论文题目: 自适应LMS算法的研究及应用
论文类型: 硕士论文
论文专业: 信号与信息处理
作者: 马伟富
导师: 雷勇
关键词: 算法,自适应滤波,解相关,量化误差,算法
文献来源: 四川大学
发表年度: 2005
论文摘要: 现代电子技术已经由模拟向数字过渡,传统的模拟信号处理正被数字信号处理所代替。数字滤波是数字信号处理一部分,它除了具有数字信号处理的稳定、重复性好和适应性强等优点外,还具有可预见性和无相位偏差的优点,可用仿真软件来对一个设计预先测试。实现数字滤波的方法很多,其中,最小均方(LMS)算法在自适应滤波理论中应用最广泛,这是因为LMS算法具有低计算复杂度、平稳环境下的收敛性、均值无偏地收敛到维纳解以及利用有限精度实现算法时的稳定性等特性。 本文对几种LMS算法进行了仔细研究,包括基本LMS算法及其变型、量化误差LMS算法、解相关LMS算法、并行延时LMS算法、自适应格型LMS算法和LMS-Newton算法,其中量化误差LMS算法又包括符号误差LMS算法和符号数据LMS算法,解相关LMS算法包括时域解相关算法和变换域解相关算法。并利用matlab对这几种算法进行了软件仿真,通过仿真结果图把各种LMS算法的性能直观的展现出来。文中将基本LMS算法中不同μ时e(n)的变化绘于一个图形框中,使我们非常直观地看到随着μ的增加,算法的学习速率也在逐渐增加,但当μ增加到一定程度后,再增加μ,基本LMS算法则将陷于发散。同样,文中也给出了其它几种算法的学习速率曲线,并简单地讨论了算法的性能。 此外,文中对LMS算法学习速率参数μ的选择进行了详细分析,分析了这个参数对LMS算法性能产生的影响,以及如何减小影响。文中还对LMS算法的统计性能、跟踪性能进行了分析讨论,对算法的失调和非平稳度α进行了分析,
论文目录:
1 绪论
1．1 引言
1．2 自适应 LMS算法的发展
1．2．1 LMS算法的历史
1．2．2 LMS算法的现状
1．2．3 LMS算法的发展前景
1．3 本论文的主要研究内容和创新之处
1．3．1 本论文的主要研究内容
1．3．2 本论文的创新之处
2 自适应 LMS算法的研究
2．1 概述
2．2 LMS算法及其基本变型
2．2．1 基本LMS算法
2．2．2 归一化 LMS算法
2．2．3 加遗忘因子 LMS算法
2．3 量化误差 LMS算法
2．3．1 符号误差 LMS算法
2．3．2 符号数据 LMS算法
2．4 解相关 LMS算法
2．4．1 时域解相关 LMS算法原理
2．4．2 变换域解相关 LMS算法
2．5 并行延时LMS算法
2．5．1 延时LMS算法
2．5．2 并行延时LMS算法
2．5．3 并行延时LMS算法性能分析
2．6 自适应格型 LMS算法
2．6．1 对称的格型结构
2．6．2 格型滤波器设计准则
2．6．3 自适应格型 LMS算法
2．7 Newton-LMS算法
2．7．1 算法原理
2．7．2 性能分析
2．8 小结
3 LMS算法的性能分析
3．1 学习速率参数的选择
3．1．1 均值收敛的条件
3．1．2 均方收敛的条件
3．1．3 自适应学习速率参数
3．2 LMS算法的统计性能
3．2．1 稳态剩余输出均方误差
3．2．2 稳态剩余输出能量
3．3 LMS算法的跟踪性能
3．3．1 非平稳度a
3．3．2 失调 M
3．3．3 非平稳度a与失调 M之间的关系
3．4 影响LMS算法的几个因素
3．4．1 不稳定性的影响
3．4．2 噪声输入端的信号的影响
3．4．3 有限字长的影响
3．4．4 系数漂移的影响
3．5 小结
4 LMS算法在励磁电源控制系统中的应用
4．1 概述
4．2 系统硬件设计
4．2．1 硬件设计思路
4．2．2 TMS320VC5410简介
4．2．3 A/D、D/A转换芯片简介
4．2．4 系统框图
4．2．5 实际电路
4．3 系统软件设计
4．3．1 软件设计思路
4．3．2 软件流程
4．3．3 部分程序
4．4 运行结果
4．5 小结
结束语
参考文献
本文作者在读期间科研成果简介
声明
致谢
发布时间: 2005-10-17
参考文献
- [1].自适应滤波器中LMS算法的研究及应用[D]. 夏晓.北京邮电大学2013
- [2].基于LMS算法的功率放大器研究[D]. 陈星.中北大学2007
- [3].利用预测辅助LMS的自适应滤波器[D]. 楚忠琳.兰州大学2012
- [4].用于FPGA的新型混合布线算法的研究[D]. 沈静静.江南大学2009
- [5].数字预失真放大器中的自适应算法研究[D]. 王胜水.电子科技大学2009
- [6].FPGA打包算法的研究与优化[D]. 辛文.西安电子科技大学2015
- [7].频域块LMS自适应滤波算法的研究[D]. 田超.西安理工大学2010
- [8].类电磁机制算法研究和改进[D]. 单玉乐.太原科技大学2010
- [9].自适应算法研究与FPGA实现[D]. 黄昆.南京理工大学2009
- [10].群智能优化粒子滤波红外弱小目标检测前跟踪算法研究[D]. 耿丽群.哈尔滨工程大学2013
相关论文
- [1].自适应滤波算法与应用研究[D]. 陈莉.西安电子科技大学2006
- [2].自适应均衡算法的研究[D]. 王周舟.大连海事大学2007
- [3].LMS算法的改进研究及其在语音增强方面的应用和性能评估[D]. 樊殊昱.电子科技大学2007
- [4].基于分数阶Fourier变换的LMS自适应滤波算法的研究[D]. 周丽晓.郑州大学2007
- [5].自适应滤波器算法设计及其FPGA实现的研究与应用[D]. 齐海兵.中南大学2006
- [6].自适应噪声抵消技术的研究[D]. 曹斌芳.湖南大学2007
- [7].基于自适应滤波器的噪声抑制技术研究[D]. 杜培宇.山东大学2005
- [8].几种自适应滤波算法的研究与应用[D]. 李伟.燕山大学2006
- [9].自适应滤波及滤波算法研究[D]. 李毅.西北工业大学2003