一种基于小波变换的流体压力信号消噪方法

针对液压设备运行中的某些过程参数无法或难以直接用传感器或过程检测仪表进行测量的问题,本文介绍了一种将小波分解与自适应滤波相结合的流体压力信号消噪方法,并详细阐述了小波自适应滤波法的原理和操作方法,最后通过消噪仿真实验,验证了小波自适应滤波法在流体压力信号消噪中的有效性和优越性。该方法弥补了传统傅里叶变换在处理非平稳信号时的不足,进一步丰富了非平稳信号的信息处理技术手段,为提高测量结果的可靠性打下了基础。     

基于空间增强和谱减法的语音识别系统

为了解决连续语音识别在自然环境中噪声估计高误差、去除噪声和语言失真不能良好平衡、导致关键词识别率低下的问题,提出了一种全新的自动语音识别系统(ASR).本系统将双通道含噪语音信号通过空间增强模块进行噪声提取,通过均衡考虑语音信号和参考噪声输入谱减法模块进行去噪与语音失真的噪声去除和信号放大,最后进入基于隐马尔科夫模型(HMM)的自适应语音信号识别模块进行识别处理.实验显示,本系统可有效减少运算负载、提高关键词识别率.     

基于凸组合的麦克风阵列自适应语音增强方法研究

广义旁瓣相消器是应用极为广泛的麦克风阵列语音增强方法,对含高斯噪声的语音信号降噪效果较明显。然而,当语音信号中混有脉冲噪声时,利用此方法进行降噪处理所得增强后的语音信号可识别性明显变差。为改善含脉冲噪声语音信号的降噪效果,本文提出一种基于凸组合的麦克风阵列自适应语音增强方法。该方法利用由线性滤波和非线性样条滤波构成的凸组合滤波器替换单一的线性自适应滤波器,并用最大相关熵准则更新凸组合滤波器的权值和非线性样条滤波中的控制点因子。结果表明：所提语音增强方法能有效滤除语音信号中存在的高斯噪声和脉冲噪声,语音增强效果极其明显。     

利用循环相关特征的自适应模糊调制分类

针对非平稳数字调制信号,提出一种高阶正交循环累量特征,具有“屏蔽”干扰和噪声的特性. 采用模糊神经网络非线性动态建模的调制识别器,根据特征训练样本的大致分布状况建立蕴涵初始经验的模糊推理系统结构,再嵌入神经网络的结构和自适应学习算法对模糊系统参数进行调整和优化,完成模糊神经网络模型的逼近求精. 对MASK, MPSK, MFSK, MQAM 等信号进行仿真实验,结果表明系统在信噪比等环境参数变化较大的情况下适应性和容错性良好. 相对于神经网络等识别器,具有初始经验的系统结构更明确,建模周期较短,算法识别率和效率有明显提高.     

精车工件表面粗糙度预测系统的开发

开发精车工件表面粗糙度预测系统.应用模糊自适应BP算法建立工件表面粗糙度与其影响因素之间的关系模型;依据给定的数据样本对模型进行训练,将训练好的网络用于实际的工件表面粗糙度预测;采用VB和MatLab语言相结合的方法开发系统,实现数据采集和神经网络预测功能.实验结果表明,利用该系统进行工件表面的粗糙度预测是切实可行的.     

光纤陀螺自适应阈值滤波新方法

通过Lipschitz指数分析不同分解尺度上信号与噪声对应的小波系数变化情况和光纤陀螺输出信号模型,研究了一种新的基于离散小波变换的自适应滤波方法. 该方法可根据光纤陀螺输出信号的能级自动调整小波系数在不同尺度上的阈值. 构造了一种新的阈值函数,用一个多项式来削弱低于阈值的小波系数,能最大限度地保留真实信息. 与软硬阈值函数相比,对于不同信噪比的信号均表现出较好的性能. 仿真实验表明,与传统固定阈值滤波相比,新算法能更好地去除噪声,改进光纤陀螺的零偏稳定性和随机游走等技术指标.     

自适应FSK解调方法

提出了一种基于自适应滤波算法的解调频移键控信号的方法－－自适应解调方法，文中以常用的最小均方误差自适应算法为例，讨论ＡＤＥＭ对低速数据ＦＳＫ信号的解调过程及其性能。实验结果表明，ＡＤＥＭ具有抗干扰性强，输出响应快，便于用数字信号处理技术实现等特点，并且易于推广应用。     

识别LSB和USB的门限自适应算法

基于语音谱的统计特性提出了一种从模拟话音SSB信号中自动识别出LSB或USB调制方式的算法.该算法简单,计算量小,非常适合用DSP来实时实现;门限自适应处理使得该算法鲁棒性较好.仿真结果表明该算法在低信噪比时仍有令人满意的识别效果.     

一种新的麦克风阵列自适应语音增强方法

在复杂的语音环境中,利用麦克风阵列语音增强技术能有效地拾取目标语音信号并
消除噪声干扰,但传统的麦克风阵列波束形成的加权系数是固定的. 为了能灵活地控制麦克
风阵列波束的形成方向以及消除其波束旁瓣带来的残余噪声,提出了一种基于麦克风阵列的
自适应语音增强技术. 该技术将自适应滤波器和麦克风阵列相结合形成波束可控的广义旁瓣
消除器,然后在广义旁瓣消除器后面续接一个改进的谱减法,并加入契比雪夫窗函数. 仿真实
验结果表明,所提出的语音增强方法能有效去除语音信号中的噪声干扰,相比于传统广义旁
瓣消除器,信噪比大约提高了3.5 dB.     

GPS空时自适应抗干扰算法研究

针对卫星信号功率低、易受干扰的问题,阐述空时二维滤波算法在自适应波束形成中的应用,对几种常用的自适应算法进行仿真,特别指出多级维纳滤波器在未来抗干扰接收机中的应用。     

子带频谱分析的语音增强

提出一种有效的语音增强算法,该算法使用重叠相加FFT滤波器进行谱幅度估计,给出噪声估计的两个均值参数,此参数适用于任何噪声.而且进行噪声估计无需检测语音间隙,无需VAD的运算过程,克服了单信道噪声压缩算法的缺点.     

训练方法对汉语数字串识别率影响的研究

在语占识别系统中，都是通过提取特征向量来计算待识语音与模型之间的概率或距离，然后根据最大概率或最小距离判断待识语爵的类别．对大量实验数据的观察发现：特征向量的各维对语音的表达能力是不一样的，同时特征向星在语音的时间轴上表达能力也不一样。根据这种特性，提出了三种训练算法：在训练中计算出加权矩阵，以此来加强易混淆数字间的本质区分特征，减弱随机特征，在汉语数字串识别实验中，得到了比较理想的实验结果，错误下降40．8％，系统识别率上升到94．08％。     

基于鲁棒时变卡尔曼滤波估计的无人机视觉编队

针对一般多输入多输出不确定系统,提出一种基于鲁棒时变卡尔曼滤波的估计算法. 该方法将时变卡尔曼滤波与自适应神经网络相结合,利用自适应神经网络克服外界非线性不确定因素,采用两个误差信号对其进行训练以提高估计精度,并对估计误差有界性进行证明. 将该方法用于无人机视觉编队视线信息的状态估计,仿真结果表明该算法能够很好地估计不确定机动长机的加速度,实现了僚机对长机的有效跟踪.     

应用联邦自适应UKF的卫星多传感器数据融合

在卫星自主导航系统中,一方面,系统状态模型存在难以准确建模的问题,要求信息融合算法具有一定的自适应性;另一方面,系统的量测模型通常具有较强的非线性,又要求信息融合算法在强非线性下保持较高的精度和鲁棒性. 针对以上两个问题,本文提出了基于星敏感器、红外地平仪、磁强计、雷达高度计、紫外敏感器的多信息联邦自适应UKF组合导航方案,该方案将多个导航传感器提供的信息在联邦滤波器里融合,并采用自适应UKF算法构建联邦滤波器的子滤波器. 采用这种方案,可有效组织并充分利用导航传感器提供的导航信息,并且系统模型具有一定的自适应性. 数字仿真结果表明,与传统的联邦卡尔曼滤波方法相比,该方法更适合于非线性较强、系统模型参数不准确的场合,有效提高了导航精度.     

GPS/INS组合导航中的自适应滤波算法

研究了GPS/INS导航系统中的不确定噪声问题,给出了一种基于协方差匹配技术的自适应卡尔曼滤波算法,该法当测量噪声的协方差已知时可以自适应估计出系统噪声的协方差.它是在滤波过程中通过判定系统噪声的协方差是否发生了变化,若它发生了变化再估计出新的协方差,然后再按得到的噪声统计估计值计算新息序列的协方差阵,因此有效地提高了滤波结果的精度并消除了滤波发散现象.数字仿真表明效果良好.     

考虑输入饱和的直接自适应神经网络跟踪控制

基于Lyapunov稳定性定理和backstepping方法,针对一类受输入饱和限制的单输入单输出非线性不确定系统,提出了一种考虑输入饱和的直接自适应神经网络控制算法. 采用动态面控制方法和直接自适应神经网络控制方法,避免了传统控制设计中的“计算量膨胀”问题和潜在的控制器奇异值问题. 借助一种饱和内补偿辅助系统处理系统中的输入饱和限制问题,以保证系统的稳定性和控制性能. 该算法不但保证了闭环系统信号一致最终有界,而且使系统输出能收敛到零的一个较小邻域. 以大连海事大学远洋实习船“育龙”轮为例进行仿真,验证了所提控制器的有效性.     

采用正交基函数构造的自适应滤波器

针对有限脉冲响应滤波器（FIR）和无限脉冲响应滤波器（IIR）的缺点,该文提出一种正交基自适应滤波器.该滤波器引入正交函数理论,利用系统模型与正交基函数之间的关联,预先获取系统的先验信息,从而兼有FIR和IIR两者的优点.文中给出了正交基滤波算法的计算公式,并分析了正交基滤波器与传统滤波器的异同点,最后对正交基滤波器进行了仿真和实验.结果表明：本文的滤波算法有着较快的收敛速度,无需很长的抽头数就可获得良好的滤波效果.