双瞬时因素LMS自适应滤波算法
曾召华刘贵忠马社香
（西安交通大学,信息与通信工程学院,西安710049,中国）
笔者在文献[4]提出了一种改进瞬步SPLMS的自适应滤波算法.这篇文章的基础上,的SPLMS算法,并进一步提出了一种基于瞬态阶跃瞬态的平滑因子双瞬态SPLMS的算法,DSPLMS算法.该算法具有常规LMS算法的优点是简单的,而且还具有较高的起动的收敛速度,较小的权重失调噪声,较大的噪声抑制能力.文中重点瞬变步,瞬态变化的平滑因子的特性.计算机模拟结果支持了理论分析.
自适应滤波器,噪声抵消,收敛速度,最小均方误差,瞬时因素
自适应滤波器和其相应的算法是多年来广泛研究的课题.Widrow霍夫基于标准的LMS算法及其相应的自适应滤波器配合其简单的算法和架构,便于实时信号处理等,已经在不同的领域中使用最广泛的.较大的矛盾,克服了传统的固定步长LMS或牛顿（牛顿LMS NLMS）LMS自适应算法收敛速度,跟踪速率的权利,以抵消噪音要求已开发了多种改进的LMS算法,如基于暂态步长LMS自适应滤波算法[16],基于正交变换（DCT,FFT,小波变换,子带滤波）新的LMS均衡算法[7-8].基于模糊评判的自适应LMS系统识别和最低的四个LMS自适应顺利衔接算法[910]的基础上,均方误差.改进的LMS算法,瞬态步长LMS自适应滤波算法是使用最广泛的一类LMS自适应滤波算法的研究.该算法的基础上提高LMS自适应滤波算法的一个短暂的因素.
2 SPLMS的算法分析和问题提出
文献[4]中,作者的程序有很多计算机模拟和理论分析,结果表明：（1）上述团结的收敛速度与系统的输入信号与噪声比SNR是直接关系到更高的信号 - 噪声比SNR,他们一般改进的收敛速度,与减少的信号 - 噪声比SNR,收敛速度减慢,甚至发散的现象,所以,他们必须在弱干扰法规首发,那噪音在这个过程开始是相当小的,或无效.（2）在上述算法中,因为瞬时平方误差性能函数的均方误差性能函数,而不是E2K,加权平均矢量的收敛过程中的权重,其算法的性能变化,由于噪声的条目随机波动引起的.叠加.因此,更大的噪声方差,随机波动较大的项目,表示为重量较大振动.（3）为了追求更快的收敛速度,往往会增加μ和M,但滤波器的阶数越高,步长μ越大,输入功率,能够提供方便的偏移量的系数更大.开始数量有限的迭代过程中,它是很难收敛到稳态值,有必要寻求一种更好的瞬态步算法./>文献[4]在准最小均方（LMS,即伪PLMS）的误差算法的基础上,通过使用滑动时间窗PLMS算法的起动过程中的计算量减少;权值迭代加上平滑迭代离开PLMS算法具有较强的全局的抗噪性能,更快的收敛性能SPLMS的算法,即：
RK估值的M阶滤波器的输入信号功率; WK滤波器k步的M维最佳的权重向量的估计; Xk是M维输入数据的滤波器的输入信号矢量; dk的要输出的μK滤波器的第k步瞬变步.切换条件,类似的步长LMS算法ML门槛亩满足：
毫升由式（19）,（20）表示的αk是成比例的μK和瞬变衰减因子,使建议中的DSPLMS算法比算法SPLMS更快速的稳定收敛相比与传统的LMS算法,其性能有很大的提高,提供一个更好的实时信号处理算法.4计算机模拟
模拟图1中所示的结构,其中,dk是随机输入信号,nk为高斯白噪声,ek是输出误差,xk为自适应滤波器的输入端,YK滤波器的输出,这一次XK = dk的+ NK.
在图2中,DK的均值为0,方差为1的高斯白噪声; NK DK均值为0,方差为1的高斯白噪声滤波器参数：M = 32,λ= 0.9μL= 0.005,μ= 0.01,α= 0.1.在图3中,NK均值为0,方差为0.1的高斯白噪声,其它的参数是相同的,如图2所示.图2和图3使用LMS,的SPLMS和DSPLMS的,算法,滤波的学习曲线图.
2次首发）和3（强干扰（干扰弱启动）可以看出：在强干扰,DSPL比SPLMS MS,启动速度是远远优于LMS和收敛速度;弱干扰,仍然有DSPLMS速度比SPLMS,启动速度是远远快于LMS,但也可以从图中看出：DSPLMS苏丹人民解放运动S有几乎相同的收敛,收敛速度远远快于LMS.BR /> 5结论
归瞬态顺利启动DSPLMS具有较高的初始收敛速度,较小的权利,以抵消噪音和较大的噪声抑制能力;稳态过程的顺利连接后,算法往往是步长大小μ的LMS算法的性能,但是由于负脉冲的瞬态分量的作用,在类似的权重,根据式（7）的偏移量取较大的μ值,增强算法的时变参数跟踪能力的过程中,非平稳性更大的输入数据,进入短暂的平稳抵消有权进行降噪,因此,本文提出比DSPLMS算法SPLMS算法更快速和更大的噪声方差稳定收敛,其性能大大改善传统的LMS算法相比,能抑制振动,从而加快收敛过程.
网站：
