改进变步长最小均方算法在组合学习结构预失真中应用的研究

针对预失真间接学习结构易受加性噪声、模数转换(analog to digital converter,ADC)量化噪声等影响,提出一种通过设置判别门限自适应切换直接学习结构和间接学习结构的组合学习结构数字预失真方案。该方案在直接学习结构中采用最小二乘法(recursive least square,RLS)算法对参数进行快速粗估计,切换至间接学习结构时采用改进变步长最小均方(least mean square,LMS)算法进一步提取参数。分析仿真表明,组合学习结构的预失真方案其线性化性能较间接学习结构有很大提升,且在算法收敛速度基本持平的情况下有效抑制了间接学习结构中的非相关噪声。     

基于自适应滤波地下管道漏水信号去噪处理研究

研究了自适应滤波算法对地下管道漏水信号的去噪处理,对归一化最小均方(Normal Least Mean Square,NLMS)自适应滤波算法与传统的最小均方(Least Mean Square,LMS)算法进行性能比较,并通过MATLAB仿真验证分析,最终采用DSP芯片TMS320C5402在CCS软件平台上实现了NLMS自适应算法对地下管道漏水信号噪声的滤除.     

LMS和RLS算法的研究与实现

自适应滤波算法的研究是当今自适应信号处理中最为活跃的研究课题之一。寻求收敛速度快、计算复杂性低、数值稳定性好的自适应滤波算法是研究人员不断努力追求的目标。本文介绍了目前两种典型的自适应滤波算法,即最小均方（Least Mean Square,LMS）算法和递归最小二乘（Recursive Least Square,RLS）算法,并对这两种典型自适应滤波算法的性能特点进行分析及仿真实现,给出了算法性能的综合评价。     

自校正滤波有源噪声控制算法

滤波-x最小均方（Filtered-x Least Mean Square,FxLMS）算法是前馈有源噪声控制系统中应用最广的算法，但滤波器阶数选择和运算量是制约其在多通道系统中应用的重要因素.引入一种自校正自适应算法，通过串联多个低阶滤波器以简化滤波器阶数选择并降低计算复杂度.在有源降噪耳机实例中的对比结果表明，该算法能在计算量较小的情况下获得与FxLMS算法相当的降噪性能.     

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．     

延时估计误差对间接学习结构预失真器的影响

间接学习结构数字基带预失真器的实现需要估计模拟链路延时,而链路延时估计算法存在估计误差,此误差对预失真器性能的影响目前未有相关研究。该文以邻近信道功率比(ACPR)和归一化均方误差(NM SE)两项指标作为衡量标准,研究了延时估计误差对间接学习结构预失真器补偿性能的影响。结果表明,间接学习结构预失真器对延时估计误差敏感,在N yqu ist采样的预失真器系统中,只有当估计误差不超过系统采样间隔的1/64时,才能保证此预失真器能够有效地实现功放线性化。     

双通道实时数据采集处理系统的设计与实现

本文提出了一种基于TMS320C31串行接口的双通道实时数据采集处理系统的设计与实现方案，该设计以TMS320C31和TLC320AD50C为核心器件，具有两个独立的A／D，D／A通道，能够实现32位浮点计算和16位数据采集与回放。应用该系统进行归一化最小均方误差（Normalized Least Mean Square,NLMS）算法实时自适应噪声抵消实验，实验结果表明，该系统能够实现实时的自适应噪声抵消，可广泛应用于实时语音信号处理等领域。     

一种基于记忆LUT的多倍频程预失真方案

针对多载波无线通信系统中多倍频程功率放大器存在的强非线性失真与记忆效应失真问题,提出了一种基于记忆查找表的LUT+MP多倍频程预失真方案。方案模型由记忆查找表(LUT)和记忆多项式(MP)串联构成,采用间接学习法的LMS和RLS算法对模型参数训练辨识。仿真结果表明,针对维纳模型高功率放大器,在输出功率回退OBO=2.27 d B时,对Wiener模型功放的三阶互调失真改善达到了55.9 d B,五阶互调失真改善达到了44.5 d B。与现有的LUT+FIR和LUT+并联FIR预失真方案相比较,能带来更好的建模精度和线性化效果。同时,设计使用的学习算法简单实用,稳定性能好。     

基于SA-LSSVM的电力短期负荷预测

提出融合模拟退火（Simulated annealing,SA）和最小二乘支持向量机（Least Square Support Vector Machine,LSSVM）的电力短期负荷预测方法.由于LSSVM的预测精度依赖于其参数的选择,并且难以选取合适的参数值,因此,参数选择是LSSVM的一个关键问题.为了提高参数选择的质量和效率,采用SA算法进行LSSVM的参数寻优.以某市2010年1月1日至2011年1月7日的电力负荷数据和气象数据进行仿真实验, 实验结果表明该方法具有较高的预测精度.     

基于星载高速调制器的预失真算法研究

在卫星高速数传系统中,为满足高速率通信业务的需求,新型数字调制体制（如OFDM,M-QAM等）被越来越多地采用,但由此带来的功率放大器的非线性效应也日益严重,对解调器性能造成很大影响.传统的数字预失算法因其收敛速度慢和计算复杂度大的特点不适用于资源严格受限的星载高速数传系统.本文中提出了一种基于QR分解的递归最小二乘算法（QRD-RLS）,对该算法进行了理论分析和性能仿真.相比传统的预失真算法,该算法具有稳态误差小、收敛速度快和计算复杂度低的优势.并基于该算法设计了带有预失真器的高速调制器结构,对16QAM信号的实测效果显示,基于QRD-RLS的预失真方案对失真信号补偿效果显著,误差向量幅度（EVM）从7.4%降低到2.5%,带外干扰抑制提升10 dB.      

A dynamic coefficient polynomial predistorter based on direct learning architecture

A dynamic coefficient polynomial predistorter based on direct learning architecture is proposed. Compared to the existing polynomial predistorter, on the one hand, the proposed predistorter based on the direct learning architecture is more robust to initial conditions of the tap coefficients than that based on indirect learning architecture; on the other hand, by using two polynomial coefficient combinations, different polynomial coefficient combination can be selected when the input signal amplitude changes, which effectively decreases the estimate error. This paper introduces the direct learning architecture and gives the dynamic coefficient polynomial expression. A simplified nonlinear recursive least-squares （RLS） algo- rithm for polynomial coefficient estimation is also derived in detail. Computer simulations show that the proposed predistorter can attain 31dB, 28dB and 40dB spectrum suppression gain when our method is applied to the traveling wave tube amplifier （TWTA）, solid state power amplifier （SSPA） and polynomial power amplifier （PA） model, respectively.     

一类基于混沌振子的公钥数字水印算法

把被保护数字媒体看成噪声,将水印算法转换为强噪声背景下弱信号提取问题.在用混沌振子检测强噪声背景下弱方波信号模型的基础上,提出了一种除密钥外能公开一切细节的公钥鲁棒水印算法.在具体描述了算法细节后,对算法进行了模型可行性实验和抗一般图像处理攻击实验.实验结果表明,该算法是可行的,所设计的算法具有较好的鲁棒性和较强的抗攻击能力.     

Adaptive Hammerstein Predistorter Using the Recursive Prediction Error Method

The digital baseband predistorter is an effective technique to compensate for the nonlinearity of power amplifiers （PAs） with memory effects. However, most available adaptive predistorters based on direct learning architectures suffer from slow convergence speeds. In this paper, the recursive prediction error method is used to construct an adaptive Hammerstein predistorter based on the direct learning architecture, which is used to linearize the Wiener PA model. The effectiveness of the scheme is demonstrated on a digital video broadcasting-terrestrial system. Simulation results show that the predistorter outperforms previous predistorters based on direct learning architectures in terms of convergence speed and linearization. A similar algorithm can be applied to estimate the Wiener PA model, which will achieve high model accuracy.     

模糊大脑情感学习的自适应噪声抵消方法

提出一种以模糊大脑情感学习(fuzzy brain emotional learning, FBEL)模型作为自适应噪声抵消器的噪声抵消方法,应用于信号处理问题。该方法通过FBEL模拟经非线性通道传输后的噪声信号,将噪声信号从含噪信号中过滤掉,达到消噪的目的;根据自适应学习算法,利用奖励信号和梯度下降法对FBEL模型的权重及参数进行在线更新,以适应噪声的变化。选取均方根误差和计算时间2个性能指标,采用自适应噪声抵消方法在不同网络中进行仿真比较,结果表明,应用该方法可以获得更好的滤波性能。     

用进位存储加法器快速实现串行乘除法和平方根计算

为适应嵌入式低功耗微处理器的应用，提出了可同时实现浮点乘除法和平方根计算宏模块（MDS）的同步串行实现方式。乘法计算采用Booth算法迭代，除法与平方根计算的实现采用基4SRT算法，在迭代中共用商位查询表，可同步实现部分冗余结果向非冗余二进制的转换。为加快迭代的速度，摒弃了进位传递加法器（CPA），而采用进位存储加法器（CSA）来实现迭代中的加法运算。宏模块设计控制逻辑简单，资源面积占用少，迭代时间短，经可编程逻辑器件验证，速度可提高1倍以上。在此基础上，提出了对除法和平方根计算异步自定时实现方式的改进方案，该实现方式不仅易于版图布线，而且大大降低了瞬态功耗。     

基于能量检测的UWB通信系统同步方法

提出了一种基于能量检测的IR-UWB通信系统同步方法.根据已有的最小二乘法,首先利用接收波形生成的帧级模板估计出脉冲级延时参数,然后再采用最小二乘法得到帧级延时参数.与传统的最小二乘法不同的是,该方法引入一个能量检测的过程,用来检测部分信号区域内的最大能量.该方法能更有效地抑制能量收集过程中的噪声分量,从而提高了估计性能.给出了同步均方差性能的仿真结果,同时讨论了该方法的搜索策略以及关键参数的优化选取.     

具动态性能指标的医学系统自组织模糊控制

提出一个具有动态性能指标的完全脱离模型的自组织模糊逻辑控制系统.系统的性能指标由一个随机结构开始,评价规则通过一个基于自增强机制进行在线优化的微遗传算法来产生.算法对非线性麻醉过程中肌肉松弛状态的控制效果进行了验证.通过和标准自组织系统的控制效果比较,该算法的优势体现在因为自学习能力导致的控制鲁棒性上,它能够很好地处理变参数动态系统和大时滞系统的控制问题.在每轮控制中,所提出的算法都以少量模糊控制规则(最多18条)实现了控制要求.     

数字钻孔图像岩体结构面自动化识别方法

数字钻孔摄像技术能准确获取钻孔中岩体结构面特征信息,针对现有数字钻孔图像分析人力需求量大、主观性强、计算量大的不足,研究提出方案实现数字钻孔摄像技术采集的钻孔内壁图像自动识别。首先,用二维伽马函数光照自适应矫算法对图像进行光照均匀处理,利用经过预训练的DexiNed网络对矫正后图像边缘进行特征提取;其次,提出Epremoval方法处理边缘点噪声提取感兴趣区域;最后,根据正弦曲线泰勒展开式对图像中的表征数据进行多项式拟合。通过对得到曲线进行计算、空间变换和数理变换得到岩体结构面参数。以某隧道工程的数字钻孔图像为例,研究提出的算法结果优于人工辅助判读结果。     

一种PNN网络的EM训练算法

提出一种概率神经网络（ＰＮＮ）的ＥＭ（ＥｘｐｅｃｔａｔｉｏｎＭａｘｉｍｉｚａｔｉｏｎ）训练算法．ＰＮＮ网为一四层前馈网,它构成一个贝叶斯分类器,实现多类分类的贝叶斯判别,它把输入的样本模式,经网络变换为输出的分类判决．其网络节点对应于贝叶斯后验概率公式的各个变量．此ＰＮＮ网络用高斯核的Ｐａｒｚｅｎ窗函数作为核密度函数,网络参数训练由ＥＭ算法实现,其学习方式为类间的监督学习和类内的非监督学习．实验表明了此网络及其学习算法在分类应用中的有效性．