为了解决基本LMS(Least Mean Square)算法中收敛速度和稳态误差之间的矛盾,提出了一种新的可变步长LMS算法(λNVSS)。该算法通过引入修正系数β和遗忘因子λ,利用当前和过去共M(滤波器阶数)个误差信息来决定下一步的迭代步长。仿真结果...为了解决基本LMS(Least Mean Square)算法中收敛速度和稳态误差之间的矛盾,提出了一种新的可变步长LMS算法(λNVSS)。该算法通过引入修正系数β和遗忘因子λ,利用当前和过去共M(滤波器阶数)个误差信息来决定下一步的迭代步长。仿真结果显示,λNVSS算法对于平稳过程中的滤波器,能获得较NVSS更快的收敛速度和更小的稳态误差。同时,λNVSS算法还有较好的跟踪跃变系统的能力。展开更多
文摘为了解决基本LMS(Least Mean Square)算法中收敛速度和稳态误差之间的矛盾,提出了一种新的可变步长LMS算法(λNVSS)。该算法通过引入修正系数β和遗忘因子λ,利用当前和过去共M(滤波器阶数)个误差信息来决定下一步的迭代步长。仿真结果显示,λNVSS算法对于平稳过程中的滤波器,能获得较NVSS更快的收敛速度和更小的稳态误差。同时,λNVSS算法还有较好的跟踪跃变系统的能力。
