为了能够减少算法运算时间、减小稳态误差、提高收敛速度、增强跟踪性能以及增加抗噪性能,提出了1种变步长最小均方误差(least mean square,LMS)算法。针对现有LMS类算法在低信噪比下性能不佳、人为设定参数较多等缺点,基于反正切函数,...
详细信息
为了能够减少算法运算时间、减小稳态误差、提高收敛速度、增强跟踪性能以及增加抗噪性能,提出了1种变步长最小均方误差(least mean square,LMS)算法。针对现有LMS类算法在低信噪比下性能不佳、人为设定参数较多等缺点,基于反正切函数,且利用误差的相关函数动态调整步长。理论上分析了该算法复杂度、稳态失调、收敛速度、跟踪性能以及抗噪性能,并分别设计高信噪比和低信噪比的条件下进行实验仿真比较。理论分析结合实验仿真验证:该算法在高低信噪比时均具有较快的收敛速度和跟踪速度,能获得小的稳态误差和稳态失调,且需要设定的参数变量个数少。
针对已有的最小均方误差(least mean square,LMS)算法性能方面的缺陷,通过对步长选取问题的研究,提出了一种改进变步长LMS算法。基于原反正切函数引入输入信号反馈因子的二范数项,以实现对输入信号的实时跟踪,提高算法的跟踪能力。用误...
详细信息
针对已有的最小均方误差(least mean square,LMS)算法性能方面的缺陷,通过对步长选取问题的研究,提出了一种改进变步长LMS算法。基于原反正切函数引入输入信号反馈因子的二范数项,以实现对输入信号的实时跟踪,提高算法的跟踪能力。用误差相关值代替原算法中的误差平方项,提高其抗干扰能力,并加入补偿项,以补偿算法趋于稳态时的收敛速度。详细讨论了各个参数对算法收敛性、跟踪性、稳定性的影响及算法的抗干扰性。与已有算法进行的仿真结果对比表明,在高低信噪比情况下,改进算法在收敛速度、稳态误差,以及对时变系统跟踪能力等方面均呈现了优异的性能。
暂无评论