基于经验模态分解的子带自适应声学回声消除算法

在语音通信中,声学回声消除技术用于消除扬声器与麦克风之间耦合产生的回声干扰.在声学回声抵消系统的实现过程中,可以通过子带技术来提高系统的性能,并减小算法本身的运算量.常见的子带算法多是基于组合滤波器、小波变换实现的.本文基于经验模态分解提出一种新的自适应回声消除算法EMD-APNLMS,它克服了基于组合滤波器算法收敛慢的缺点以及基于小波变换算法需要选择小波基的问题.计算机仿真结果表明,该算法实现了回声的消除,收敛速率较快,非常适用回声这种非平稳信号的处理.     

应用于CDMA系统的迭代DOA估计算法

提出一种应用于CDMA系统的高分辨率迭代DOA估计算法,这种算法利用迭代逐步从空间谱中移出被检测出的信号,然后从残留空间谱进一步搜寻信号.算法对信号的相关性没有做任何假设,所以在相干多径环境中不需要进行运算量很大的特征值分解或空间平滑.实验证明这种方法的性能优于MUSIC算法或MVM算法.     

多分量微弱LFM信号的检测

提出了一种基于分数阶傅里叶变换的多分量微弱LFM信号的检测方法.首先利用分数阶Fourier域的LMS自适应滤波算法,改善了LMS算法对LFM信号的处理效果.在此基础上,提出了分数阶Fourier域的自适应谱线增强器(ALE)算法,提高了对多分量微弱LFM信号的检测性能,并将分数阶Fourier变换的移动算法应用于谱线增强器,减少了运算量.     

强噪声下小波包自适应算法的研究

低信噪比下信号检测一直备受关注.已有的方法多集中于FFT变换和自适应滤波算法的结合,尤其是变步长因子的改进上.随着小波、小波包的时频分析能力和变分辨特性日趋完善,小波逐渐成为信号处理的首选.本文算法先把信号小波包分解,然后自适应滤波运用于分解后的每个子波,最后小波包信号重构,并以罗兰-C信号为例验证其有效性.     

一种基于GSC框架波束域快速稳健自适应波束形成算法

GSC框架是自适应波束形成降秩算法的统一模型,一般通过构造降秩矩阵来降低算法的运算量,但是降秩矩阵大多通过特征分解来获得,给算法带来了大量额外的运算量。针对此问题,提出了一种波束域的快速稳健自适应波束形成算法,通过转换矩阵将输入信号从高维度的阵元域转换到低维度的波束域,然后在波束域运用子空间类算法,用信号子空间来构造阻塞矩阵、降秩矩阵和映射矩阵,既降低了计算量,又解决了基于GSC框架的自适应算法在信噪比较高时由于期望信号相消导致性能严重下降的问题。仿真结果证明了提出的算法有很好的波束形成性能,验证了算法的有效性。     

基于NLMS的AEDA声源估计优化算法

针对传统的自适应特征值分解(AEDA)的延估计算法收敛时间慢的问题,提出一种改进的AEDA自适应算法,该方法将归一化最小均方法与AEDA相结合,加快了收敛速度,使其可应用于信号的实时处理.实验结果证明,在真实声场中,该算法能够用于声源定位.     

一维稳态问题的快速直接Legendre谱τ方法

以一维Helmholtz方程为背景，运用反向递推法和奇偶分解法建立了Legendre谱τ方法的快速算法，其运算量仅为O(N)．Dirichlet、Newman边界问题的数值结果显示了算法的有效性．     

基于特征结构提取的盲自适应波束形成算法

在所有盲自适应波束形成算法中,ＳＣＯＲＥ无疑是一种出色的算法,然后,求解过程中所需进行的奇异值分解而导致的巨大运算量令人无法忍受。本文把它归结为一类特征结构的提取问题,提出了一个合适的代价函数,通过对代价函数取极小可以提取所需要的最大特征值,从而将运算量大大降低,计算机仿真验证了这种方法的正确性。     

Root-MUSIC，PM，MUSIC算法的比较

对测向算法（DOA）中的2种降低运算量的算法,即求根的MUSIC算法（Root-MUSIC）和传播算子算法（PM）,与多重信号分集算法（MUSIC）进行比较,并对两者降低运算量的作用进行了有效性分析和验证.Root-MUSIC算法通过求根降低运算量,PM通过矩阵乘法代替矩阵分解降低运算量.仿真结果表明,在阵元数较少时Root-MUSIC是最有效的算法,否则PM算法更为有效.     

二维快速子空间DOA估计算法

提出一种二维快速子空间DOA估计算法,该算法利用阵列协方差矩阵的一个子矩阵得到降维的信号子空间,不需估计整个阵列的协方差矩阵,也不需进行特征值分解,从而使得该方法具有运算量小、复杂度低和易于实时处理的特点,因而可以应用在小数据样本和快速时变的信号环境中.理论分析和计算机仿真结果表明:与MUSIC算法相比,该算法运算量最多为MUSIC算法的1/4,低信噪比条件下DOA估计性能损失并不大,当信噪比大于5dB时,性能与MUSIC算法相当.     

一种基于特征子空间扩展的自适应波束保形方法

基于特征空间(ESB)自适应波束形成算法，提出了一种扩展信号子空间的自适应波束保形方法(SESB)，该方法通过扩展信号子空间、舍弃噪声子空间，克服了当干扰信号和期望信号同时存在时，期望信号大范围的变化造成波束畸变这一缺陷，计算机仿真和分析证明该方法运算量小，具有良好的波束保形能力和稳健性。     

线性自适应滤波算法综述

分析了最小均方误差滤波和基于最小二乘准则滤波算法、变换域自适应滤波算法、仿射投影算法、共轭梯度算法、基于子带分解的自适应滤波算法、基于QR分解的自适应滤波算法优缺点,并对自适应滤波算法的发展进行了展望。     

改进的自适应小波变换在信号去噪中的应用

讨论了传统的LNS在信号处理中的不足。基于离散小波变换提出一种自适应去噪方法。该方法利用多分辨率分析理论，把信号和噪声分解在不同的频率范围之内，使信号和噪声的频谱得到简化，从而减少了自适应滤波器的级数，使输入自相关矩阵阶数降低。仿真结果表明，与传统的LMS算法相比，WLNS算法的收敛速度和稳定性得到了显著的提高。     

基于自适应形态小波的轧机电气信号压缩方法

针对非线性、非平稳信号的数据压缩问题,提出了一种基于自适应形态小波的轧机电气信号压缩方法.结合电气信号的形态特征,采用中值算子作为形态小波的更新算子对信号进行分解,从而实现根据信号的局部形态特征,自适应地调整形态小波分解的更新算子.工业现场实际轧机电气信号的数据压缩实验证明:利用这种形态小波信号压缩方法,可以获得高压缩比的信号,并能保留信号的形态特征;同时,这种形态小波信号压缩方法运算量小,可以应用到实时性要求较高的在线监测系统中.     

基于小波包变换的自适应多用户检测

在分析传统自适应多用户检测的基础上，提出了一种基于小波包变换的自适应多用户检测算法．该算法用小波包变换进行前处理，然后再通过最小均方(LMS)算法实现自适应多用户检测．与通常的自适应多用户检测算法相比，该算法利用了小波包变换对小波空间进行分解，信号经小波包变换后自相关性会下降，收敛速度提高．同时在此分解过程中，根据信号与白噪声小波包变换完全不同的特性进行信号消噪．理论分析和仿真结果表明，该算法与传统LMS自适应多用户检测算法和基于小波变换的自适应多用户检测算法相比，算法收敛速度更快，且计算量较少，易于实时实现，还具有良好性能．同时仿真结果表明该算法收敛速度与小波基和分解级数的选择有关，分解级数越大，收敛速度越快；对于同一小波基系列，小波基正则性越好收敛速度越快。     

改进的LMS算法及其在雷达干扰对消系统中的应用

为提高雷达系统在复杂电磁环境下的抗干扰能力，对雷达干扰对消系统及其自适应滤波算法进行了分析,给出了一种改进的变步长LMS自适应滤波算法。该算法利用类Sigmoid函数去调节步长,减少了运算量,并在类Sigmoid函数中利用误差信号的自相关值调整步长,从而解决了算法较快的收敛速度与较小的稳态误差之间的矛盾,并且降低了算法对输入噪声的敏感性。将该算法应用到自适应干扰对消系统中进行了计算机仿真验证,计算机仿真结果与理论分析一致,表明了该算法具有一定的可行性和优越性。     

自适应均衡算法的研究进展

简述了能补偿或减小现代通信系统中的码间干扰问题的自适应均衡算法的基本原理及其特点．介绍了最小均方误差算法、递归最小二乘算法等几类主要的自适应均衡算法,并阐述了近年来出现的主要的自适应均衡算法的原理,对误码率、收敛速度、运算量及稳态误差等评价指标进行了分析．结合分析结果和自适应均衡算法的实际应用前景,探讨了这一领域需要进行进一步研究的问题,并对今后的研究进行了展望．     

多载波水声通信的频域判决反馈均衡算法

针对多载波调制(MCM)传统频域均衡算法对水声信道变化跟踪能力差的缺点.提出了一种基于判决反馈结构的频域自适应均衡算法.并在此基础上对新算法的运算量进行了分析,针对新算法运算量大的问题,对其进行了简化.在信道不变和信道时变情况下分别对算法进行了仿真验证,结果表明,在具有较高信噪比的情况下,新的均衡算法较传统算法能更有效地跟踪信道变化,并且具有更好的误码率性能,同时简化的算法能在保证误码率性能损失不大的基础上,大大减少运算量.具有较高的应用价值.     

有源结构声辐射自适应控制系统的一种新算法

提出了一种适用于有源结构声辐射自适应控制系统的新算法,它直接利用传感器拾取的干扰信号和误差信号实时地建立系统模型和误差通道模型,通过解Ｄｉｏｐｈａｎｔｉｎｅ方程得到自适应控制模型,仿真表明新算法较传统的Ｆｉｌｔｅ－ＸＬＭＳ等算法具有更好的收敛性。     

自适应有源噪声控制算法的研究与实现

FLMS(滤波-XLMS)算法是广泛应用于自适应有源噪声控制技术中的算法,针对该算法收敛速度较慢的缺点,提出一种改进的FLMS算法--FTLMS算法来提高降噪系统的收敛速度.着重讨论了FTLMS算法的原理、实现方法和程序设计.理论分析表明,FTLMS算法具有运算量小,收敛速度快和适应于各种噪声环境的优点.实验结果表明FTLMS算法优于FLMS算法,同时降噪效果也有明显提高.