最小均方误差

摘要： 多输入多输出正交频分复用系统(MIMO-OFDM)结合MIMO系统和OFDM系统,既有高速大容量信号传输特性,又具有较好的抗多径信道衰落的能力。该文在介绍MIMO-OFDM系统模型及信号特性的基础上,引入最小均方最小均方误差(MMSE)算法进行信号检测,并在算法的应用中对算法实现MIMO-OFDM信号检测的原理以及信道衰落对信号的失真影响进行分析。最后在三种典型的信道环境下对迫零(ZF)算法、MMSE算法的误码率性能进行仿真对比,仿真结果显示,MMSE算法具有较好的抗噪声和抗多径信道衰落能力,可作为MIMO-OFDM信号检测的优选方案。

摘要： 矩阵组常用于无线通信中的数据表示。在多输入多输出(Multiple⁃Input Multiple⁃Output,MIMO)通信模型中,基站利用信道数据设计适应信道的最小均方误差(Minimum Mean Square Error,MMSE)均衡器接收矩阵组,以低复杂度地处理来自多用户的上行数据。首先分析了矩阵数据的关联性,通过时谱图确定矩阵组在时间维所具有的强相关性;其次采用插值算法进行低复杂度的矩阵估计,并提出最大插值比搜索算法计算各类插值算法的性能及其复杂度;接着利用一种改进的Strassen矩阵求逆算法来降低MMSE求逆过程的复杂度。相比传统的接收矩阵组,显著降低了计算复杂度。

摘要： 针对激光测振仪中的自适应滤波问题,本文采用最小均方误差前向预测器,仿真分析了振动测量信号的峰值、频率、滤波器阶数和步长系数等参数对最小均方误差前向预测器滤波性能的影响,并搭建实验系统进行了验证。研究结果可以作为最小均方误差前向预测器参数选择的理论依据,为设计适用于激光测振仪自适应滤波器提供技术手段。

摘要： 本文分析了MIMO系统中,经典的符号检测算法,如迫零检测算法、最小均方误差检测算法、最大似然检测算法,并在此基础上分析了基于串行干扰消除的检测符号的算法,这种检测算法性能可以有效提升检测的准确性。

摘要： 最小均方误差(MMSE)检测器在大规模多输入多输出(MIMO)系统中实现了较优的误码率(BER)性能,但其涉及高复杂度的大规模矩阵求逆运算,因此对硬件要求很高。针对这一问题,文章提出了一种预处理的广义加权高斯赛德尔(GS)(GW-PGS)迭代算法。在该算法中,首先提出了基于预处理的初始化方案,在不增加额外复杂度的情况下加快了收敛速度。此外,文章还提出了自适应的加权因子方案。实验结果表明,与传统GS算法相比,文章所提算法能够有效降低BER和计算复杂度。

摘要： 铁路系统作为国家重要的运输系统,其日常的稳定运行决定了国民生产和生活的正常运转。为了对铁路进行实时监控,可以利用无人机的灵活性,将其布置在铁轨沿线上。该文以无人机为监视主体,提出了空基平台的铁路监视系统,并采用毫米波阵列通信方案,在基站接收机上进行大型天线阵波束赋形,以解决远距离、大带宽的上行通信难题。在设计中比较了最小均方误差和迫零法两种方法。最后进行了仿真论证,仿真结果显示,最小均方误差法效果较好,并且还为铁路沿线的无人机布置提供了参考。

摘要： 传统的直流偏置光正交频分复用(DCO-OFDM)系统通过添加直流偏置(DC)和限幅获得单极性信号,由于傅里叶逆变换(IDFT)输出时域信号的随机性,固定的直流偏置会产生较大的非线性限幅失真。该文提出设计自适应直流偏置光正交频分复用(ADCO-OFDM)系统,以双边限幅前、后符号之间的均方误差(MSE)最小化为优化目标,求解使非线性限幅失真最小的DC。介绍了ADCO-OFDM系统原理、推导了子载波比特信噪比(SNR),建立了均方误差最小化优化模型,并给出了最优直流偏置的求解过程。采用蒙特卡罗(Monte Carlo)仿真方法分析了误码率(BER)和光功率消耗,验证了系统设计和性能分析的正确性。

摘要： 针对航空发动机磁轴承转子系统在高速运行时的振动问题,通过分析转子自身不平衡引起的同频振动、电机干扰产生的倍频振动、结构模态振动等多种振动,设计了一种基于LMS算法的自适应滤波器。滤波器加入控制系统的反馈环节,对同频、倍频振动进行滤波处理,并且能在模态频率处切换至自适应同频信号放大器抑制模态振动。通过采用波特图、定频点分析、数值仿真等方法,证明了滤波器能有效地完成对磁轴承转子系统的自适应频率跟踪振动抑制和模态振动抑制;根据FPGA的硬件架构特点,采用一种3级量化策略的符号类LMS算法,构建了基于FPGA的实时自适应滤波器模块,并进行了自适应振动抑制试验。结果表明:基于FPGA的自适应滤波器对特定频率成分的抑制效果达到80%以上。

摘要： 随着大规模多输入多输出系统基站端天线数量的增大,系统的信道容量和频谱效率随之增加。传统的信道估计算法,如最小均方误差涉及到高维矩阵的求逆运算,特别在大规模多输入多输出系统中,导致系统复杂度过高。为降低大规模多输入多输出系统的计算复杂度,本文提出了一种基于对称逐步超松弛的低复杂度信道估计算法,该方法以迭代的形式有效避免高维矩阵的直接求逆运算,降低系统复杂度。对所提算法进行了仿真实验对比分析,仿真结果表明,该算法可有效减少系统计算复杂度,且随着迭代次数的增加性能接近最小均方误差信道估计算法。

摘要： 针对室内视距(LOS)和非视距(NLOS)混合环境下的定位精度不高的问题,提出基于信号强度测距的最小均方误差定位(Strength Ranging-based Minimum Mean Square Error localization,SRMSL)算法。SRMSL算法先建立基于超宽带(ultra wide band,UWB)的测距模型,并分别构建在LOS和NLOS环境下的最小均方误差函数,再估计未知节点位置。利用中值函数滤除异常的抽样值,有效辨识NLOS环境下的测距信息。仿真和实验结果表明,提出的SRMSL算法在定位精度方面优于M估计和最小中值平方估计。

摘要： 在时差法超声波测风系统中,风速的测量精度受到时间延迟估计精度、两超声波传感器的距离精度等的影响.在后者一定的情况下,测风精度对时延估计精度提出了更高的要求.对此,采用了一种基于权值检测的最小均方误差(LMS)自适应时延估计算法,从而实现了高精度时延估计.计算机仿真及实际测试表明,该算法的估计精度满足了所研制的超声波测风系统的设计要求,能够用于机场区域低空风场情况的监测.

摘要： 低信噪比环境下语音的端点检测在语音处理中占有十分重要的地位.对于一个受到加性噪声污染的语音信号通常采用滤波的方式,能够抑制噪声,并使原始语音保持相对不变.提出了一种基于最小均方误差(LMS)自适应滤波减噪与改进的双门限语音端点检测算法,在进行双参数双门限法端点检测的前后进行双重中值滤波平滑处理.通过Matlab仿真,将提出的语音端点检测方法与其它的方法进行对比,在信噪比较低的噪声环境下使得语音的端点检测效果具有更优的准确率与稳健性.

摘要： 并行多通道采样系统中,由于各通道之间的时间延迟不同,往往会导致产生非均匀采样.现有的重构算法对信号的约束较多,如通道之间的量化步长、信噪比率、相对时间等,且运算量较大,容易使采集性能迅速下降.该文通过对信号的重构误差分析,提出了一种对信号约束较低的重构算法,该方法基于均方误差最小的原则,对信号通道之间的时间延迟进行分析,讨论了在何种条件下可以对信号进行最优重构.

摘要： 多输入多输出(MIMO)技术显著地提高了无线通信系统的性能,但其检测器的复杂度也大幅增加,尤其与正交频分复用(OFDM)技术相结合,对实时性检测要求更高.本文深入分析了基于MGS-QR分解的最小均方误差(MMSE)检测算法,并基于此算法对MIMO检测器进行设计和实现,在设计中采用数据级并行、任务级并行和模块复用等策略提高并行性和硬件资源利用率.将设计在Xihnx Virtex6FPGA芯片上实现,并在4×416-QAM的MIMO系统中实现单个检测单元200Mbps的吞吐率.实验结果表明,本设计能够满足MIMO-OFDM系统实时检测性能要求.

摘要： 本文考虑量测一步随机延迟下离散时间线性随机系数矩阵系统的状态估计问题.随机系数矩阵由一组随机加权的已知基矩阵构成,而量测一步延迟被建模为独立的伯努利随机序列.此时,估计模型可以转化为多重不确定耦合下的线性系统.通过将随机系数矩阵分解,可以将原系统转化为具有量测一步随机延迟和依赖于状态的过程噪声、量测噪声的系数矩阵确定的线性系统.针对该系统,根据正交原理,利用对前一时刻量测的估计和实时在线计算当前状态或噪声与随机系数矩阵的耦合关系,提出了具有递推结构的线性最小均方误差估计,并通过数值仿真验证了所提算法的有效性.

摘要： 针对语音增强技术中先验信噪比参数的估计问题,本文通过结合两步噪声消除技术以及语音与噪声分量的高斯统计模型,在频率域中提出了一种新的先验信噪比估计算法。该算法基于直接判决方法的输出结果,利用最小均方误差估计理论直接计算当前帧纯净语音分量的谱能量,以获取带噪语音的先验信噪比估计。算法在保留两步噪声消除算法优点的基础上,无需语音增强系统中增益因子的任何先验条件,且在有效消除背景噪声的同时能够最大程度地抑制输出语音中音乐噪声的生成。多种噪声背景下的仿真结果表明:相对于经典的直接判决方法和新近的两步噪声消除算法,基于本文先验信噪比估计方案的语音增强系统在主观与客观评价标准下都具有更加优良的语音增强效果。

摘要： 图像的去噪和压缩一直是图像处理的经典问题，传统的方法中很难将二者同时兼顾。四元数小波变换是实小波、四元数理论及二维希尔伯特变换相结合的产物，是一种新的多尺度分析图像处理工具。图像经四元教小波变换后，其小波系数不仅在尺度内具有相关性，而且在尺度间也具有一定的相关性。文中提出一种混合统计模型，该模型包括尺度间的二元非高斯分布模型和尺度内的广义高斯分布模型，然后运用最小均方误差估计从噪声图中的小波系数恢复原图的系数，从而达到去除图像的噪声的目的。仿真实验表明：本文方法不仅提高了峰值信噪比，视觉上达到明显的去噪效果，而且取得了较高的压缩比。

摘要： 自适应阵列天线在为GNSS接收机提供有效的抗干扰手段的同时,也会对接收机输出的码相位和载波相位观测量引入偏差,从而限制了其在高精度接收机中的应用.为了解决此问题,本文针对STAP波束形成阵列抗干扰算法,给出了一种基于MMSE准则的观测量偏差抑制方法.其原理是在自适应阵列抗干扰天线和接收机导航信号处理之间设置一个FIR维纳滤波器,以此来补偿自适应阵列天线给导航信号带来的失真.在一个HFSS阵列天线模型下进行的仿真结果表明,当FIR滤波器阶数相对较小时,观测量偏差即能得到很好的抑制,从而验证了此方法的有效性和可用性.

摘要： 自适应阵列天线在为GNSS接收机提供有效的抗干扰手段的同时,也会对接收机输出的码相位和载波相位观测量引入偏差,从而限制了其在高精度接收机中的应用.为了解决此问题,本文针对STAP波束形成阵列抗干扰算法,给出了一种基于MMSE准则的观测量偏差抑制方法.其原理是在自适应阵列抗干扰天线和接收机导航信号处理之间设置一个FIR维纳滤波器,以此来补偿自适应阵列天线给导航信号带来的失真.在一个HFSS阵列天线模型下进行的仿真结果表明,当FIR滤波器阶数相对较小时,观测量偏差即能得到很好的抑制,从而验证了此方法的有效性和可用性.

摘要： 自适应阵列天线在为GNSS接收机提供有效的抗干扰手段的同时,也会对接收机输出的码相位和载波相位观测量引入偏差,从而限制了其在高精度接收机中的应用.为了解决此问题,本文针对STAP波束形成阵列抗干扰算法,给出了一种基于MMSE准则的观测量偏差抑制方法.其原理是在自适应阵列抗干扰天线和接收机导航信号处理之间设置一个FIR维纳滤波器,以此来补偿自适应阵列天线给导航信号带来的失真.在一个HFSS阵列天线模型下进行的仿真结果表明,当FIR滤波器阶数相对较小时,观测量偏差即能得到很好的抑制,从而验证了此方法的有效性和可用性.

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： 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OFDM系统中基于最小均方误差的一种信道估计改进算法。该算法构造一种新的OFDM导频结构，根据导频结构将一个OFDM符号分为两部分，并先后完成MMSE信道估计处理，固定了导频间隔且降低了矩阵的维度，从而减少了MMSE算法的计算复杂度。另外，在发送端对时域信号进行2倍过采样处理，接收端运用最大比合并方式将接收信号进行降采样处理，从而使原始信号被更好的恢复。最后利用已知训练序列和导频获得信道频域响应。仿真结果表明：所提出的8导频A‑MMSE算法在BER为10

摘要： 本发明涉及一种基于最小均方误差准则的噪声背景估计方法，该方法包括以下步骤：步骤一：获取信号数据序列x(n)；步骤二：计算数据序列x(n)的功率谱P(k)；步骤三：设定数据平滑窗长W，背景谷峰D与谷底的判断阈值U，相邻两次迭代输出结果的均方误差最小值的阈值ε，迭代过程的最大迭代次数I；步骤四：将数据序列的功率谱P(k)作为迭代过程的输入，计算出噪声背景；步骤五：迭代过程结束。该方法的算法复杂度小，并对噪声的统计特性不敏感，适合工程上对噪声背景进行较准确的估计。

摘要： 本发明提出一种基于变分模态分解和最小均方误差自适应滤波器的降噪方法，该方法结合了变分模态分解和最小均方自适应滤波器的优点，通过运用变分模态分解算法，将含噪信号和噪声信号分别分解为K个本征模态分量，然后对每个本征模态分量分别采用最小均方自适应滤波器滤波，最后由K个滤波结果重构降噪后的信号。这种方法不仅具有良好的信噪分离功能，而且能够有效的抑制模态混叠现象；自适应滤波器能够自动地迭代调节滤波器参数，以满足某种准则的需求，从而实现最优滤波，因此具有自我调节和跟踪功能。

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： 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。

摘要： 本发明公开了一种基于归一化最小均方误差双滤波器处理小波分解后的局部放电信号检测方法，包括：利用小波的分频特性先将信号分解到不同的频段上,然后把各频段的信号过归一化最小均方自适应背景滤波器更新滤波参数，再把背景滤波器收敛的参数更新到前景滤波器，前景滤波器对各频段信号施以滤波处理。本发明首先构建前前景自适应滤波器，然后把信号通过小波分解为各个频段的信号，最后把各频段的信号过归一化自适应滤波器进行噪声滤除，不仅可以获得比普通滤波器更好的效果，而且其收敛速度更快，更容易捕捉细小的放电。该方法可以广泛的应用于电力设备的局部放电信号的去噪声处理。