自适应矩估计最大相关熵算法的混沌序列预测

为了提高非高斯噪声环境下混沌时间序列的预测精度,提出了一种基于自适应矩估计的最大相关熵算法(AdamMCC).在AdamMCC中,采用最大相关熵准则作为代价函数有效地抑制了异常噪声值对预测性能的影响,利用代价函数梯度的一阶矩和二阶矩估计自适应调整算法的权重参数,在不同阶段为算法提供了更好的最优权重搜索方向,从而提高了AdamMCC的预测性能.采用Mackey-Glass和Lorenz两类混沌时间序列进行仿真实验,验证文中提出的AdamMCC的收敛性能和稳态性能.实验结果表明,在非高斯环境下的预测过程中,相比于最小均方算法、最大相关熵算法和分数阶最大相关熵算法,文中提出的基于自适应矩估计的最大相关熵算法在保持鲁棒性的同时,还能以合理的计算复杂度获得更高的预测精度.     

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.     

基于MCC-PAST算法的直扩信号PN码序列盲估计

针对在脉冲噪声环境下的直接序列扩频信号的伪随机(PN)码盲估计问题,提出了一种利用最大熵准则投影逼近子空间(MCC-PAST)算法和滑窗技术相结合的PN码盲估计方法。该方法利用最大熵准则,实现了在脉冲噪声背景下对扩频信号的特征进行稳定快速的追踪。通过对迭代过程中的特征子空间进行梯度估计,实现了可变遗忘因子(VFF)的自适应更新,使得权值的收敛精度和收敛速度得到了同时的优化。算法数据存储量小,复杂度低,易于硬件实现和实时数据处理。仿真结果表明,在脉冲噪声环境下该方法对PN序列估计的正确率和稳定性优于传统方法。     

声纳探测信号自适应脉冲噪声对消算法

针对浅海环境噪声严重影响声纳探测信号检测性能的问题,提出了一种非线性变换的自适应脉冲噪声对消算法。算法首先对回波信号和参考通道噪声信号同时进行非线性变换,对脉冲噪声进行软阈值滤波,在此基础上,采用最小均方误差算法实现自适应噪声对消,可获得稳健的收敛性能。α-稳定分布脉冲噪声条件下的仿真和某次实验中的声纳探测回波信号处理证明了算法的有效性。     

面向连续离散系统的自适应最大相关熵滤波算法

针对目标跟踪中运动模型不精确和测量异常导致的传统滤波算法精度下降问题,提出了一种鲁棒平方根连续-离散自适应最大相关熵容积卡尔曼滤波(RSRCD-AMCCKF)算法。在目标跟踪问题中采用了精度更高的连续-离散时间模型,提高了目标跟踪的解算精度;将加权最小二乘方法与传统最大相关熵准则相结合,得到改进的相关熵代价权函数,之后引入连续-离散时间滤波框架,提高了滤波算法在测量异常情况下的鲁棒性;以高斯核函数作为相关熵的调整因子,依据不同测量环境选择自适应因子,进而对观测噪声的协方差矩阵进行调整。仿真结果表明：与传统算法相比,当测量噪声为高斯噪声时,RSRCD-AMCCKF算法对目标位置和速度估计的精度分别提高了38.4%和27.3%;当测量噪声为非高斯噪声时,RSRCD-AMCCKF算法对目标位置和速度估计的精度分别提高了23.5%和23.9%;当测量值发生突变时,RSRCD-AMCCKF算法对目标位置和速度估计的精度分别提高了12.6%和7.1%。RSRCD-AMCCKF算法在各类测量条件下都具有更高的精度和鲁棒性,更接近目标跟踪的克拉美罗下界,能够较好地实现滤波精度和抗异常测量的统一。     

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?     

线性自适应滤波算法综述

分析了最小均方误差滤波和基于最小二乘准则滤波算法、变换域自适应滤波算法、仿射投影算法、共轭梯度算法、基于子带分解的自适应滤波算法、基于QR分解的自适应滤波算法优缺点,并对自适应滤波算法的发展进行了展望。     

一种稳定的总体最小二乘自适应滤波算法

针对输入输出观测数据均含有噪声的滤波问题,提出了一种稳定的总体最小二乘自适应算法.该算法以系统的增广权向量的瑞利商与增广权向量最后元素的约束项的和作为总损失函数,利用梯度最陡下降原理导出权向量的自适应迭代算法,并通过对算法稳定性的分析确定了算法中学习因子的取值范围.所提出的算法稳定,计算复杂度低,既没有平方根运算,也不需要标准化处理.仿真实验表明,该算法的收敛性能、鲁棒抗噪性能和稳态收敛精度均明显高于同类其他总体最小二乘算法.     

在线快速抑噪的自适应强跟踪滤波算法

针对强跟踪滤波算法对系统时变噪声缺乏自适应能力,导致系统状态估计精度较低的问题,提出一种可以在线估计噪声协方差阵的快速抑噪自适应强跟踪滤波算法,该算法可以抑制噪声对系统状态估计的影响,使系统状态估计迅速收敛到真实值附近.仿真实验对比了强跟踪滤波算法和快速抑噪自适应强跟踪滤波算法在噪声变化环境下的性能,结果表明：快速抑噪...     

基于Adam 优化的二维自适应TFPF 地震去噪算法

在时频峰值滤波( TFPF: Time-Frequency Peak Filtering) 算法中,采用固定窗长进行滤波很难在滤除噪声 和信号保幅之间取得折衷,无法追踪超出截止频率部分的信号,而且传统TFPF 仅沿时间方向滤波,忽略了信 号的空间信息。针对上述问题,提出了二维自适应TFPF( 2D-ATFPF: Two-Dimensional Adaption TFPF) 算法,首 先利用一组由不同窗函数决定的TFPF 冲激响应构建滤波输出凸集; 然后,在凸集下引入一个关于滤波输出的 目标函数,该函数基于最小二乘准则并将具有时空相关性的方向导数作为惩罚项; 最后,使用可以快速收敛的 投影Adam 方法优化目标函数,将2D-ATFPF 应用于人工合成记录和实际资料。实验结果表明,改进的方法与 一维算法相比,能更好地恢复同相轴,信噪比提高约1． 3 dB。     

一种脉冲噪声中的韧性子空间跟踪方法

一般地,基于二阶统计量的子空间跟踪方法对脉冲噪声敏感,性能出现退化.为此以α稳定分布作为脉冲噪声的模型,研究噪声环境中的韧性子空间跟踪方法.以分数低阶统计量理论为依据,把α稳定分布噪声中的子空间跟踪看做一个无约束的优化问题,提出了一个新的代价函数,并推导出一个韧性算法.同时还利用M估计对算法进行了简化.在数值模拟中把新算法应用于方向估计,结果表明了新算法和简化算法的有效性.     

基于余弦代价函数的双模盲均衡算法

盲均衡算法不需要训练序列，就能够有效降低码间串扰（ISI），但是在脉冲噪声环境下，现有单滤波器均衡算法不能有效平衡收敛速率与均衡误差，算法收敛后ISI仍然较高。针对上述问题，提出了一种基于余弦代价函数的凸组合双模盲均衡算法。该算法将2个盲均衡器并联使用，其中一个作为快速滤波器以保证收敛速率，另一个作为慢速滤波器以降低均衡误差。为了进一步抑制脉冲噪声，将分数低阶统计量引入到基于余弦代价函数的盲均衡算法和基于判决反馈准则的盲均衡算法中，并分别作为快速滤波器和慢速滤波器的权向量更新算法。仿真实验表明：当噪声设置为25 dB的高斯白噪声时，新算法收敛后ISI会低于常模盲均衡算法CMA和基于余弦代价函数的盲均衡算法CCF，星座图也较为清晰；当噪声环境为28 dB的α稳定分布噪声时，新算法利用分数低阶统计量以抑制脉冲噪声，能够得到较低的ISI和清晰的星座图，而凸组合结构兼顾了稳态误差与收敛速率，在进一步降低稳态误差的同时确保了较快的收敛速率。     

人工蜂群粒子滤波信道估计算法研究

人工蜂群算法是用以解决复杂优化问题的新方法,具有收敛速度快、优化性能高等特点.将人工蜂群算法与粒子滤波相结合应用于信道估计可以摆脱常规方法对线性高斯条件的束缚,具有理论依据和现实意义.结合2种算法的优势提出了人工蜂群粒子滤波,采用人工蜂群算法确定粒子滤波的建议分布.仿真将Alpha稳定分布作为非高斯噪声模型,实现了粒子滤波及其改进算法的信道估计研究.结果表明人工蜂群算法与其他智能算法相比具有更快的收敛速度,改进人工蜂群粒子滤波与无迹粒子滤波相比极大地提高了信道估计精度.     

一种改进的自适应滤波算法及其在回波对消中的应用

提出一种改进的自适应滤波算法，它通过选择自适应滤波器的系数更新时间间隔，在系统的收敛速度与计算量之间取得折衷；算法在每次系数更新时，利用了系统过去时刻数据并将频域批处理技术运用到算法计算中,大大加快了算法的收敛速度并且降低了计算复杂度,从而克服了LMS算法收敛速度慢以及仿射投影算法(APA)、递归最小二乘算法(RLS)计算量大的缺点.将所提算法应用于声回波对消中,仿真实验结果证实了其优点.     

基于一种新的S型函数快速凸组合最小均方算法

为解决传统凸组合自适应滤波算法在联合参数迭代计算量大、算法收敛速度慢、跟踪性能差等问题,提出了一种基于一种新的S型函数快速凸组合最小均方(SCLMS)算法;该算法用一种新的S型函数,代替Sigmoid函数,在保证和CLMS算法相同稳态误差情况下,避免了指数运算,减少了计算量;同时也提高了收敛速度和信号的跟踪性能。通过独立高斯白噪声作为输入信号算法仿真、相关噪声作为输入信号算法仿真;以及非平稳环境下算法仿真;并对三种仿真结果进行了分析,验证了该算法性能可靠有效。     

基于同值压缩的自适应中值滤波

为了在图像去噪处理中更好地保持或还原图像细节,针对脉冲噪声,把滤波窗口中等值的像素压缩后作自适应中值滤波,提出基于同值压缩的自适应中值滤波算法,并用实验来检测其优越性.该滤波算法执行速度快,去噪性能和图像细节保持及还原能力明显优于经典中值滤波及自适应中值滤波.     

采用互相关与自适应滤波算法测量流速的比较研究

针对气固两相流固相颗粒流速的测量问题,讨论了可用于流速测量的互相关法和自适应滤波时延估计法.对于安装在气力输送管道上的双电极静电传感器输出信号,利用相关函数进行上下游电极输出信号相似性的比较,相似性最大即相关函数取极大值时的时间延迟,结合传感器电极间距离,计算出固相颗粒流过传感器的平均速度,也可以采用自适应滤波计算输出信号在上下游静电传感器间的时间延迟,测得管道中固体颗粒的流速.实验结果表明,所测得的电极信号与噪声的统计特性受到了环境的影响,互相关算法测量速度的准确性大大降低,而自适应滤波算法由于能根据信号和噪声的相互关系不断地调整自身参数,满足最小均方算法准则的要求,可以精确地跟踪固相颗粒速度.     

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M估计的自仿射投影滤波算法

研究了自仿射投影算法的收敛性能,并针对其抗突出值干扰能力不强的缺点,将稳健估计中的M估计应用于该算法,提出了一种基于M估计的改进自仿射投影算法（M-APA）,计算机模拟结果表明,该算法在基本保持原有算法收敛速度的同时,其抗突出值干扰能力远远优于原算法。提高了自适应辨识系统的稳定性和可靠性。     

基于支持向量回归机的自适应差分滤波算法研究

针对差分滤波(DDF)算法存在因噪声统计特性与实际不符而导致的滤波精度降低甚至发散的问题,提出了一种基于支持向量回归机的自适应差分滤波(SVRADDF)算法.将测量值的新息协方差与理论协方差之间的差值作为支持向量回归机的输入、输出调节噪声统计特征的自适应因子,实时修正DDF噪声协方差,根据实际噪声变化调整噪声协方差矩阵,从而提高滤波精度.针对水下目标纯方位角跟踪系统的蒙特卡洛仿真实验表明,在相同初始噪声特性条件下,所提出的SVRADDF算法具有较好的估计效果和鲁棒性,估计精度、稳定性及收敛时间等性能明显优于单纯DDF算法.