最小均方

摘要： 针对功放(Power Amplifier,PA)非线性失真问题,提出了一种运用于数字预失真器(Digital Predistorter,DPD)中的新型最小均方(Least Mean Square,LMS)自适应算法结构。该算法的主要特点是用3个独立并行实数滤波器支路结构实现一个复数滤波器。相比于传统LMS算法,这种结构能够极大地减小算法的实现复杂度,缩减现场可编程门阵列(Field Programmable Gate Array,FPGA)和数字信号处理器(Digital Signal Processor,DSP)的硬件实现资源。实验结果表明,使用这种算法结构的DPD能够显著地提高功放的线性度。

摘要： 无线传感器网络(WSNs)用于目标定位与追踪、频谱感知、自动雷达、导航及机器视觉等领域时,常常需要节点协同估计同一个未知参数.节点用一组输入观测未知参数,而未知参数会受到噪声干扰.本文提出了一种间隙式参数估计算法,采用分布式自适应扩散式最小均方(LMS),节点无需直接与网关通信,仅与邻居节点交换自身的估计信息,与集中式算法相比,降低了负载.然后,进一步引入间歇参数,仅在部分时刻交换估计信息,在损失少许性能的情况下大大降低通信负载.

摘要： 针对信号衰落和噪声干扰带来的舰艇超短波通信微弱信号接收问题,分析了超短波微弱信号接收的功能需求,从噪声抑制方面入手,介绍了三种传统的静噪技术与新型的自适应滤波技术,针对自适应滤波的关键技术分析了LMS和NLMS两种自适应滤波算法并进行了Matlab仿真和对比分析,结果表明NLMS的误差更小且误差曲线趋于稳定的速度更快,NLMS操作起来更便捷且稳定性、可行性更强,更适用于舰艇超短波通信.

摘要： 随着自适应信号处理在理论上的不断发展和实践应用,国内外研究学者从各方面着手,对自适应算法进行系统性研究。在自适应算法中,应用最为广泛的是Widrow等人提出的最小均方(LMS,Least Mean Square)算法,该算法具有成熟的理论基础、结构简单、稳定性好,易于工程实现,在水声信号处理中起着举足轻重的作用。

摘要： 针对最小均方(least mean square,LMS)算法在低信噪比(signal to noise ratio,SNR)条件下性能较差的问题,提出一种噪声鲁棒变步长LMS(noise robust variable step-size LMS,NRVSLMS)算法.该算法通过结合改进的双sigmoid函数和误差信号自相关函数,在迭代过程中动态调整步长的大小,解决了传统LMS算法中收敛速度、跟踪性能和稳态性能互相矛盾的问题.理论分析和仿真结果表明,与其他变步长算法相比,NRVSLMS算法抗噪声能力强,具有良好的跟踪速度和稳态性能.将该算法应用于正交频分复用(orthogonal frequency division multiplexing,OFDM)水声信道均衡中,与现有LMS类自适应均衡方法相比,基于NRVSLMS算法的信道均衡方法能够显著降低系统误码率(bit error rate,BER)和均方误差(mean square error,MSE).

摘要： 针对功率倒置阵列采用最小均方(LMS)算法迭代求取权值时,收敛速度慢、迭代步长不能随输入信号功率的变化,自动进行调整的弊端,提出采用一种基于指数函数的归一化变步长LMS算法实现功率倒置阵列的方法.分析步长调整原理,通过建立步长和误差之间的非线性函数关系,结合归一化思想,使算法在保证精度的同时具有较快的收敛速度.基于四阵元Y形平面阵,对该算法、LMS算法和归一化LMS算法进行仿真对比,其结果表明,改进算法可以提高功率倒置阵的收敛速度,增大算法的动态输入范围.

摘要： 频谱感知是认知无线电(CR)技术核心,为改善频谱感知性能,改进了最小均方(LMS)频谱感知算法,并应用其解决微弱信号的频谱感知问题.建立频谱感知数学模型,利用LMS算法实时估计PU信号的幅值并将其作为检验统计量,理论推导其数学分布.运用辛钦大数定律无偏估计了复杂电磁环境下的噪声均方值,准确确定了检测门限,提高了检测性能,实现了高效率的频谱感知.通过仿真表明,LMS算法计算简单、收敛速度快,即使在低信噪比条件下也有较高检测概率,能有效克服噪声影响,性能明显优于ED算法.

摘要： 木文采用的是最小均方滤波器预处理的，准静态超声信号短时互相关估计应变成像法。通过仿体试验得出：信号预处理采用7点的最小均方滤波函数。互相关时窗长度500点，重叠率60%，认为本文中的应变成像方法是有效的。

摘要： 该文提出的无偏转测量方法通过对转换测量的前二阶矩进行修正，能把极(球)坐标系的测量无偏地转换到直角坐标系。由于无偏转换测量真协分差阵与目标的方位和距离真值有关，而在实际中的目标的真实位置又是未知的，因此需要对真协分差阵进行估计。在最小均方意义下，该文给出了2-D雷达无偏转测量误差协方差阵的估计公式。

摘要： 特高压变电站的噪声问题逐渐受到关注,与低电压等级变压器相比,其噪声特性更为复杂,因此有必要对其噪声进行相关研究.本文对长治1000kV特高压变压器进行了噪声测量与分析,结果表明特高压变压器噪声具有低频特性,频率主要集中在100Hz及其倍频.针对特高压变压器噪声特性,基于最小均方(LMS)自适应滤波算法设计了自适应有源降噪系统.仿真分析了滤波器步长因子和滤波系数对LMS自适应滤波算法收敛性及稳定性的影响规律.搭建有源降噪系统,开展了降噪实验研究,取得了约7dB的降噪量.

摘要： 在输入信号为相关信号的情况下,使用仿射投影自适应滤波器能够得到比使用最小均方(LMS)自适应滤波器更快的收敛速度,缺点是具有较高的稳态失调。通过建立步长因子与误差信号之间的简单函数关系,提出了一种变步长仿射投影算法。该方法既保持了较快的收敛速度,又克服了仿射投影算法稳态失调较大的缺点。仿真结果证实了本文算法具有较好的收敛性能。

摘要： 在流媒体的传输中,客户端接收数据前的缓冲区可以起到平滑由网络环境随机变化所带来的抖动的作用.尽管过分的缓冲能够降低接收缓冲的下溢概率,但是却会导致更多的端到端延迟.自适应媒体播放(AMP)通过改变音视频媒体的播放速度来平缓缓冲的变化,从而获得下溢概率和延迟间的均衡.提出了一种新的基于最小均方学习算法(LMS)的自适应线性神经元(ADALINE)控制的方法,动态地改变媒体的播放速度,使缓冲长度的变化和播放速度变化维持在一定的范围之内,提高了播放缓冲的自适应能力和鲁棒性.实验仿真说明,与原有的AMP方法相比,ADALINE-LMS算法提高了播放缓冲的控制性能.

摘要： 本发明涉及一种基于线性最小均方误差估计的修正最小和解码方法，该方法首先利用线性最小均方误差估计的方法对校验消息幅度建模，并采用黄金分割搜索算法加快估计参数的确定，使其估值逼近BP方法中的校验消息幅度。然后，考虑迭代次数对估计参数的影响，对估计参数加以修正。对不同的信噪比采用固定的估计参数，以保证解码性能，减小硬件开销。得到估计参数后，对LDPC码进行解码。该方法不仅解码性能优越，而且估计参数计算快，解码复杂度低，硬件实现简单。

摘要： 一种基于最小二乘-最小均方的智能天线自适应干扰抑制方法，是基于训练序列的干扰抑制算法，通过将最小二乘算法与最小均方算法相结合，来提高最小均方算法的收敛速度，有以下步骤：将通过阵列天线接收的射频信号经下变频器变为中频信号；将中频信号进行A/D变换、数字下变频得到零中频数字信号；利用步骤2所得零中频数字信号与本地训练序列进行相关处理计算延迟得到本地参考信号；利用小快拍数最小二乘算法计算天线阵列的初始加权矢量；将步骤4计算出的加权矢量作为最小均方算法的初始加权矢量，利用最小均方算法进行天线阵列加权矢量的更新；采用步骤5计算出的阵列加权矢量对用户数据进行干扰抑制。本发明达到提高系统频谱利用率、减小系统复杂度的目的。

摘要： 本发明提出了一种基于最小均方误差准则的加权DV_Hop节点定位方法，步骤为：在最小均方误差准则下设置其余锚节点具有相同的权重，获取锚节点平均每跳距离的初步估计值；对其余锚节点二次设置权重，在最小均方误差准则下获取修正后的锚节点平均每跳距离；计算每个邻近锚节点的连通度和平均每跳距离误差；根据邻近锚节点平均每跳距离和归一化的权重值计算未知节点的平均每跳距离、未知节点到锚节点的估计距离；将加权最小二乘方法的线性解设置成迭代初始值，通过非线性加权迭代方法最小化加权的距离估计误差目标函数，迭代结果为未知节点的定位坐标。本发明能够得到更准确的锚节点和未知节点的平均每跳距离，计算量小，定位精确度和稳定性得到改善。

摘要： 本发明涉及一种基于成比例归一化最小均方误差的稀疏水声信道估计方法，用以估计时域簇稀疏水声信道冲激响应函数。首先，针对时变水声信道进行簇稀疏建模，以期获得水声信道结构化稀疏表达框架，在此基础上。采用逐块训练模式，设计一种基于成比例归一化最小均方误差算法迭代寻优得到时域稀疏水声信道冲激响应函数，将所估计得到的时域水声信道信息。该项发明适用于时变水声信道估计、水声通信等。有益效果体现在：本发明基于水声信道的簇稀疏范数约束，有效地减少了冗余信道抽头计算，使得本发明产生的水声信道估计结果具有更高的精度。

摘要： 本发明涉及一种基于线性最小均方误差估计的修正最小和解码方法，该方法首先利用线性最小均方误差估计的方法对校验消息幅度建模，并采用黄金分割搜索算法加快估计参数的确定，使其估值逼近BP方法中的校验消息幅度。然后，考虑迭代次数对估计参数的影响，对估计参数加以修正。对不同的信噪比采用固定的估计参数，以保证解码性能，减小硬件开销。得到估计参数后，对LDPC码进行解码。该方法不仅解码性能优越，而且估计参数计算快，解码复杂度低，硬件实现简单。

摘要： 一种基于最小二乘—最小均方的智能天线自适应干扰抑制方法，是基于训练序列的干扰抑制算法，通过将最小二乘算法与最小均方算法相结合，来提高最小均方算法的收敛速度，有以下步骤：将通过阵列天线接收的射频信号经下变频器变为中频信号；将中频信号进行A/D变换、数字下变频得到零中频数字信号；利用步骤2所得零中频数字信号与本地训练序列进行相关处理计算延迟得到本地参考信号；利用小快拍数最小二乘算法计算天线阵列的初始加权矢量；将步骤4计算出的加权矢量作为最小均方算法的初始加权矢量，利用最小均方算法进行天线阵列加权矢量的更新；采用步骤5计算出的阵列加权矢量对用户数据进行干扰抑制。本发明达到提高系统频谱利用率、减小系统复杂度的目的。

摘要： 第一校准器检测电容阵列的不匹配情况，并用经过校准的权重更新查找表(LUT)，这些经过校准的权重复制到正LUT和负LUT，然后针对非线性误差通过第二校准器使用最小均方(LMS)算法进行调整。对逐次逼近寄存器(SAR)中的二进制代码进行补码，以生成具有符号位的补码。当符号位为正时，从正LUT中读取补码数据位＝1的条目并将其求和，添加第一偏移量，并将和归一化，以得到经过校正的代码。当符号位为负时，从负LUT中读取补码数据位＝0的条目并将其求和，添加第二偏移量，并将和归一化，以得到经过校正的代码。多变量随机梯度下降法生成进一步校正所述经过校正的代码的多项式系数。

摘要： 本发明属于压缩感知重构技术领域，尤其涉及一种基于迭代加权最小均方误差的压缩感知重构方法，所述方法包括：对采样矩阵、初始权重和正则化系数进行参数初始化；根据迭代加权最小均方误差算法，重构压缩感知信号，获得原始恢复信号；根据原始恢复信号，更新正则化系数；根据本轮迭代和上轮迭代的原始恢复信号收敛程度，判断收敛程度是否满足阈值，获得最终恢复信号；通过对压缩感知的信号重建，有效解决传统信号重建算法时的精确度低的问题，保证了信号重建的精确度；还通过引入正则化系数及更新算法，减少迭代次数，提高迭代加权最小均方误差算法的收敛速度，解决传统迭代加权最小均方误差算法迭代次数过高导致计算成本高的问题。

摘要： 本发明涉及一种变参数零吸引最小均方稀疏系统辨识方法，步骤为：获得输入信号，并组成输入向量，将输入向量输入到自适应滤波器中，从而获得自适应滤波器的输出信号，并进行各个迭代参数的初始化；输出信号加入零均值，进一步得到待估计系统时刻的期望信号；计算期望信号与输出信号之间的误差，以及误差瞬间近似值；对ZA‑LMS算法增加惩罚项，并通过梯度下降法得到VP‑LZA‑LMS算法权系数的更新方程；将误差和误差瞬间近似值代入步长和正则化参数的自适应更新。本发明具有更快的收敛速度、更低的稳态误差以及良好的跟踪性。

摘要： 本发明涉及一种基于最小均方误差算法的解调电路及方法，其包括：C/V转换电路，用于将接收到的电容式传感器信号转换成电压信号，该电压信号为抵消基础电容值后的电压信号；基于LMSD的数字解调电路，接收C/V转换电路传输至的抵消基础电容值后的电压信号，用于对接收到的电压信号进行迭代解调；自循环数字控制电路，用于根据数字解调电路幅值分量大小调节抵消电容阵列电容大小。本发明对敏感结构的基础电容值进行部分抵消，通过改进后的LMSD迭代获得精度更高的信号解调结果。本发明可以广泛应用于电容式惯性传感器信号处理领域。