[毕业设计 论文 ]lms及其改进算法研究 毕业论文推荐.docVIP

LMS及其改进算法研究 摘要 因LMS算法具有低计算复杂度、在平稳环境中的收敛性好、其均值无偏地收敛到wiener解和利用有限精度实现算法时的稳定性等特性，使LMS算法成为自适应算法中应用最广泛的算法。对LMS算法及其改进算法进行了研究，探讨了步长因子对各种算法收敛性、稳定性的影响。并用MATLAB对其学习曲线、收敛速度等进行了仿真分析。结果表明，变步长μ（n）的取值尤为重要，如果μ（n）取较大值则具有较快的收敛速度，如果μ（n）取值很小，则MLMS算法近似等效于LMS算法。它们的自适应过程较快，性能有了很大改进。 关键词：LMS算法；自适应；NLMS算法；变步长；MATLAB仿真 Abstract Because of low computational complexity, stable environment in the convergence of good, unbiased and its mean converges to the wiener solution and implementation algorithms using finite precision stability and other characteristics, LMS algorithm as adaptive algorithm in the application of the most a wide range of algorithms.We have a detailed study on LMS algotithm and its complementary algotithm,disscused the step-size’s influent for the algorithm’s convergence speed and stability. And using MATLAB simulated the learning curve, convergence speed of LMS algotithm.The result observed that the value of variable step-size μ（n）is very important,if it is a bigger may have a fast convergence speed,but if not ,the NLMS algotithm can instead the LMS algotithm in the characteristics. In addition , they have a fast adaptive course and greatly progress in performance. Key words: LMS algotithms; adaptive; NLMS algotithms; variable step; MATLAB simulate 一、引言 LMS算法具有低计算复杂度、在平稳环境中的收敛性好、其均值无偏地收敛到wiener解和利用有限精度实现算法时的稳定性等特性，使LMS算法成为自适应算法中应用最广泛的算法。故本文对LMS算法及其改进算法（NLMS算法、泄露LMS算法等）进行了详细的研究，并对其性能及应用进行了仿真。 二、LMS及其改进算法 （一）自适应滤波 自适应滤波器与普通滤波器不同，它的冲击响应或滤波参数是随外部环境的变化而变化的，经过一段自动调整的收敛时间达到最佳滤波的要求。自适应滤波器本身有一个重要的自适应算法，这个算法可以根据输入、输出及原参数量值，按照一定准则改变滤波参量，以使它本身能有效地跟踪外部环境的变化。原理如图1所示，图中离散时间线性系统表示一个可编程滤波器，它的冲击响应为h(n)，或称其为滤波参数[1]。自适应滤波器输出信号为y(n)，所期望的响应信号为d(n)，误差信号e(n)为d(n) 与y(n)之差。期望响应信号d(n) 是根据不同用途来选择的，自适应滤波器的输出信号y(n)是对期望响应信号d(n)进行估计的，滤波参数受误差信号e(n)的控制并自动调整，使y(n)得估计值于所期望的响应d(n). 图1自适应滤波器原理图 （二）LMS算法 图2自适应LMS算法信号流图 最小均方（LMS）算法，这是一种用瞬时值估计梯度矢量的方法，而且这种瞬时估计法是无偏的。利用时间n=0的滤波系数矢量为任意的起始值w(0),然后开始LMS算法的计算,通过推到我们得到其更新公式： (1) 收敛因子应满足下列收敛条件： (2) (三)LMS算法改进形式 1．N