路翠華，李國林，謝 鑫，奚曉梁

(海軍航空工程學(xué)院7系，山東煙臺 264001)

1 引言

最小均方(LMS)算法計算復(fù)雜度低，結(jié)構(gòu)簡單，得到了廣泛的應(yīng)用。但它的收斂速度慢，收斂速度與自適應(yīng)步長和失調(diào)之間存在著矛盾。針對這個問題，研究人員先后提出了變步長 LMS 算法［1－3］、LMS牛頓算法［4］、歸一化 LMS 算法［5］、變換域及分塊LMS 算法［6－8］、截斷數(shù)據(jù) LMS算法以及最小高階誤差(LMK)算法等［9－10］。目前，LMS 算法已比較成熟，但是結(jié)合實際應(yīng)用可以開展提高其性能的改進(jìn)算法研究。G－SVSLMS算法是目前比較經(jīng)典的一種變步長LMS算法，但其步長更新公式易受噪聲干擾影響。文獻(xiàn)［11］提出基于零均值特性的改進(jìn)G－SVSLMS算法，提高了G－SVSLMS算法抗零均值白噪聲干擾的能力。但高斯白噪聲并不都是零均值的，而高斯白噪聲的相關(guān)性都比較差，本文根據(jù)這一特性，提出基于相關(guān)特性的改進(jìn)G－SVSLMS算法，提高了G－SVSLMS算法抗高斯白噪聲干擾的能力。

2 G－SVSLMS算法分析

文獻(xiàn)［1］提出的G－SVSLMS算法如下:

式(2)中，參數(shù)α＞0控制函數(shù)的形狀，參數(shù)β＞0控制函數(shù)的取值范圍，μ(n)與α、β和e( n)的關(guān)系如圖1所示。當(dāng)α、β選定時，μ(n)由e( n)唯一確定。

圖1 μ(n)與e(n)的關(guān)系曲線Fig.1 Curves of μ(n)vs e(n)

G－SVSLMS算法具有較快的收斂速度和較小的穩(wěn)態(tài)誤差，但在噪聲干擾比較嚴(yán)重的環(huán)境中，步長更新公式中的e( n)受噪聲的影響，使μ(n)不能達(dá)到一個很小的值，從而使自適應(yīng)算法很難達(dá)到最優(yōu)解，只能在最優(yōu)解附近波動。

3 基于相關(guān)特性的G－SVSLMS算法

高斯白噪聲 v的相關(guān)性比較差(即E[ v( n) v( n－1 )]=0)，根據(jù)這一特性提出基于相關(guān)特性的G－SVSLMS算法，其步長更新公式為

基于相關(guān)特性G－SVSLMS算法的步長更新公式相對于G－SVSLMS算法具有較強的抗噪聲干擾能力。若兩算法選取相同參數(shù)α、β，則基于相關(guān)特性的G－SVSLMS算法相對于G－SVSLMS算法具有小的穩(wěn)態(tài)誤差。

證明如下:

設(shè)誤差e( n)=s1(n)+v1(n)，其中s1(n)為誤差中的信號分量，v1(n)為誤差中的噪聲分量，則

若信號與噪聲不相關(guān)，則

所以基于相關(guān)特性G－SVSLMS算法中的步長更新公式受噪聲影響很少，具有很強的抗噪聲干擾能力。

當(dāng)算法趨向收斂時，s1(n)→0，所以

則通常情況下，

設(shè)G－SVSLMS算法步長為μ(n)，基于相關(guān)特性的G－SVSLMS算法步長為μ1(n)，若兩算法選取相同參數(shù) α、β，由式(2)、(4)、(8)可得

所以此時基于相關(guān)特性的G－SVSLMS算法相對于G－SVSLMS算法具有小的穩(wěn)態(tài)誤差。

證畢。

在保證算法收斂的條件下，若基于相關(guān)特性的G－SVSLMS算法和G－SVSLMS算法參數(shù)α相同，基于相關(guān)特性的G－SVSLMS算法可以選取相對較大的參數(shù)β，從而使基于相關(guān)特性的G－SVSLMS算法相對G－SVSLMS算法具有較快的收斂速度。

證明如下:

設(shè)G－SVSLMS算法的參數(shù)為 α、β，步長為μ(n)，基于相關(guān)特性的G－SVSLMS算法的參數(shù)為α1、β1，步長為 μ1(n)，輸入信號矢量 u(n)相關(guān)矩陣為R=E[ u(n) uH(n )]，R的最大特征值為 λmax。

由LMS算法均值收斂條件可得，要使G－SVSLMS算法和基于相關(guān)特性的G－SVSLMS算法收斂，須使

即須使

式中，emax(n)為濾波過程中絕對值最大的誤差值。顯然

若 α=α1，由式(14)可得，滿足式(13)的 β1可大于滿足式(12)的β，即若基于相關(guān)特性的GSVSLMS算法和G－SVSLMS算法參數(shù)α相同，基于相關(guān)特性的G－SVSLMS算法可以選取相對較大的參數(shù)β1，所以基于相關(guān)特性的G－SVSLMS算法相對G－SVSLMS算法具有較快的收斂速度。

證畢。

4 仿真分析

下面將基于相關(guān)特性的G－SVSLMS算法和G－SVSLMS算法應(yīng)用到窄帶信號的噪聲抑制中，通過仿真驗證基于相關(guān)特性G－SVSLMS算法的濾波性能。噪聲抑制原理如圖2所示。

圖2 噪聲抑制原理Fig.2 Principle of noise suppression

當(dāng)窄帶信號中含有噪聲時，由于窄帶信號是可預(yù)測的，而高斯白噪聲的可預(yù)測性比較差，可利用其預(yù)測性的差異進(jìn)行噪聲抑制。設(shè)含有噪聲的信號為x，x=s+v，其中s為有用信號，v為噪聲。因為s為窄帶信號，利用預(yù)測濾波器可得到信號s的預(yù)測信號^s。誤差e=s+v－^s，根據(jù)誤差e調(diào)整濾波器的權(quán)值，使^s→s，從而使e→v，達(dá)到噪聲干擾抑制的目的。

仿真中選取窄帶信號為彈目距離大于3倍脫靶量時連續(xù)波多普勒無線電引信回波信號。因仿真中只選取了一小段回波信號，可假設(shè)在這一小段時間內(nèi)回波信號的幅度是不變的。在仿真中，信號s是已知的，用平方誤差來衡量濾波性能。為有效評價算法性能，選取近似于真實環(huán)境的仿真環(huán)境，具體如下:設(shè)彈目相對運動速度為1 000 m/s，脫靶量為20 m，引信在彈目距離300 m時開始工作。引信回波信號SNR=10 dB時，基于相關(guān)特性的GSVSLMS算法和G－SVSLMS算法中參數(shù)α=10、β=0.1時，其平方誤差曲線如圖3所示，收斂曲線如圖4所示。

圖3 SNR=10 dB、參數(shù)相等時平方誤差曲線Fig.3 Square error curve when SNR=10 dB and the parameters of two algorithms are equal

圖4 SNR=10 dB、參數(shù)相等時收斂曲線Fig.4 Convergent curve when SNR=10 dB and the parameters of two algorithms are equal

由圖3和圖4可以看出，基于相關(guān)特性的改進(jìn)G－SVSLMS算法和G－SVSLMS算法參數(shù)相同時，基于相關(guān)特性的改進(jìn)G－SVSLMS算法收斂速度略慢于G－SVSLMS算法，但其收斂后的穩(wěn)態(tài)誤差明顯小于G－SVSLMS算法的穩(wěn)態(tài)誤差，與理論分析一致。

G－SVSLMS算法中參數(shù) α=10、β=0.01時與基于相關(guān)特性的G－SVSLMS算法參數(shù)α=10、β=0.1時的穩(wěn)態(tài)誤差基本相等，其平方誤差曲線如圖5所示。

圖5 SNR=10 dB、穩(wěn)態(tài)誤差相等時平方誤差曲線Fig.5 Square error curve when SNR=10 dB and the steady－state errors of two algorithms are equal

由圖5可以看出，在保證兩種算法收斂后穩(wěn)態(tài)誤差基本相等條件下，因基于相關(guān)特性的改進(jìn)GSVSLMS算法可選用較大的參數(shù)β，其收斂速度明顯快于G－SVSLMS算法，與理論分析一致。

5 結(jié)束語

G－SVSLMS算法步長更新公式易受噪聲干擾，導(dǎo)致自適應(yīng)濾波器權(quán)值在最優(yōu)權(quán)值附近波動比較大。本文針對這一問題，根據(jù)高斯白噪聲相關(guān)性比較差的特性，對G－SVSLMS算法進(jìn)行改進(jìn)，提出了基于相關(guān)特性的改進(jìn)G－SVSLMS算法，使算法抗噪聲干擾能力增強。文獻(xiàn)［11］提出的基于零均值的改進(jìn)G－SVSLMS算法只能抵抗零均值高斯白噪聲的干擾，而本文提出的算法能抵抗所有高斯白噪聲的干擾，但算法抗噪聲調(diào)幅和噪聲調(diào)頻干擾的性能有待于進(jìn)一步分析。

［1］ 高鷹，謝勝利.一種變步長LMS自適應(yīng)濾波算法及分析［J］.電子學(xué)報，2001，29(8):1094－1097.GAO Ying，XIE Sheng － li.A Variable Step Size LMS A-daptive Filtering Algorithm and Its Analysis［J］.Acta Electronica Sinica，2001，29(8):1094－1097.(in Chinese)

［2］ 周學(xué)文，柯熙政.一種新的變步長LMS自適應(yīng)濾波算法［J］.西安理工大學(xué)學(xué)報，2006，22(3):290－293.ZHOU Xue－ wen，KE Xi－ zheng.A New Variable Step Size LMS Adaptive Filtering Algorithm［J］.Journal of Xi'an University of Technology，2006，22(3):290 －293.(in Chinese)

［3］ Zheng Fanfan，Huang Lianfen，Shi Zhiyuan，et al.Variable Step－size LMS Adaptive Algorithm Based on Computational Verb Rules［C］//Proceedings of 2010 International Conference on Anti－Counterfeiting Security and I-dentification in Communication.Chengdu:IEEE，2010:343－346.

［4］ Bhotto M Z A，Antoniou A.Improved data － selective LMS－Newton adaption algorithms［C］//Proceedings of the 16th Inernational Conference on Digital Signal Processing.Santorini－ Hellas:IEEE，2009:1 －6.

［5］ Jimaa S A，Al－Simiri A，Shubair R M，et al.Convergence evaluation of variable step－size NLMS algorithm in adaptive channel equalization［C］//Proceedings of 2009 IEEE International Symposium on Signal Processing and Information Technology.Ajman:IEEE，2009:145 －150.

［6］ Qi Lin，Zhang Yanhong，Tao Ran，et al.Adaptive filtering in fractional Fourier domain［C］//Proceedings of 2005 IEEE International Symposium on Microwave，Antenna，Propagation and EMC Technologies for Wireless Communications.Beijing:IEEE，2005:1033 －1036.

［7］ 齊林，周麗曉.變換域自適應(yīng)濾波算法的研究［J］.鄭州大學(xué)學(xué)報(理學(xué)版)，2007，39(1):61－66.QI Lin，ZHOU Li－xiao.Study on Transform －domain A-daptive Filtering Algorithm［J］.Journal of Zhengzhou U-niversity，2007，39(1):61－66.(in Chinese)

［8］ Narasimha M J.Block Adaptive Filter With Time－Domain Update Using Three Transforms［J］.IEEE Signal Processing Letters，2007，14(1):51 －53.

［9］ Haykin S.自適應(yīng)濾波器原理［M］.4版.鄭寶玉.北京:電子工業(yè)出版社，2006.Haykin S.Adaptive Filter Theory［M］.4th ed.Translated by ZHENG Bao－ yu.Beijing:Publishing House of E-lectronics Industry，2006.(in Chinese)

［10］ Lu Cui－ hua，Li Guo － lin，Wang Dong － mei.Antinoise Based on Improved Variable Step Size LMS Adaptive Filtering Algorithm［C］//Proceedings of 2010 International Symposium on Image Analysis＆Signal Processing.Taipei:IEEE，2010:82 －84.

［11］ 路翠華，謝鑫，周紅梅.基于零均值特性的改進(jìn)GSVSLMS算法［J］.電訊技術(shù)，2013，53(3):284 －287.LU Cui－ hua，XIE Xin，ZHOU Hong － mei.Improved G－SVSLMS Algorithm Based on Zero Mean Characteristics［J］.Telecommunication Engineering，2013，53(3):284 －287.(in Chinese)