为提高变步长最小均方算法(least mean square,LMS)的抗干扰能力,并降低其稳态误差,提出了基于Q函数的变步长LMS算法,通过带有补偿项的相对误差互相关函数控制步长更新,有效克服噪声干扰;利用归一化输入信号代替原始信号降低输入信号动...为提高变步长最小均方算法(least mean square,LMS)的抗干扰能力,并降低其稳态误差,提出了基于Q函数的变步长LMS算法,通过带有补偿项的相对误差互相关函数控制步长更新,有效克服噪声干扰;利用归一化输入信号代替原始信号降低输入信号动态范围对稳态误差的影响;给出了保证算法收敛的步长界限.仿真结果表明,与既有变步长LMS算法相比,所提出算法的稳态误差小,且收敛速度较快.展开更多
为了改进现有的变步长最小均方误差(least mean square,LMS)算法在低信噪比时性能较差的缺陷,提出了一种基于改进的双曲正切函数的变步长LMS算法,从理论分析和仿真实验两方面讨论了引入参数对算法收敛性、跟踪性、稳定性的影响及算法的...为了改进现有的变步长最小均方误差(least mean square,LMS)算法在低信噪比时性能较差的缺陷,提出了一种基于改进的双曲正切函数的变步长LMS算法,从理论分析和仿真实验两方面讨论了引入参数对算法收敛性、跟踪性、稳定性的影响及算法的抗干扰性。理论分析和仿真实验表明该算法在高低信噪比时均具有较快的收敛速度和跟踪速度以及较小的稳态误差和稳态失调,并且在低信噪比时该算法的收敛性、跟踪性、稳态性均优于其他多种变步长算法。展开更多
针对固定步长最小均方(LMS,least mean square)算法以及变步长LMS算法在收敛速度与稳态误差性能方面的不足,本文提出了一种新的基于对数函数改进的LMS算法.由于该算法中不涉及指数的运算,使得算法的计算量大大下降,收敛速度更快.仿真结...针对固定步长最小均方(LMS,least mean square)算法以及变步长LMS算法在收敛速度与稳态误差性能方面的不足,本文提出了一种新的基于对数函数改进的LMS算法.由于该算法中不涉及指数的运算,使得算法的计算量大大下降,收敛速度更快.仿真结果表明,对数函数改进的LMS算法比基于反正切函数改进的LMS算法具有近似相同的稳态误差性能,然而本文算法收敛更快,速度平均提高1.5倍.并且比基于双曲正切函数改进的LMS算法中的稳态误差平均降低0.5倍,同时收敛速度平均提高1.0倍.展开更多
文摘为提高变步长最小均方算法(least mean square,LMS)的抗干扰能力,并降低其稳态误差,提出了基于Q函数的变步长LMS算法,通过带有补偿项的相对误差互相关函数控制步长更新,有效克服噪声干扰;利用归一化输入信号代替原始信号降低输入信号动态范围对稳态误差的影响;给出了保证算法收敛的步长界限.仿真结果表明,与既有变步长LMS算法相比,所提出算法的稳态误差小,且收敛速度较快.
文摘为了改进现有的变步长最小均方误差(least mean square,LMS)算法在低信噪比时性能较差的缺陷,提出了一种基于改进的双曲正切函数的变步长LMS算法,从理论分析和仿真实验两方面讨论了引入参数对算法收敛性、跟踪性、稳定性的影响及算法的抗干扰性。理论分析和仿真实验表明该算法在高低信噪比时均具有较快的收敛速度和跟踪速度以及较小的稳态误差和稳态失调,并且在低信噪比时该算法的收敛性、跟踪性、稳态性均优于其他多种变步长算法。
文摘针对固定步长最小均方(LMS,least mean square)算法以及变步长LMS算法在收敛速度与稳态误差性能方面的不足,本文提出了一种新的基于对数函数改进的LMS算法.由于该算法中不涉及指数的运算,使得算法的计算量大大下降,收敛速度更快.仿真结果表明,对数函数改进的LMS算法比基于反正切函数改进的LMS算法具有近似相同的稳态误差性能,然而本文算法收敛更快,速度平均提高1.5倍.并且比基于双曲正切函数改进的LMS算法中的稳态误差平均降低0.5倍,同时收敛速度平均提高1.0倍.
