期)

张艳萍,纪磊[4](2013)在《基于指数型多延迟误差信号自相关的变步长常模算法》一文中研究指出为了进一步提高指数型变步长常数模算法收敛速度,在分析误差信号自相关性的基础上,利用多延迟误差信号的自相关函数来控制步长,提出一种基于指数型多延迟误差信号自相关的变步长常模算法。该算法与无延迟及单位延迟相比,多延迟误差信号的自相关函数可以为训练轨迹提供简单且更为准确的信息,使得算法的收敛速度更快,同时使收敛过程更加平滑稳定。水声信道仿真实验进一步说明了该算法在收敛速度上的优越性。(本文来源于《计算机应用》期刊2013年03期)

王晓东[5](2012)在《双模式变步长解相关盲均衡算法研究》一文中研究指出恒模算法(CMA)是一种重要的盲均衡技术,虽然能达到盲均衡效果,但是收敛后会有较大的剩余误差和相位模糊。在文献[3]中提出的VS-MCMA+DD-LMS算法的基础上做了进一步改进,提出变步长修正多模算法(VS-MMMA)和DD-LMS相结合,以及变步长解相关修正多模算法(VS-UMMMA)和DD-LMS相结合2种新算法,进行了仿真和性能分析,证明新算法在收敛速度和均衡误差方面均有明显的改进。(本文来源于《无线电通信技术》期刊2012年05期)

邢务强,郭华[6](2011)在《基于相关箕舌线的变步长自适应滤波算法》一文中研究指出针对箕舌线变步长自适应滤波算法(LMS)抗噪声能力差,不适合在噪声环境中使用的缺点,提出在步长更新时加入输入信号的控制,提高了系统的抗噪声性能。仿真表明,改进的算法比原算法具有更快的收敛速度和更强的抗噪声性能。(本文来源于《微电机》期刊2011年08期)

张秀梅,赵知劲,尚俊娜[7](2010)在《变步长解相关Volterra LMS算法》一文中研究指出Volterra滤波器的非线性使输入向量自相关矩阵包含了输入信号的高阶统计量,导致矩阵特征值扩展很大,因此LMS算法收敛速度一般很慢。从降低输入信号的相关性出发,提出了一种变步长解相关VolterraNLMS算法。解相关能显着加快LMS算法的收敛速度,变步长能够改善算法的稳态性能,两者的有机结合,能明显改善算法性能。仿真结果表明,在不同输入信号相关性情况下,该算法有更好的收敛速度和稳态性能。(本文来源于《计算机工程与应用》期刊2010年28期)

李婧,李建华[8](2010)在《一种基于解相关的变步长归一化LMS算法》一文中研究指出在输入信号高度相关时,变步长LMS算法的收敛速度下降。针对这一问题,本文提出了一种基于解相关的变步长归一化LMS算法。引入解相关原理,用输入信号的正交分量更新滤波器系数,有效加快了收敛速度,解决了收敛速度和稳态误差之间的矛盾。计算机仿真结果表明,新的基于解相关的变步长NLMS算法具有更快的收敛速度和更小的稳态误差。(本文来源于《2010年通信理论与信号处理学术年会论文集》期刊2010-08-20)

邱新芸,高原[9](2010)在《一种基于误差信号自相关的变步长CMA盲均衡算法》一文中研究指出本文针对制约固定步长CMA盲均衡算法性能进一步提高的因素,提出了用误差信号自相关控制步长的变步长CMA盲均衡算法,算法通过变化的步长对均衡器参数进行实时的调整,能够快速地均衡时变信道,并且在低信噪比通信环境中有较强的抗干扰能力。仿真结果表明在相同信道条件下,该均衡器比基于固定步长的CMA算法均衡器的性能更好。(本文来源于《第二十九届中国控制会议论文集》期刊2010-07-29)

韩琳,邱峰,孙安全[10](2009)在《一种改进的解相关变步长LMS算法》一文中研究指出讨论了一类针对传统LMS算法进行改进的变步长自适应算法,分析其性能,对原有算法进行改进,并针对输入信号高度相关时算法收敛速度下降导致性能下降的问题,引入了解相关原理,用输入向量的正交分量来更新滤波器权系数,有效加快了算法的收敛速度,并保持了原算法的良好性能。(本文来源于《火控雷达技术》期刊2009年03期)

变步长解相关论文开题报告

(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:

最小均方算法的收敛速度和稳态误差之间存在矛盾,为此人们提出了各种变步长LMS算法,其中E-LMS算法是将步长与瞬时误差平方相关联,R-LMS算法是将步长与误差的相关函数相关联。E-LMS算法的抗噪性能较差,在低信噪比条件下性能明显变差,R-LMS算法对突变系统的跟踪能力较差。为此文中给出了一种改进的,基于误差相关函数的VSS-LMS算法,该方法利用E-LMS算法的控制步长策略提高算法的跟踪能力。计算机仿真结果显示,该算法能够同时满足抗噪和跟踪两种要求。

(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。

变步长解相关论文参考文献

[1].路翠华,李国林,周洪庆,徐君明.基于相关特性的改进箕舌线变步长LMS算法[J].数据采集与处理.2015

[2].王崇辉,邹鲲.一种基于误差相关函数的改进变步长LMS算法[J].电子科技.2013

[3].王瑜琳,田学隆,高雪利.基于解相关变步长的改进型语音增强算法[J].计算机应用.2013

[4].张艳萍,纪磊.基于指数型多延迟误差信号自相关的变步长常模算法[J].计算机应用.2013

[5].王晓东.双模式变步长解相关盲均衡算法研究[J].无线电通信技术.2012

[6].邢务强,郭华.基于相关箕舌线的变步长自适应滤波算法[J].微电机.2011

[7].张秀梅,赵知劲,尚俊娜.变步长解相关VolterraLMS算法[J].计算机工程与应用.2010

[8].李婧,李建华.一种基于解相关的变步长归一化LMS算法[C].2010年通信理论与信号处理学术年会论文集.2010

[9].邱新芸,高原.一种基于误差信号自相关的变步长CMA盲均衡算法[C].第二十九届中国控制会议论文集.2010

[10].韩琳,邱峰,孙安全.一种改进的解相关变步长LMS算法[J].火控雷达技术.2009

标签:;  ;  ;  ;  

变步长解相关论文-路翠华,李国林,周洪庆,徐君明
下载Doc文档

猜你喜欢