α稳定噪声下最小均方Sigmoid误差自适应时间延迟估计

为解决脉冲噪声下最小均方误差自适应时间延迟估计算法估计性能的退化问题,以对称α稳定分布模型描述脉冲噪声,提出最小均方Sigmoid误差自适应时间延迟估计算法.该算法通过对误差信号求取Sigmoid变换,抑制了较大误差对估计结果的影响.以最小均方Sigmoid误差代替最小均方误差作为优化准则,迭代模拟信道延迟效应的滤波器权系数,其收敛时峰值的位置就是所要估计的时间延迟.仿真结果验证了该算法在高斯和非高斯对称α稳定分布噪声条件下的优良估计性能,说明最小均方Sigmoid误差是一种韧性的最优准则.     

有色环境下的LMS算法研究

研究有色噪声和非平稳信号(如回声取消)情况下自适应滤波,提出解相关自适应最小均方(LMS)算法。首先设计出自适应预滤波器同时对输入信号和误差信号解相关,使输入信号和误差信号的白化,然后证明该方法并不改变维纳最优解,最后提出改进的变步长解相关自适应LMS算法。仿真实验表明:无论在有色噪声环境下还是白噪声环境下,该算法都改善了LMS算法性能,即提高了收敛速度又减小稳态误差。     

基于最小均方的自适应滤波时差估计研究

时差估计的研究中,基于雷达信号的复杂多样性,采用最小均方自适应滤波算法,其基本原理是应用梯度下降法并通过权值衡量误差来实现滤波.对基本最小均方算法和变步长最小均方自适应算法进行仿真验证,选出最优算法,并利用sinc函数内插实现分数倍时差估计.算法仿真结果表明,对接收机离散信号的点数时差估计的误差精度提升至10倍左右.     

基于信噪比的改进变步长LMS算法及应用

在无线直放站反馈干扰抵消的过程中,自适应滤波器的误差信号可以接收目标信号与残余回波的混合,是阻碍滤波器根据残余回波强度,快速调整抽头系数.利用误差信号的特点,给出了一种基于信噪比的改进变步长最小均平方(least mean square,LMS)自适应算法.该算法利用误差信号和滤波器的输出信号作为目标信号和反馈干扰信号的估计,根据目标与干扰信号的功率比值来调整自适应滤波器的步长.计算机仿真结果表明,该算法具有快速的初始收敛速率和较小的超量均方误差.在稳态情况下,对于干扰的突变能够快速地再次收敛,表明该算法在反馈干扰抵消方面的性能优于已有的算法.     

一种基于MVSSLMS算法的改进及在语音增强上的应用

提出了一种改进的变步长LMS(Modified Variable Step Size Least Mean Squares)算法.用误差信号的自相关e(n)e(n-1)及均方误差e2(n)来调节自适应滤波算法的步长μ(n).仿真结果表明该算法的收敛速度更快,优于MVSSLMS算法,可以很好地应用于自适应系统中.最后,研究了改进算法在语音增强系统中的实现,从混噪语音中提取了原始语音信号.     

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?     

基于相关增强的单信道信号分离

提出了一种在单通道自适应干扰抑制框架下分离语音信号和伪随机信号的方法.该方法首先采用时间延迟叠加方法增强语音信号的相关性和周期性,并利用时延估计器提取周期性特征,从而提高估计精度.然后,采用自适应算法估计语音信号,并通过从混合信号中抵消语音信号,估计出伪随机信号.仿真结果表明,该方法既能分离清音信号,也能分离浊音信号.分离单音频信号时,规范化最小均方算法的性能优于其他基于最小均方的算法;使用递归最小二乘算法可有效分离出相关增强后的清音信号;与无增强的信号相比,使用相关增强策略可提高浊音信号的估计精度.     

胎儿心电提取自适应滤波器仿真对比研究

为了提高胎儿心电(FECG)提取的准确性和效率,研究了采用最小均方算法、递归最小二乘(RLS)算法、仿射投影算法、能量归一化最小均方算法的四种自适应滤波器应用于FECG提取的速度和准确性.根据设计的基于MATLAB的FECG提取算法仿真分析了四种自适应滤波器的收敛速度与稳态性能的影响因素,并通过调整和优化FECG提取参数对四种自适应滤波器进行了仿真对比.研究结果表明,RLS算法自适应滤波器性能最优,可以快速准确地从母体心电中分离出FECG.     

基于频率选择性滤波的归一化最小均方算法研究

通过对噪声主动控制技术中广泛应用的归一化滤波最小均方算法的分析,提出了基于频率选择性的归一化滤波最小均方算法并建立了该算法在噪声主动控制中的应用模型;在Matlab/Simulink环境中建立了归一化频率选择性最小均方算法的仿真模型,通过合理地选取自适应滤波器的结构、滤波器长度、收敛因子等控制参数,对单频噪声信号和窄带随机噪声信号进行了自适应抵消仿真分析。仿真结果表明,噪声信号抵消效果明显,与理论分析的结论一致,证明该算法准确并且有效。     

一种提取近红外光谱信号中诱发血液动力学反应的方法

为了更好地提取与大脑功能活化有关的诱发血液动力学反应(EHR),综合比较了不同经验模态分解算法的优缺点,提出了一种提取近红外光谱信号中EHR的方法——ICEEMDAN-RLS。利用5种经验模态分解算法对近端通道信号进行分解,根据分解结果对远端通道信号进行自适应滤波,借助皮尔森相关系数和相对均方误差评估不同经验模态分解算法的EHR提取性能,在此基础上分析经验模态分解和传统块平均方法的块平均次数与EHR信号质量之间的关系。结果表明,基于5种经验模态分解算法的自适应滤波方法都能有效提取远端通道信号中包含的EHR,ICEEMDAN-RLS具有更大的皮尔森相关系数和更小的相对均方误差,仅需要进行10次块平均便可获得稳定的EHR信号,比传统方法的块平均次数减少了75%,且具有较高的EHR信号质量,可以更有效地提取淹没在全局干扰中的EHR。该结果可为大脑功能活化的研究提供参考。     

一种时域变步长BLMS自适应算法

在块最小均方LMS自适应滤波算法(BLMS)的基础上,提出了一种新的变步长的BLMS算法,该算法中的步长随着块平均误差增加或减小而相应地变大或变小,并引入补偿因子,使得自适应滤波器在调节权值的过程中块均方误差在接近零处具有缓慢变化的特性。理论分析和实验仿真表明,该新算法具有比BLMS算法较快的收敛速度,较小的稳态误差,有较好的抑制噪音的能力,有利于实时数字信号处理。     

改进的匹配追踪在方波信号滤波中的应用

为了克服常规滤波方法对方波信号滤波能力的不足,实现对方波信号的精确滤波,提出了一种改进的匹配追踪算法。针对方波信号特征,构建了与方波信号匹配而对噪声不敏感的方波原子;基于正交匹配追踪,并吸收子空间追踪的回溯思想,改进了最优原子选择方法;鉴于有用信号与噪声信号的能量差异,使用了一种自适应迭代停止标准,能准确找到有用信号和噪声的临界点,解决噪声能量未知的预估问题。对不同信噪比下的仿真方波信号进行滤波,经实测验证,所提方法在信噪比和均方误差方面都优于常规去噪算法,且保留了方波的特征,适用于方波信号的滤波。     

一种新的语音噪声抵消算法

针对单参考输入自适应噪声抵消器在多噪声源情况下除噪声效果不理想的问题,根据多参考输入自适应噪声抵消器模型,在推导多参考输入最小均方（MLMS）算法的基础上,给出其改进算法（IMLMS）,结合语音信号的特点,给出了多参考输入自适应语音消噪算法（VMLMS）,利用调整算法执行过程的算法改进思想,突破了传统的修正收敛系数的算法改进模式,最后对几种算法的性能进行了计算机仿真比较。     

自适应滤波器仿真设计

自适应滤波器能够在没有任何关于信号和噪声的先知的条件下,达到最优滤波的目的。根据自适应滤波的原理,该文的自适应算法主要分析了易于实现的最小均方差算法。为了满足自适应滤波的实时性要求,文章论述了基于数字信号处理器的自适应滤波器系统的设计。仿真结果表明,自适应滤波器滤波效果优越。     

径向基网络的主动噪声控制系统

针对传统的LMS在信号处理中的不足,提出利用RBF网络实现自适应滤波,并将其应用于管道噪声控制．仿真结果表明,与LMS算法和WLMS算法相比,此方法具有良好的非线性噪声抑制能力．     

跳频通信干扰抑制中的改进自适应对消技术

与传统阻塞式干扰对短波跳频通信的干扰相比,以通过侦查截获跳频的频率进行干扰的跟踪干扰方法对跳频的干扰更具有针对性。然而干扰信号的处理时间、干扰机与发射机接收机之间的距离等使得跳频信号与干扰信号存在时延。为解决以上问题,提出了一种基于二级最小均方(LMS)算法的自适应对消技术。同时,在理论分析的基础上重点对所提出的改进的LMS算法应用在FPGA平台上进行仿真实验。首先,通过Simulink仿真平台模拟有用跳频信号与干扰信号建立自适应算法仿真平台;其次,通过ISE软件仿真得到原始信号及抵消后的波形;最后,通过Matlab仿真得到抵消前后信干比数值。仿真实验表明该算法具有良好的抑制效果。     

一种新的变步长LMS自适应滤波算法

对变步长自适应滤波算法进行了讨论,提出了一种新的变步长LMS算法。新算法用误差信号的自相关及均方误差的时域平均来调节自适应滤波算法的步长。由于不需要指数运算,新算法的运算量大大降低,收敛速度快,且消除了不相关噪声的干扰。将该算法用于码间干扰比较严重的大气激光通信系统中,仿真结果验证了算法的优越性。     

基于CART决策树的柴油机故障诊断方法研究

采用一种自适应局部有效值（RMS）计算方法提取柴油机缸盖振动信号时域特征,结合分类回归树（CART）算法建立故障分类模型并进行柴油机的状态识别。通过实验获取柴油机失火和撞缸两种故障工况及正常工况下的振动数据,计算出原始信号的局部RMS后,根据自适应阈值确定点火冲击区域和非点火上止点冲击区域提取局部特征,最后将特征输入CART算法中构建分类模型来验证所提取特征的有效性。结果表明：柴油机在3种状态下的识别率均达到100%,基于CART算法和局部特征提取的方法能够有效诊断柴油机故障。     

基于内插型双边带滤波器的时域自适应滤波

针对过采样条件下直接序列扩频（DSSS）系统中采样样值相关性造成在使用传统时域自适应滤波窄带干扰抑制方法时扩频信号失真的问题,提出一种改进的时域自适应滤波方法.该方法基于内插型双边带滤波器,采用抽取-内插结构,结合最小均方（LMS）算法进行自适应权值更新,实现窄带干扰抑制.理论分析和仿真结果表明,在高信噪比情况下,该方法与常规自适应滤波方法比较,具有更小的信噪比回退和有用信号畸变;同时低信噪比情况下,其误码率性能也略有优势.