导读:本文包含了最小均方算法论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:最小,步长,算法,广义,误差,高度表,估计值。
最小均方算法论文文献综述
尹立言,向新,邹亚州,张婧怡[1]（2019）在《改进的变步长变换域最小均方算法》一文中研究指出变换域是一种在强相关信号输入时加快自适应算法收敛的方法,但仍然存在收敛速度的要求与稳态失调的要求相矛盾的问题。本文在变换域最小均方算法(transform domain LMS, TDLMS)的基础上提出了一种改进的变步长方案,其变步长因子受到误差自相关的控制,消除了不相关的观测噪声的影响。本文分别在平稳和非平稳状态下,对算法的收敛和稳态性能进行理论分析,并给出了最佳的算法参数。仿真设置相同的稳态误差,结果表明本文算法在平稳状态下比固定步长的算法提前1300点收敛,在非平稳状态下提前1400点收敛,且与文献中其他变步长的算法相比收敛速度均有提升。(本文来源于《信号处理》期刊2019年11期）
胡品端,熊庆国[2]（2019）在《基于估值修正的分布式传感器网络最小均方算法》一文中研究指出为使分布式传感器网络自适应滤波算法在具有快速收敛和低稳态误差的同时,具有对脉冲干扰的鲁棒性,在扩散LMS自适应滤波算法基础上,提出一种基于参数估值p阶范数修正的变步长最小均方自适应滤波算法,算法通过使用参数估值的p阶范数增抗其对脉冲噪声的抗干扰能力,通过合理设置变步长控制因子使得算法在收敛初期的收敛速度及收敛后期的稳态误差在一个较小的范围取得一个较好的平衡。对比实验表明,相比已有算法,所提算法性能更优且具有较好的鲁棒性。(本文来源于《火力与指挥控制》期刊2019年10期）
黄翔东,王惠杰,黎鸣诗,曹月彬[3]（2019）在《GFDM系统低复杂度最小均方误差接收机解调算法》一文中研究指出针对广义频分复用(GFDM)在频率选择性信道下的最小均方误差(MMSE)接收机计算复杂度过高的问题,提出了一种基于矩阵解构的低复杂度GFDM系统的MMSE接收机解调算法.该方法对涉及的大尺寸矩阵做分块处理,发掘了矩阵的特殊性质(稀疏性、准叁对角性和块对称性等),进而将一系列大矩阵的相乘和求逆运算转化为相应子块间的相乘和求逆,从而使得其耗费的复数乘法次数比原始的MMSE接收机解调算法低2～3个数量级.仿真结果表明,所提出的接收机不会导致误比特率性能下降,因而在未来移动通信的解调系统中具有较高的应用价值.(本文来源于《北京邮电大学学报》期刊2019年03期）
李裕杰,赵庆生,王旭平,郭尊[4]（2019）在《基于线性约束最小均方的谐波检测算法》一文中研究指出最小均方(Least Mean Square, LMS)算法因其计算复杂度低、稳定性好的特点已广泛应用于谐波检测领域中。但为了避免权重偏移,进一步提高收敛速度,提出了一种基于线性约束最小均方(Linearly Constrained Least Mean Square, LCLMS)的谐波检测算法。该算法在LMS算法的基础上,对权重变量加入了一个线性约束条件,并应用于不同高斯白噪声环境下谐波、间谐波信号的幅值和相角参数评估。最后又在稳态信号、动态信号和电弧炉算例下检验了该算法的可行性。实验结果表明,该算法可以快速准确地检测不同环境下谐波的相关信息,且相比LMS算法有较快的收敛速度和较高的抗干扰能力。(本文来源于《电力系统保护与控制》期刊2019年11期）
孙慧贤,刘建成,崔佩璋,全厚德,唐友喜[5]（2019）在《基于多通道最小均方算法的多发单收同车电台射频干扰对消》一文中研究指出战术指挥车内多部电台同时工作,发射电台将对接收电台产生严重的互扰。针对上述问题,该文提出基于多通道最小均方算法(MCLMS)的多发单收同车电台射频干扰对消方法。首先,分析同车电台N发M收情况可分离为M个N发单收场景的迭加,进而建立多发单收射频干扰对消模型。在此基础上,提出基于MCLMS算法的射频干扰对消方法,并理论分析该对消方法的性能,推导得出互扰对消比(MICR)与发射电台数目N、收敛因子1之间的闭合数学表达式。最后,通过仿真验证了理论结果的正确性,表明该方法能够有效抑制同车发射电台对接收电台的互扰影响,增强指挥车电磁兼容性。(本文来源于《电子与信息学报》期刊2019年03期）
梁青,徐杰,商锋[6]（2019）在《应用于功率倒置阵的改进最小均方算法》一文中研究指出针对功率倒置阵列采用最小均方(LMS)算法迭代求取权值时,收敛速度慢、迭代步长不能随输入信号功率的变化,自动进行调整的弊端,提出采用一种基于指数函数的归一化变步长LMS算法实现功率倒置阵列的方法。分析步长调整原理,通过建立步长和误差之间的非线性函数关系,结合归一化思想,使算法在保证精度的同时具有较快的收敛速度。基于四阵元Y形平面阵,对该算法、LMS算法和归一化LMS算法进行仿真对比,其结果表明,改进算法可以提高功率倒置阵的收敛速度,增大算法的动态输入范围。(本文来源于《计算机工程与设计》期刊2019年02期）
骆英,吴强,秦云[7]（2019）在《GSC框架下的最小均方超声波束形成算法》一文中研究指出针对传统超声信号幅度变迹方法中主瓣宽度较宽、空间分辨率较低的问题,提出了一种基于广义旁瓣相消器框架下的最小均方超声波束形成算法。该方法基于期望信号最小方差无失真准则,构造广义旁瓣相消器,将接收到的超声信号分解为自适应与非自适应上下两个部分:上支路保留期望信号与噪声信号,且期望信号无失真响应约束得到保证;下支路阻塞期望信号,只含有噪声。将两路信号进行维纳滤波,上下支路噪声得到抵消,期望信号被无失真输出。为了使该算法在硬件上易于实现,采用最小均方算法自适应迭代求取,并给出了FPGA的详细设计过程。仿真实验表明,采用该算法加权的得到的波束与传统幅度变迹方法相比,主瓣更窄,具有抑制干扰和噪声的能力,提高了超声成像的横向分辨率与对比度分辨率。(本文来源于《电子科技》期刊2019年02期）
潘水[8]（2019）在《雷达高度表最小均方误差拟合高度估计算法研究》一文中研究指出针对采用波门分裂法和半功率点法的传统雷达高度表,受噪声和地面各散射单元散射起伏的影响较大,进而影响高度估计的精度问题。文中提出了采用最小均方误差拟合高度估计算法,该算法基于地面回波解析模型,充分利用地面回波能量进行最小均方误差拟合高度估计,从而提高高度估计精度。仿真结果表明,在不同高度上,最小均方误差的精度均优于波门分裂法和半功率点法,降低了噪声和地面散射起伏对高度估计精度的影响。(本文来源于《电子科技》期刊2019年08期）
王学成,张佳庚,马文涛[9]（2018）在《比例最小均方/四阶算法及其在系统辨识中的应用》一文中研究指出针对非高斯噪声环境下稀疏系统参数辨识问题,提出一种基于比例更新机制的最小均方/四阶(LMS/F)自适应滤波算法(PLMS/F)。该方法以混合均方/四阶准则(MS/FE)为代价函数,其包含了误差的高阶项,具有解决非高斯噪声问题的优势。引入比例更新机制,从而可根据算法当前时刻权重变化特征来调整各权重参数的步长,因此具有良好的跟踪性能。使用梯度下降法设计了阈值参数自适应更新机制以进一步改进算法稳态性能。此外,分析了所提算法的平均和均方收敛性。应用具有稀疏特征的FIR系统参数模型对所提算法实现了在非高斯噪声环境中的参数辨识。仿真实验结果表明,该算法可以有效辨识模型参数,且具有较低的稳态误差和强的鲁棒性。(本文来源于《高技术通讯》期刊2018年Z1期）
廖木[10]（2018）在《基于最小均方的梯度下降算法对独立非线性计算的研究》一文中研究指出就国家标准《GBT18271.2-2017过程计算和控制装置通用性能评定方法和程序第2部分:参比条件下的试验》中"独立非线性"计算作出研究,提出了基于最小均方(LMS)的梯度下降(Gradient descent)算法理论及其"独立非线性"计算的应用并给出Matlab实现。(本文来源于《科学咨询(科技·管理)》期刊2018年10期）
最小均方算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为使分布式传感器网络自适应滤波算法在具有快速收敛和低稳态误差的同时,具有对脉冲干扰的鲁棒性,在扩散LMS自适应滤波算法基础上,提出一种基于参数估值p阶范数修正的变步长最小均方自适应滤波算法,算法通过使用参数估值的p阶范数增抗其对脉冲噪声的抗干扰能力,通过合理设置变步长控制因子使得算法在收敛初期的收敛速度及收敛后期的稳态误差在一个较小的范围取得一个较好的平衡。对比实验表明,相比已有算法,所提算法性能更优且具有较好的鲁棒性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
最小均方算法论文参考文献
[1].尹立言,向新,邹亚州,张婧怡.改进的变步长变换域最小均方算法[J].信号处理.2019
[2].胡品端,熊庆国.基于估值修正的分布式传感器网络最小均方算法[J].火力与指挥控制.2019
[3].黄翔东,王惠杰,黎鸣诗,曹月彬.GFDM系统低复杂度最小均方误差接收机解调算法[J].北京邮电大学学报.2019
[4].李裕杰,赵庆生,王旭平,郭尊.基于线性约束最小均方的谐波检测算法[J].电力系统保护与控制.2019
[5].孙慧贤,刘建成,崔佩璋,全厚德,唐友喜.基于多通道最小均方算法的多发单收同车电台射频干扰对消[J].电子与信息学报.2019
[6].梁青,徐杰,商锋.应用于功率倒置阵的改进最小均方算法[J].计算机工程与设计.2019
[7].骆英,吴强,秦云.GSC框架下的最小均方超声波束形成算法[J].电子科技.2019
[8].潘水.雷达高度表最小均方误差拟合高度估计算法研究[J].电子科技.2019
[9].王学成,张佳庚,马文涛.比例最小均方/四阶算法及其在系统辨识中的应用[J].高技术通讯.2018
[10].廖木.基于最小均方的梯度下降算法对独立非线性计算的研究[J].科学咨询(科技·管理).2018
论文知识图
