搜索结果: 1-11 共查到“计算机科学技术 LMS”相关记录11条 . 查询时间(0.065 秒)
中国科学院声学研究所专利：一种基于RLS和LMS联合算法的信道均衡方法及均衡器
一种改进的双极性训练序列时域均衡LMS算法
时域均衡 LMS 算法 前向预测—判决算法
2016/9/26
为解决双极性训练序列无线信道中码间干扰的抑制问题，针对最小均方(least mean square，LMS)类算法 在误差预测范围、步长选择和功率自适应方面的不足，提出一种前向预测—判决算法。建立了ARMA(p,q)模型，由 梯度预测公式推导出本算法的具体形式，设置误码率和输出信号功率作为算法性能的衡量标准，Matlab 仿真结果表 明：该算法能较好地适应双极性序列，跟踪多径信道，大大减小误码率，...
一种变步长凸组合LMS自适应滤波算法改进及分析
自适应滤波 LMS算法 CLMS算法 VSCLMS算法 改进的VSCLMS算法
2017/1/11
为了避免单个滤波器在收敛速度与稳态误差上相互制约,从而导致系统性能降低的问题,本文采用凸组合最小均方算法(Combined Least Mean Square,CLMS), 将快速滤波器和慢速滤波器并联使用,同时为进一步改善CLMS算法的性能,对已有的变步长凸组合最小均方算法(Variable Step-size Convex Combination of LMS,VSCLMS)做出改进,提出了一...
在详细分析并吸收几种变步长最小均方差(LMS)算法优点的基础上，给出了一种通用形式的变步长LMS算法。采用遗传算法对该算法进行参数优化设计，能够快捷高效地得到α、β、m及h参数优化组合，而不需要通过以往经验或试凑等方法来获取各参数的最优值。Matlab仿真与理论分析相一致，表明变步长LMS算法具有良好的收敛性和跟踪性，可广泛地应用于数字通信系统中。
自适应LMS和相关算法在GMI磁传感器信号检测中的应用
微弱信号检测 自适应LMS算法 相关算法 GMI磁传感器
2016/6/8
在GMI磁传感器的研制中，微弱磁场信号经常淹没于电路固有噪声中。当非晶丝GMI（Giant Magneto-Impedance）磁传感器的输出信噪比小于0dB时，常规的峰值检波方法无法检出传感器信号。针对此问题，提出了一种新的微弱信号（信噪比小于0dB）检测方法，利用LMS自适应滤波算法提取非晶丝GMI磁传感器输出信号的特征参数，将该特征参数与理想参数进行相关运算，并根据相关值的大小来确定信号大小...
基于变邻域变步长LMS背景预测检测红外小目标
红外弱小目标 变邻域背景预测 变步长LMS算法
2009/10/27
在分析强起伏背景信号的基础上，利用背景局部信号统计特征和目标运动特性，提出了一种基于变邻域变步长LMS自适应背景预测的红外弱小目标检测方法。首先将两类背景交界处像素的邻点按最大类间平均离差准则分成两类，和中心像素点相近的一类构成预测邻域，而背景内部区域采用固定预测邻域；然后提出了一种改进的变步长LMS自适应算法，在所得预测域上进行背景预测，由实际值和预测值相减得到残差图像；最后采用二维Tsalli...
基于DCT-LMS算法的自适应均衡系统的仿真研究
逆系统 DCT-LMS算法 滤波器
2009/9/28
首先简述了逆系统原理,然后描述了用MATLAB软件仿真实验得出DCT-LMS自适应均衡滤波器的收敛性和稳态性与滤波器长度和信道失真参数之间的定量关系,为此构建了有实际意义的系统仿真模型、做出了仿真实验结果并分析了仿真实验结果的意义,最后对DCT-LMS算法性能与传统LMS算法的性能进行了分析比较.
基于LMS自适应滤波器信息采集系统设计
自适应滤波 空气清新器 最小均方误差
2009/8/12
设计并实现具有硬件滤波空气清新器的信息采集系统，根据空气的复杂性以及随机性，结合自适应滤波器的原理，提出一种新的空气信息采集系统设计方法。该方法利用最小均方(LMS)自适应滤波器进行软件滤波，针对空气信息的复杂性和随机性，增加对随机复杂信息具有预测能力的LMS自适应滤波的设计，增强系统的稳定性，提高采集信息的精度，系统具有一定的预测性和智能性。
基于改进LMS算法的TH-UWB接收机
Rake接收机 最小均方（LMS）算法 仿真
2009/7/17
跳时超宽带（TH-UWB）无线通信系统通常采用RAKE接收技术。而信道估计的准确度直接影响系统接收性能。提出一种基于梯度的变步长的LMS算法进行信道估计。与传统LMS算法相比，改进的LMS算法可以获得更小的MSE（Mean Square Error）从而为接收机提供更精确的信道估计量。同时，结果也表明该算法提高了整个接收机性能，并获得更小的BER（Bit Error Rate）。
一种新的去相关变步长LMS算法及其应用
变步长 相关性 NLMS算法
2009/7/7
在一种变步长算法基础上，从语音信号相关性的角度出发，提出了一种新的去相关变步长LMS算法（DCL—NLMS）。该算法结构简单，收敛速度快，稳态失调小，计算量与NLMS算法相当。仿真结果表明，该算法在处理强相关性信号时，不仅收敛速度明显快于其余算法，而且稳态失调特性也有很大优势。