车内道路噪声有源控制的虚拟参考信号分组构建方法

针对道路噪声有源控制系统参考信号数量较多导致系统运算负担较大，而直接构建的虚拟参考信号与车内目标噪声相干度不高的问题，提出了一种虚拟参考信号的分组构建方法。首先进行整车道路试验，选取4个车轮位置附近采集到的和车内噪声相干性较高的振动加速度信号作为原始信号，基于奇异值分析法确定构建的虚拟参考信号数量。然后基于车轮位置将关联度较高的原始信号分为一组，对每组原始信号通过奇异值分解法构建转换矩阵，分组构建虚拟参考信号。最后搭建基于归一化参考信号滤波最小均方误差（NFXLMS）算法的道路噪声有源控制模型，分析分组构建的虚拟参考信号在降低计算复杂度与降噪效果方面的表现。与原有虚拟参考信号构建方法相比，该方法在降低计算复杂度和提高降噪效果方面均有较大改善，验证了该方法的有效性。     

含冲击的车内道路噪声主动控制系统

针对道路噪声主动控制系统中，冲击噪声引起的鲁棒性问题，提出了一种对冲击噪声的主动控制方法。首先，进行了道路噪声采集试验，选取了4个最佳参考信号位置，并采集了道路冲击噪声的数据。然后，基于多通道自适应滤波算法，提出了归一化多通道自适应滤波算法和符号算法相结合的冲击噪声主动控制算法。其次，基于提出的冲击噪声主动控制算法，搭建了道路噪声主动控制系统仿真模型，使用采集到的冲击噪声信号和加速度信号进行了仿真分析。最后，使用选取的4个加速度信号和1个扬声器，控制驾驶员处的道路噪声，进行了道路冲击噪声主动控制试验，验证了方法的有效性。与原有算法相比，该算法的稳定性和降噪效果得到了较大的提升。     

基于频率选择性滤波的归一化最小均方算法研究

通过对噪声主动控制技术中广泛应用的归一化滤波最小均方算法的分析,提出了基于频率选择性的归一化滤波最小均方算法并建立了该算法在噪声主动控制中的应用模型;在Matlab/Simulink环境中建立了归一化频率选择性最小均方算法的仿真模型,通过合理地选取自适应滤波器的结构、滤波器长度、收敛因子等控制参数,对单频噪声信号和窄带随机噪声信号进行了自适应抵消仿真分析。仿真结果表明,噪声信号抵消效果明显,与理论分析的结论一致,证明该算法准确并且有效。     

车内噪声主动控制系统次级声源布置分析

为了有效提升车内噪声主动控制系统的效果,研究次级声源设备布置对降噪效果的影响。运用ANSYS软件对驾驶室模型进行声学仿真分析,得出其各阶声模态图以及声频率为230 Hz时驾驶室内的声压云图;搭建了以滤波x最小均方(filtered x Least mean square, FxLMS)算法为基础的自适应噪声主动控制试验平台,将仿真结果与实车环境结合,对比分析了不同设备布置下的降噪效果。试验结果表明,不同的设备布置对噪声降低值、效果稳定性等有着显著影响,并得出了4种布置方式中降噪效果最佳的方案,实现最大15 dB的降噪幅值。研究结论可为实车主动降噪系统中次级声源的布置提供参考。     

一种变步长符号梯度脉冲噪声对消算法

针对最小均方误差(least mean square,LMS)自适应噪声对消器在脉冲噪声干扰条件下实现噪声对消失效的问题,提出了一种变步长符号梯度最小均方误差(variable step size sign LMS,VSSLMS)脉冲噪声对消算法?VSSLMS算法利用符号函数对误差信号?参考噪声信号取符号运算构成符号梯度? 符号算子的量化操作可以抑制脉冲噪声对自适应算法的影响,为进一步提高VSSLMS脉冲噪声对消性能,采用误差功率归一化准则设计步长控制函数,给出了一种变步长算法,该算法能减小由于符号算子引入的量化误差对收敛速度和收敛精度的影响?利用计算机仿真把提出的VSSLMS脉冲噪声对消算法与改进的归一化LMP算法(MNLMP)进行了比较,结果表明,VSSLMS算法具有更快的收敛速度,同时具有与MNLMP算法相近的稳态剩余误差?因此,VSSLMS算法在脉冲噪声对消中具有实际应用价值?     

基于加权递推最小二乘法的微硬盘伺服信号滤波

针对微硬盘伺服信号的滤波问题,采用了一种加权递推最小二乘法.该算法使用最小二乘加权时间平均准则取代通常的最小均方误差准则,并利用该准则导出权向量的自适应迭代公式,算法保证在每步迭代运算中权值都能调整到最佳,同时降低了权值调整量对噪声的敏感程度.实验结果表明:该算法滤波效果好、抗噪能力强、稳态收敛精度高和收敛速度快,适用于诸如微硬盘驱动器之类对收敛速度及消噪要求较高的场合.     

自适应非线性FIR主动噪声控制

针对非线性主动噪声控制系统的非高斯噪声问题,利用Hammerstein/Wiener模型思想简化Volterra滤波器,提出基于函数映射的非线性FIR主动噪声控制器.给出基于二阶Renyi误差熵和均方误差加权和的广义滤波-X梯度下降算法,实现自适应非线性主动噪声控制,并分析了控制算法的收敛性.该方法综合了信息熵和均方误差对误差信息的优势,结构简单且学习参数少.仿真结果表明了该方法的有效性.     

声纳探测信号自适应脉冲噪声对消算法

针对浅海环境噪声严重影响声纳探测信号检测性能的问题,提出了一种非线性变换的自适应脉冲噪声对消算法。算法首先对回波信号和参考通道噪声信号同时进行非线性变换,对脉冲噪声进行软阈值滤波,在此基础上,采用最小均方误差算法实现自适应噪声对消,可获得稳健的收敛性能。α-稳定分布脉冲噪声条件下的仿真和某次实验中的声纳探测回波信号处理证明了算法的有效性。     

自适应噪声消除算法的性能比较与仿真

在信号处理中,噪声往往是非平稳和随时间变化的,传统方法很难解决噪声背景中的信号提取问题.通过对自适应噪声消除原理的研究,介绍了基于参考信号和基于预测原理的两种自适应噪声消除(ANC,Adaptive Noise Cancellation)方法,分析对比了基于最小均方(S,Least Mean Squares)、递推最小二乘(RLS,Recursive Least Squares)和平方根自适应滤波(QR_RLS,recursive least squares based on QR decomposition)三种噪声消除算法的性能.仿真结果表明:这几种算法都能从高背景噪声中有效地抑制干扰提取出有用信号,显示出了良好的收敛性能.相比之下,RLS算法和QR_RLS算法呈现出更快的收敛速度、更强的稳定性和抑噪能力.     

基于多通道噪声消除的两级主动噪声控制算法研究

提出在传统的自适应降噪算法的基础上进行改进,发展为两级主动噪声控制( T-ANC)算法,将纯净信号作为参考信号。第一级滤波器的输出是近似的算法输入噪声,将其作为第二级滤波器的参考信号,从而在第二级滤波结束后,得到复原的纯净信号。仿真实验表明,本文提出的算法,有效的弥补了传统的主动噪声控制算法中噪声相关信号作为参考通道难以获取的情况,取得了较高的信噪比增量和降噪量,主观感受音质改善明显。     

改进的小波分解LMS算法在非线性系统辨识中的应用

对基于小波变换的自适应滤波技术中较为先进的D-LMS（Decomposition Least Mean Square）算法进行改进,推导出一种变步长D-LMS算法。通过建立非线性系统模型,在基于MATLAB的仿真实验中,分别得出原D-LMS算法和改进算法的系统辨识图形和数据。结果表明,两种小波分解自适应算法都能够很好的对非线性系统进行辨识,而改进的变步长D-LMS算法的收敛速度及跟踪速度更快,稳态误调噪声较小,即辨识结果更加精确。     

基于发动机激励的车室内有源噪声控制方法

在汽车行驶过程中,发动机激励引起的车腔内噪声由于速度、档位、温度等变化,导致对依赖次级路径建模的传统LMS、BP等噪声主动控制算法不能实现精准控制。而常规的同步扰动随机逼近算法存在需要估计较多的参数、系统收敛速度较慢等缺陷。因此提出改进的同步扰动随机逼近算法应用在由发动机激励产生的车内噪声主动控制系统中,根据某车型实车实验采集相关数据并处理,利用声学仿真软件对多转速多工况下的整车结构-车室空腔声场结构声耦合系统进行发动机激励振动分析。通过仿真可以看出改进后的同步扰动随机逼近算法可以快速稳定地收敛,实现车内噪声的稳定控制。     

基于DFP的二阶Volterra滤波器及其在混沌序列预测中的应用

为克服应用Least Mean Square（LMS）,Normalized LMS（NLMS）或Recursive Least Square（RLS）算法估计二阶Volterra滤波器系数时参数选择不当引起的问题,提出了基于后验误差假设并具有可变收敛因子的Davidon-Fletcher-Powell（DFP）方法的二阶Volterra自适应滤波器（DFPSOVF）．给出参数估计算法中自相关逆矩阵估计的递归更新公式,并对算法的计算复杂度进行了分析．应用DFPSOVF滤波器对纯净和不同信噪比下的Lorenz混沌时间序列以及实际采集的具有混沌特性的温度时间序列进行单步预测,仿真表明其能够保证算法的稳定性和收敛性,不存在LMS算法和NLMS算法的发散问题．     

线性调频信号增强的自适应滤波算法研究

在对基本 LMS算法进行修改的基础上 ,提出了基于高阶累积量极性 -动量迭代的自适应线性调频 ( Linear Frequency Modulation,LFM)信号增强新算法。该算法有抑制高斯噪声效果好 ,计算量小 ,收敛快且输出信号平稳等特点。仿真结果证实了该算法的有效性和可靠性。因此 ,具有较强的实用性和较好的应用前景。     

基于变步长最小均方误差自适应滤波器的变压器机器鱼避障时延仿真

为了解决变压器机器鱼避障过程中时延信息难以准确估计的问题,提出一种基于变步长LMS（最小均方误差）自适应滤波器的时延估计方法。不同于传统的互相关时延估计算法,变步长LMS自适应滤波器算法不需要信号和噪声的统计先验知识,具有更好的适用性。算法根据最小均方误差准则和最速下降法对滤波器的输出和权系数向量进行自适应调节,迭代过程中采用变步长代替传统的固定步长提高了收敛速度,然后对权系数向量进行Sinc函数插值获得时延估计结果。仿真分析了不同信噪比条件的时延估计性能,并且与传统互相关算法进行了比较,结果表明所提算法相对于传统互相关算法具有更好的抗噪性和更明显的时延估计峰值。     

基于FPGA的车辆振动信号提取方法

为了从车辆复杂噪声背景中实时提取陀螺仪的有效振动信号,在分析弱信号特征提取方法的基础上,针对自适应滤波算法处理相关信号时收敛速度降低的缺点,提出一种适用于FPGA(Field Programmable Gata Array)的自适应步长LMS(Least Mean Square)算法.该算法通过建立步长和误差信号相关值...     

均方偏差分析的多态可变步长LMS算法

最小均方（least mean square,LMS）算法在时变信道的最小稳态均方偏差（mean square deviation,MSD）由输入功率、噪声功率、随机扰动信号功率以及滤波器长度共同决定。为达到系统中最小的MSD值,传统的LMS算法存在有迭代次数较多和收敛速度慢等问题,提出了一种多态可变步长最小均方（multi-state variable step size least mean square,MVSS-LMS）算法。该算法通过添加暂态递减步长作为过渡,实现以更快的收敛速度达到系统中最小的MSD值。理论分析与仿真结果表明,与目前最新的Prob-LMS算法相比,所提算法在时变信道以及突变信道都具有更快的收敛速度和更低的MSD值,且算法的复杂度更低。     

OFDM系统一种基于LMMSE信道估计的改进算法

线性最小均方误差(LMMSE)是OFDM系统中常用的一种信道估计算法。LMMSE信道估计需要无线信道的统计信息,在实际应用中很难实现。针对上述问题,本文提出了一种利用滑动窗口法改进的LMMSE算法。该算法利用最小平方(LS)估计结果通过滑动窗口获得计算所需的参数,与LMMSE算法相比,该算法计算相对容易,更加实用。在对估算精度要求不太高的场合,本文算法更具优势。仿真结果显示,本文算法的误码率性能接近理想条件时等价线性最小均方误差(ELMMSE)算法。     

一种基于视觉加权处理的图像质量评价方法

本文提出了一种新的图像质量客观评价方法－－视觉加权均方误差（ＷＭＳＥ）,该方法以归一化均方误差为基础,结合人眼视觉特性,采用子带分割和视觉加权等处理方法,使评价结果与ＣＣＩＲ５００标准的主观评价相吻合,实现了主观评价客观化的目标,对加噪后的降质图像进行实验的结果表明,该方法是有效的,可靠的,且易于实现。     

动态数据系统(DDS)建模方法的改进

本文概述了原DDS建模方法的缺点,叙述了改进的途径,推导了改进的算法,给出了改进部分的详细框图。首先用长自回归拟合数据直到残差为白噪声,如AR模型阶不高,则认定为AR模型。否则,利用数据和残差,线性估计ARMA模型参数。增阶和降阶时,Yule—Wolker方程系数阵和模型参数都可递推求得。初估ARMA模型后,用非线性最小二乘法来优化参数。通过二个实例计算表明,经改进的方法可以节省66％的机时,效果是明显的。