低信噪比环境下基于γ-LMS算法的修正无偏自适应时延估计方法

当环境信噪比低于某一阈值,由输入噪声引入的有偏维纳解使最小均方(LMS)自适应时延估计器的错误时延估计概率陡然增加。系统分析了LMS自适应算法有偏估计的噪声来源及有偏时延估计器的性能,并基于Treichler的γ-LMS算法提出了一种修正无偏自适应时延估计方法。该方法利用传统LMS自适应滤波器可以获得的信息估计输入噪声功率,然后根据γ-LMS算法的思想在迭代过程中引入一个修正因子,逐步去除输入噪声的影响,无需假设输入与输出噪声功率相等或功率比已知、有用信号应为白过程等限制条件。自适应时延估计的仿真实验与供水管道泄漏检测定位中的实际数据处理都验证了该方法的有效性。