杨 坡，刘铸华

(中国船舶重工集团公司第七二三研究所，江苏 扬州 225001)

一种改进的归一化LMS算法

杨 坡，刘铸华

(中国船舶重工集团公司第七二三研究所，江苏 扬州 225001)

传统的归一化最小二乘(LMS)算法可以解决算法收敛速度和采样信号收敛误差之间的矛盾。通过对收敛步长的归一化处理，从而减小收敛过程的稳态误差。但是，这种算法却将收敛的步长变为固定，不利于算法的快速收敛。为此，提出一种改进的归一化LMS算法，将Sigmoid 函数变步长最小均方(SVSLMS)算法与归一化LMS算法结合，提高了归一化LMS算法的收敛速度。仿真结果表明，该算法性能较之归一化LMS算法、SVSLMS算法和普通LMS算法均更优异。

归一化最小二乘算法；Sigmoid 函数变步长最小均方算法；收敛速度

0 引 言

传统的最小二乘(LMS)算法因为良好的自适应性能而被广泛应用于雷达通信领域。然而，普通的LMS算法存在着收敛后稳态误差和收敛速度之间的矛盾[1]。当采用的算法收敛步长因子较大时，能加快收敛速度，但是稳态误差却也同时变大；反之，能带来较低的收敛速度和较小的稳态误差[2-3]。但是，系统应用往往需要较快的收敛速度的同时有着较小的稳态误差。归一化的LMS算法通过将收敛步长因子对信号功率归一化，从而解决了收敛速度和稳态误差这对矛盾。但是此时，归一化后的步长因子为固定的，不利于更好地对收敛进行加速。下面，将Sigmoid 函数变步长最小均方(SVSLMS)算法与归一化的LMS算法[4]进行结合，从而对归一化的LMS算法进行快速收敛优化。……