最小均方误差判决和自适应判决反馈均衡器的设计实现

介绍了基于FIR和IIR的采用最小均方误差（MMSE）算法的判决反馈均衡器,针对该算法的缺点提出了两种采用自适应算法的判决反馈均衡器;LMS算法和CMA算法,对这些算法的仿真表明了各自的性能和优缺点,在此基础上提出了一种改进的混合算法,仿真表明,该算法只需要少量的训练序列,性能比CMA算法有明显的改进。     

自适应滤波器的算法比较研究

自适应滤波器一直是随机信号处理当中的一个重要的研究课题。在介绍了自适应滤波器的各种算法之后,重点讨论了基于LMS的自适应滤波器算法和基于RLS的自适应滤波器算法,并用Matlab对这两种算法进行了仿真和比较分析。     

归一化LMS算法自适应滤波器的MATLAB仿真与DSP实现

固定步长LMS算法自适应滤波器在收敛速度与稳态误差之间存在矛盾,变步长LMS算法的步长因子是变化的,能够灵活避免此矛盾.分析了两种变步长LMS算法自适应滤波器基本原理,先使用MATLAB对其分别进行仿真,之后应用SZ-EPP5416评估板对其分别进行了DSP实现,仿真结果与DSP实现都表明变步长LMS算法改善了收敛速度与稳态误差间矛盾,但归一化LMS算法能更好地改善固定步长LMS算法的矛盾,具有更快收敛速度与更小稳态误差.     

基于自适应算法的去噪滤波仿真比较

介绍了自适应滤波器的基本原理,对最小均方算法(LMS)和递推最小二乘算法(RLS)这两种自适应算法进行了理论分析和仿真比较.模拟仿真结果和语音去噪系统均表明:两种算法都能有效滤除噪声干扰.相比之下,RLS算法具有更好的收敛性能和稳定性,权噪声小,抑噪能力强.     

自适应回波抵消器的算法分析与比较

在简单介绍回波产生背景及回波抵消器的基本原理后，详细阐述了当前普遍采用的各种自适应回波算法，并比较了各算法的性能，指出了各算法的适用场合．LMS算法是所有算法的基础，NLMS算法是对其的归一化，改进RLS算法则针对多重回波而言，变步长的LMS算法及MVS算法主要是对LMS算法的步长值由固定突破为因输入信号或误差信号而可调节的函数．     

一种基于质点动力学原理的快速自适应建模算法

针对自适应逆控制技术中最小均方(LMS)算法建模速度慢的缺点，基于重力场中超曲面上质点的动力学原理，提出了一种快速自适应建模算法．该算法的特点是将滤波器权系数的迭代求解过程类比为重力场中超曲面上质点的运动，在质点的自由运动微分方程中加入比例阻尼项，使各模态的阻尼系数均接近于临界阻尼，从而使权系数以较快速度收敛，并利用质点微分方程中的非线性项实现变步长迭代，明显提高了自适应维纳滤波器的权系数收敛速度．仿真试验结果证明该算法优于LMS算法．该算法运算代价小，收敛速度快，可替代LMS算法用作自适应逆控制的建模工具。     

基于归一化LMS算法的自适应滤波器设计

归一化LMS(NLMS)算法是一种变步长的LMS算法,比LMS算法具有更快的收敛速度.采用Altera 公司的仿真软件DSP Builder和QUARTUSII7.2,进行归一化LMS算法的自适应滤波器的现场可编程门阵列(FPGA)设计.     

一种优化型自适应滤波器结构

各种自适应算法的性能除了与其自身的特性有关外,还与外部信号环境密切相关。本文针对LMS算法易受外部噪声的影响,产生权失调,从而影响到算法的性能,提出了一种优化型自适应滤波器的结构(OPAF),该结构提高了算法的抗噪声性能。并以此结构实现了噪声抵消(ANC)与回波抵消(EC),实验结果表明,其抗噪声性能指标优于传统结构的自适应滤波器。     

量化在基于正交小波的盲均衡算法上的应用

常数模算法(CMA)是实际中应用最广的一种盲均衡算法，基于正交小波的CMA算法(WBCMA)与传统的LMS算法的横向均衡器相比收敛速度快，但计算量却有所增加，把量化应用到WBCMA上，采用以2的整数次幂对误差项进行量化，减小了误差项的字节数，因此减少了算法迭代中的乘法运算．计算机仿真证明了该方法的有效性，     

基于LabVIEW的LMS自适应滤波器的设计及其应用

传统自适应滤波器的研究大多局限于Matlab、Simulink等工具,由于不能设计成一个虚拟仪器或者一个应用系统,无法测试滤波器在工程应用中的实际性能.因此,该文以LMS算法为例,设计了一种基于LabVIEW的LMS自适应滤波器.实验证明,该滤波器有效、性能良好,而且能很好地应用于语音信号的分析和处理.     

直接序列扩频通信中基于时频域相关性的抗单音干扰算法

直接序列扩频通信系统解扩以前采用干扰抑制算法可以显著增强抗窄带干扰性能。常用的干扰抑制方法为扩频信号建立平稳模型。本文通过分析扩频信号的产生机理，建立了扩频信号的循环平稳模型，采用频移滤波器(FRESH)同时利用时域相关性和谱相关来抑制单音干扰。仿真实验表明，FRESH滤波器相对于传统横向滤波器能够提高系统抗单音干扰性能。     

矩形二进相移键控窄带干扰抑制技术

对矩形二进相移键控(BPSK)窄带干扰以较高的扩频信号码片率进行采样，保留干扰的谱冗余，进一步建立了干扰的循环平稳模型，采用频移(FRESH)滤波器同时利用时域相关性和频域相关性来抑制窄带干扰．仿真实验表明，采用FRESH滤波器，相对于传统横向滤波器而言能够显著提高直接序列扩频通信系统抗窄带干扰性能。     

用于状态估计的自适应粒子滤波

分析了粒子滤波的性能关键，提出了一种新的自适应粒子滤波算法．该算法采用一种新提议分布，即将UKF（Unscented Kalman Filter）与自适应强跟踪滤波器（STF）相结合．新提议分布通过UKF构造粒子群，而粒子群中的每个粒子中的每个sigma点用STF来更新，它可以在线调节因子而使得算法自适应．非线性状态估计仿真试验证实了改进的粒子滤波算法的有效性．     

基于FRESH滤波器的DSSS系统窄带干扰抑制技术

为了减小基于时域线性预测干扰估计的DSSS系统窄带干扰抑制技术对有用信号产生的损伤,根据干扰环境下接收信号的循环平稳特性,提出了一种利用频移滤波器对干扰进行估计并将干扰抵消的DSSS系统窄带干扰抑制方法.该方法在对干扰进行估计时,既利用了干扰的时域相关性,又利用了干扰的频域相关性.理论分析和仿真结果表明,在强干扰环境下,接收信号的循环平稳性主要由强干扰决定.与传统时域线性预测方法相比,该方法对干扰估计的时平均均方误差更小,能够更精确地估计和消除频谱相关的干扰,减轻对有用信号的损伤,进一步降低系统的误比特率,因而具有更加优良的干扰抑制性能,特别在干扰较强或干扰频带较宽时,优势更加明显.     

分布式算法在乘法模块中的应用

本文基于分布式算法的基本原理,提出了基于查找表结构的分布式算法应用于信号处理中的乘法模块的思路,并以32阶FIR低通数字滤波器中的乘法模块为例,利用FIR滤波器的线性相位特性减小电路规模,采用分割查找表减小存储空间,采用流水线技术和并行分布式算法结构提高了滤波器的速度。最后指出此种算法适用于乘法模块的广阔前景。     

眼底图像多尺度去噪算法的效果评价

临床中,获得清晰的眼底图像信息是准确诊断相关病情的先决条件。针对实际图像,本文分别采用多尺度去噪算法和中值滤波算法对眼底图像进行去噪处理;并给出基于高斯波形提取的LMLSD算法,估算处理后图像的SNR(信噪比),对两种去噪算法的处理效果进行客观的量化评价。结果表明,多尺度去噪算法对各幅图像提高SNR平均约2.56倍,且图像更加清晰;中值算法提高约1.92倍。客观量化评价结果与主观视觉感受一致,评价算法选用合适。     

An efficient hybrid algorithm for mining Web frequent access patterns

We propose an cfficienl hybrid algorithm WDHP in this paper for mining frequent access patterns. WDHP adopts the techniques of DHP optimize its performance, which is using hash the to filter candidate set and trimming database. Whenever the database is trimmed to a size tess than a specified threshold, the algorithm puts the database into main memory By constructing a tree. and finds frequent patterns on the tree. The experiment shows that WDHP outperform algorithm DHP and main memory basedalgorithm WAP in execution efficieucy.     

基于粒子滤波的仅有角测量的被动跟踪

基于粒子滤波,提出了仅有角测量无源被动跟踪的新解决方法．该方法采用“当前”统计模型,使用粒子滤波算法,融合了双站测量数据．在双站测量的被动跟踪试验中,仿真结果证实了该方法能有效跟踪高度机动的目标．     

一种针对不相容决策表的属性约简改进算法

研究不相容决策表的属性约简问题.在对现有约简算法局限性分析的基础上,提出一种基于等价划分的属性约简改进算法.该算法不仅从整体上划分了决策表,使其适用范围更广,还使用了过滤矩阵与属性频率重要性的计算方法,提高了算法的效率.最后通过理论证明和实例分析,验证了该算法的有效性.     

基于极大后验估计的STUKF算法跟踪再入弹道目标

针对弹道导弹再入阶段飞行受力情况复杂多变,状态噪声未知时变的非线性跟踪问题,提出基于极大后验估计的STUKF非线性滤波跟踪算法。该算法采用最小偏度单行采样策略,在保证跟踪精度的同时,提高实时性;引入带有多重次优渐消因子的强跟踪算法,在线调整状态一步预测均方误差阵,提高系统对突发机动跟踪的稳定性;采用指数加权的方法,利用次优无偏MAP时变噪声统计估计器,在线估计未知系统过程噪声的统计特性,提高系统应对噪声变化的能力。仿真结果表明:该算法具有比不敏卡尔曼滤波算法(UKF)和扩展卡尔曼滤波算法(EKF)更好的跟踪性能。