基于箕舍线的变步长最小均方(Variable step least mean square,VSLMS)算法是一种经典的LMS算法,但其步长更新公式易受噪声干扰的影响,导致自适应滤波器权值在最优权值附近波动。为解决箕舌线变步长LMS算法步长更新公式易受噪声干扰的问...基于箕舍线的变步长最小均方(Variable step least mean square,VSLMS)算法是一种经典的LMS算法,但其步长更新公式易受噪声干扰的影响,导致自适应滤波器权值在最优权值附近波动。为解决箕舌线变步长LMS算法步长更新公式易受噪声干扰的问题,根据高斯白噪声相关性比较差的特性,对箕舌线变步长LMS算法进行改进,提出基于相关特性的改进箕舌线变步长LMS算法,使算法的抗噪声干扰能力明显增强。理论分析和仿真结果表明:若两算法选取相同参数,则基于相关特性的改进箕舌线变步长LMS算法相对于箕舌线变步长LMS算法具有小的稳态误差;在保证算法收敛的条件下,基于相关特性的改进箕舌线变步长LMS算法相对箕舌线变步长LMS算法具有较快的收敛速度。展开更多
文摘基于箕舍线的变步长最小均方(Variable step least mean square,VSLMS)算法是一种经典的LMS算法,但其步长更新公式易受噪声干扰的影响,导致自适应滤波器权值在最优权值附近波动。为解决箕舌线变步长LMS算法步长更新公式易受噪声干扰的问题,根据高斯白噪声相关性比较差的特性,对箕舌线变步长LMS算法进行改进,提出基于相关特性的改进箕舌线变步长LMS算法,使算法的抗噪声干扰能力明显增强。理论分析和仿真结果表明:若两算法选取相同参数,则基于相关特性的改进箕舌线变步长LMS算法相对于箕舌线变步长LMS算法具有小的稳态误差;在保证算法收敛的条件下,基于相关特性的改进箕舌线变步长LMS算法相对箕舌线变步长LMS算法具有较快的收敛速度。