基于次级通路离线重构的车内道路噪声主动控制

针对车内道路噪声主动控制(RNC)系统收敛速度慢、降噪量小的问题,在考虑噪声计权特性的基础上提出基于次级通路离线重构的归一化参考信号计权滤波最小均方误差(NFWXLMS)车内道路噪声主动控制算法。在不增加控制系统计算复杂度的前提下,可以有效提升车内道路噪声主动控制系统的收敛速度和降噪量。基于Simulink离线仿真,进行了NFWXLMS算法和归一化参考信号滤波最小均方误差(NFXLMS)算法的收敛性和降噪量对比,结果表明新算法可以有效改善道路噪声主动控制系统收敛性、提升系统降噪量。最后,开展基于2种算法的道路噪声主动控制实车道路试验,测试结果表明系统的降噪量得到明显提升。     

频域LMS 算法在语音消噪中的应用

推导了一种替代时域 LMS算法的快速频域算法 ( FLMS) ,计算机仿真的结果表明 :它在自适应滤波器权数超过 64时 ,运算量较时域 LMS算法有大幅度的下降 ,但保持了与时域 LMS算法相同的收敛速度。同时对算法的局限性和应用范围进行了讨论。     

基于一维多谐频声源的主动噪声控制算法研究及实现

本文就普遍存在于冷气机、冷却塔、抽油烟机、排风机及空调口的一维多谐频声源运用主动噪声控制技术（ANC）进行实时消声。针对声源特性、通道传递函数非线性和控制系统的稳定性、运算量和收敛速度采用自适应滤波算法FX—LMS算法对声源进行降噪,并用MATLAB软件仿真,试验表明该控制系统能将主动噪声消除技术应用在开放式空间,并有实时性消声的特性。     

一种改进的深度网络残差学习的图像降噪方法

近年来,基于深度卷积神经网络的学习方法在图像降噪方面取得了前所未有的成果,通过调整网络结构和参数来获取更好的图像降噪效果已成为研究热点.降噪卷积神经网络在深度神经网络中采用残差学习方法,在提高降噪效果的同时,在一定程度上解决了盲降噪问题.其不足之处在于算法收敛时间长.该文针对降噪卷积神经网络结构做了进一步的改进,提出了一种基于反卷积降噪神经网络的图像降噪算法.该文工作的主要特色如下：1) 在原有的网络结构中,引入反卷积神经网络,优化了残差学习方式;2) 提出一种新的损失函数计算方法.使用BSD68和SET12测试数据集对本文提出的方法进行验证,实验结果表明,该文算法的降噪性能与降噪卷积神经网络算法相比,在相同降噪效果情形下,该文算法的收敛时间缩短了120%～138%.同时,与传统的深度学习图像降噪算法比较,该文方法的降噪效果和运行效率也都有提高.     

随机梯度估值在盲均衡算法中的影响

利用代价函数求梯度值,再利用梯度值进行迭代是一种最速下降法,在各种盲均衡算法中广泛使用,其收敛速度较快,收敛误差较小,但未考虑信道中随机多变的噪声对其产生的影响.该文引入随机梯度估值,在梯度向量中加入噪声成分,结合梯度估值引起的权偏差相关系数,分析其对盲均衡算法的影响.理论研究和仿真结果表明,随机梯度估值引起权值偏差,影响着算法的收敛速度和剩余误差.     

全局模拟掺铒光纤放大器的新算法

基于Giles模型,考虑了自发辐射噪声的影响,改进算法对掺铒光纤放大器(EDFA)进行了全局的数值模拟,提高了算法的收敛速度.分析并讨论了各种不同泵浦方式下EDFA的传输性能.     

基于小波分析的车载平台振动信号降噪处理

针对工程实验中采集的车载平台振动信号受到采集设备和环境干扰的问题,提出了一种针对趋势项噪声和随机噪声的小波阈值降噪算法.首先针对现有阈值函数的不足,构造出新的阈值函数;然后根据振源和噪声信息,设计了仿真模型以及针对车载平台振动信号的算法流程.仿真结果表明,与其他降噪算法相比,该算法对降噪指标SNR和RMSE都有所改善.对实验测得的振动信号进行了降噪处理,结果表明,该算法在处理趋势项噪声和随机噪声方面具有一定的优越性.     

一类线性系统卡尔曼滤波器自适应算法

为了解决实际线性系统中系统噪声方差和观测噪声方差未知的问题,提出了一种新的卡尔曼滤波自适应算法,利用新息序列的方差, 可以在系统的自身计算过程中逐步估计并校正系统噪声方差和观测噪声方差.系统模拟显示,估计的系统噪声方差和观测噪声方差均收敛于实际的系统噪声方差和观测噪声方差,而且收敛速度比传统卡尔曼滤波要快.     

脉冲噪声环境下基于最大相关熵准则的仿射投影算法

在许多工程技术应用中,噪声常呈现较强的冲激性,在数学上可用稳定分布模型来表示.常规的自适应滤波算法对于稳定分布噪声的鲁棒性较差.最大相关熵准则的提出,可以有效地改善在稳定分布噪声条件下自适应滤波算法的性能.以对称α稳定分布噪声为脉冲噪声模型,使用最大相关熵准则作为代价函数,提出基于最大相关熵准则的仿射投影算法,将前一次迭代的计算误差作为自变量代入相关熵函数中,使得改进后的仿射投影算法在脉冲噪声环境下取得良好的收敛效果,并通过实验证明了新算法在强脉冲噪声以及广义信噪比较低的情况下有较快的收敛速度和较好的收敛性能.     

改进的独立分量分析算法

对独立分量分析算法的基本理论和FastICA算法进行了简要介绍.传统的FastICA算法只具有二阶的收敛速度,为了提高独立分量分析算法的收敛速度,减少迭代次数和运行时间,提出了一种改进的独立分量分析算法——五阶收敛的牛顿迭代法.对牛顿迭代算法加以修正,使改进的独立分量分析算法具有五阶的收敛速度.图像信号分离仿真实验表明,改进算法与传统的FastICA算法在分离效果相当的情况下,明显减少了传统的FastICA算法的迭代次数和运行时间,提高了收敛速度和运行效率.     

空间声场的自适应有源噪声控制

自适应有源噪声控制技术（AANC）以其独特的优点,受到噪声控制界的高度重视,为低频噪声的控制开辟了一条崭新的途径．以此AANC技术为基础,结合模型参考自适应中的信号综合型MRAS超稳定设计方法及其简化工程设计方法,提出了一种自适应降噪装置的实施方案,并通过计算机仿真及硬件实验,取得了明显的消声效果．     

冰箱压缩机室噪声主动控制技术研究

在分析了冰箱压缩机室噪声与振动特性之后，对其声场规范化后的辐射噪声实施了主动控制技术措施，使平均噪声级降低了６．６０ｄＢ，其中峰值频率噪声降低１５ｄＢ，这一结果表明，文中提出的误差通道半在线识别方法及特点定加速度振动作为自适应噪声主动控制系统的参考信号的方法是可行的，实验表明，基于ＡＡＮＣ系统收敛后的ＦＩＲ滤波器系数而进行的开环控制技术策略，对于冰箱压缩机室噪声的主动控制是一种行之有效的技术途径。     

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?     

一种基于混合遗传算法的有源噪声控制方法

提出了一种基于混合遗传算法的格型IIR滤波器结构的有源噪声控制方法.混合遗传算法将遗传算法与随机搜索算法结合起来,可以改善基本遗传算法的局部搜索能力,克服基本遗传算法存在未成熟收敛问题.本文选择UNDX交叉算子作为遗传算法的主要算子,在保留当前最佳个体的同时,再对该最佳个体用随机搜索法搜索优化个体.这样既保证了算法的全局收敛性,又提高了收敛速度.仿真结果表明,该算法可以有效地实现噪声控制.     

适用于强化学习惯性环境的分数阶改进OU噪声

本文将DDPG算法中使用的Ornstein-Uhlenbeck (OU)噪声整数阶微分模型推广为分数阶OU噪声模型，使得噪声的产生不仅和前一步的噪声有关而且和前K步产生的噪声都有关联.通过在gym惯性环境下对比基于分数阶OU噪声的DDPG和TD3算法和原始的DDPG和TD3算法，我们发现基于分数阶微积分的OU噪声相比于原始的OU噪声能在更大范围内震荡，使用分数阶OU噪声的算法在惯性环境下具有更好的探索能力，收敛得更快.     

局部空间自适应有源降噪系统的实验研究

针对在前人所做的有源降噪的程序设计中,对误差通道传递函数估计为1的不合理性,讨论了局部空间自适应有源降噪控制系统误差通道的在线自适应建模,给出了误差通道在线自适应建模的原理、实现方法及应用程序的设计,实验证明,采用这种方法,能明显改善系统的稳定性,提高降噪效果。     

新的变步长归一化最小均方算法

为了解决最小均方 (L east Mean Square,L MS)算法收敛速度和稳态误差之间的矛盾 ,提出了一种新的变步长归一化 (Norm alized) L MS(NL MS)算法。这种算法根据滤波器系数的梯度计算新的步长。当算法尚未收敛时 ,使用较大的步长 ;随着收敛程度的加深 ,逐渐减小步长。试验显示了该算法具有很好的收敛性能和跟踪性能。与其它的变步长L MS算法相比 ,该算法在标准 NL MS算法基础上增加的运算量和存储量都很少且与阶数无关 ;而且该算法的参数受观测噪声的影响很小 ,在观测噪声强度发生变化的情况下不需要重新调整参数 ,仍然可以保持很好的收敛性能     

基于附加噪声预测器UKF的摄像机标定算法

由于环境等因素影响摄像机拍摄过程中存在可变噪声,针对传统无迹卡尔曼滤波(unscented Kalman filter,UKF)算法无法处理未知噪声的问题,设计了一种基于附加噪声预测器UKF的摄像机标定算法.首先,对传统UKF算法进行改进,引入噪声估计器并用极大后验估计求取次优解,解决未知可变情况下的噪声问题.然后,利用该改进UKF算法对摄像机进行标定,实现了标定精度的有效提高.实验结果显示该算法在有效保证滤波收敛性的同时,显著提高了滤波和摄像机的标定精度,由此推断基于附加噪声预测器UKF的摄像机标定算法是可行高效的.