lms算法毕业论文.doc

《lms算法毕业论文.doc》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、lms算法毕业论文LMS算法研究专业：通信工程摘要因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

2、应过程较快，性能有了很大改进。AbstractBecauseoflowcomputationalcomplexity,stableenvironmentintheconvergenceofgood,unbiasedanditsmeanconvergestothewienersolutionandimplementationalgorithmsusingfiniteprecisionstabilityandothercharacteristics,LMSalgorithmasadaptivealgo

3、rithmintheapplicationofthemostawiderangeofalgorithms.WehaveadetailedstudyonLMSalgotithmanditscomplementaryalgotithm,disscusedthestep-size’sinfluentforthealgorithm’sconvergencespeedandstability.AndusingMATLABsimulatedthelearningcurve,convergencespeedof

4、LMSalgotithm.Theresultobservedthatthevalueofvariablestep-sizeμ（n）isveryimportant,ifitisabiggermayhaveafastconvergencespeed,butifnot,theNLMSalgotithmcaninsteadtheLMSalgotithminthecharacteristics.Inaddition,theyhaveafastadaptivecourseandgreatlyprogressi

5、nperformance.Keywords：LMSalgorithm，Adaptive，NLMSalgorithm，Variablestep，MATLABsimulation.目录第一章绪论51.1自适应滤波理论的发展51.2自适应LMS算法的发展61.2.1LMS算法历史61.2.2LMS算法的现状61.2.3LMS算法的发展前景6第二章自适应LMS算法的研究82.1概述82.2LMS算法82.2.1自适应收敛性102.2.2平均MSE——学习曲线112.2.3失调132.2.4缩短收敛过程的方

6、法14第三章LMS自适应滤波器的改进形式163.1归一化LMS算法163.1.1TDO-LMS算法183.1.2MLMS算法193.2泄露LMS算法203.3极性LMS算法213.4LMS算法梯度估计的平滑213.5解相关LMS算法223.6性能比较23第五章LMS算法的应用245.1LMS类均衡器245.1.1解相关LMS（DecorrelationLMS,DLMS）均衡算法245.1.2变化域解相关LMS均衡算法245.2自适应信号分离器255.3自适应陷波器265.4系统辨识或系统建模26第

7、六章仿真及其结果分析286.1仿真思路286.2结果及分析286.2.1LMS及其改进算法286.2.2LMS自适应均衡器316.2.3自适应信号分离器336.2.4自适应陷波器336.2.5系统辨识或系统建模33结论35参考文献36附录Ⅰ英文原文及译文37附录Ⅱ仿真程序50致谢64第一章绪论1.1自适应滤波理论的发展早在20世纪40年代，就对平稳随即信号建立了维纳滤波理论。根据有用信号和干扰噪声的统计特性（自相关函数或功率谱），以线性最小均方误差估计准则所设计的最佳滤波器，称为维纳滤波器。这种滤

8、波器能最大程度地滤除干扰噪声，提取有用信号。但是，当输入信号的统计特性偏离设计条件，则它就不再是最佳的了，这在实际应用中受到了限制。到60年代初，由于空间技术的发展，出现了卡尔曼滤波理论，即利用状态变量模型对非平稳、多输入多输出随机序列作最优估计。现在，卡尔曼滤波器已成功地应用到许多领域，它既可对平稳的和非平稳的随机信号作线性最佳滤波，也可作非线性滤波。实质上，维纳滤波器是卡尔曼滤波器的一个特例。若设计卡尔曼滤波器时，必须知道产生输入过程的系统的状态方程和测量方程，即要求对信号和噪