系统分析了LMS算法有偏估计的来源及其影响,并基于Treichler的γ-LMS算法提出了一种改进的无偏估计方法。根据自适应滤波器的最佳逼近原理和各信号矢量的几何关系,利用传统LMS算法获得的信息来估计输入噪声的功率,再通过γ-LMS算法在迭代过程中逐步修正维纳解,去除输入噪声的影响从而得到系统参数的真实估计。该方法无需假设输入与输出噪声功率相等或功率比已知、有用信号是白过程等限制条件。仿真与实际数据处理都验证了该方法的有效性,特别是将其应用于实际管道泄漏检测的被动时延估

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