基于遗传算法的多传感器自适应噪声抵消器

讨论了同一噪声源多传感信号的自适应噪声抵消器的设计方法·针对同一信号源的多传感信号,采用快速遗传算法获取多路信息融合器(LC)的权系数及自适应噪声抵消器的系数,克服了基于梯度的搜索算法和随机搜索等算法获取最优滤波器参数难的问题·利用遗传算法自适应调整LC的权系数,克服了采用并行噪声抵消器的输出平均作为估计信号时,可能造成估计误差太大的缺陷·仿真结果表明,该自适应噪声抵消器的设计方法,不仅实现简单、运行时间短,而且充分利用了多传感信号的信息,其去噪效果良好·     

基于神经网络的多传感器自适应滤波及其应用

讨论了同一噪声源多传感信号神经网络自适应噪声抵消器的设计方法·利用神经网络自适应获取信息融合器LC的权系数,克服了采用基于平均法时可能失去部分信息造成信号估计误差太大的缺陷,较好地解决了多传感器信息融合的问题·该方法不仅能获得信号的最优估计而且能克服信号处理中存在模型扰动和噪声的不确定性等问题·为了检验该滤波方法的有效性,在输油管道的泄漏定位检测与诊断中,利用该滤波方法提高压力信号、流量信号等信噪比·结果表明,神经网络自适应噪声抵消器不仅实现简单,而且能快速、有效地消除流量、压力信号中的各种噪声·     

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。     

基于高斯性检验的自适应小波去噪方法

针对软阈值和硬阈值去噪算法存在的缺陷，提出了一种基于高斯性检验的自适应非线性阈值去噪方法。该方法根据信号和噪声的模极大值特性自适应确定分解层数，引入高斯性检验选择软阈值和硬阈值方法对每层小波系数进行降噪处理。仿真结果表明，该自适应滤波方法简单有效、稳定性高，去噪后信号信噪比得到很大提高，且不同仿真信号结果都明显优于经典的小波去噪算法。     

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。     

一种基于自适应模糊滤波的语音增强方法

在语音识别和语者识别中，通常需要先将输入的语音信号进行去噪处理，这样可使识别的正确率大大提高，通常采用基于LMS算法和RLS算法的自适应线性滤波器来进行去噪。提出了一种基于自适应模糊滤波器的语音增强方法，该模糊滤波器是一种非线性滤波器，它在语音信号的特征域空间采用参数映射的方式来滤除噪声，并能够进行自适应结构调整和参数更新。实验结果表明，采用自适应模糊滤波器来滤除噪声比线性滤波器具有更好的效果。     

基于小波函数的模糊大脑情感学习分类器

将小波函数和模糊推理相结合，提出一种基于小波函数的模糊大脑情感学习分类器（WFBELC）。采用小波函数的时频局部化特性反应输入信号的突变信息，快速精确地逼近信号，并去除噪声；利用参数自学习规则更新WFBELC结构参数。将该分类器应用于3个公开数据集，并与BP算法模型、模糊小脑模型(FCMAC)和模糊大脑情感学习模型（FBEL）进行对比。仿真结果显示，分类器在3个数据集上的分类准确率平均值均为最高，其中，在Wine数据集上的准确率最大值达到100%，平均值为9756%，表明WFBELC对数据集的学习能力更强，能获得更好的分类效果。     

自适应噪声抵消器频域优化设计及其应用分析

随着通信技术的发展,自适应噪声抵消器在现在信号处理中得到越来越广泛的应用.在分析和讨论自适应噪声抵消器原理基础上,详细研究了基于自适应滤波器技术的噪声抵消优化实现算法及其特性.最后,以胎儿心电图信号检测为例,分析了自适应噪声抵消技术的应用,在MATLAB环境下进行测试分析,模拟测试结果与理论分析预测吻合.     

自适应小波阈值去噪在重力仪信号处理中的应用

为了有效地消除各种外界干扰噪声对高精度海洋重力仪测量值的影响，提高重力异常测量值的精度，在分析了小波阈值及自适应小波阈值去噪算法的基础上，将其应用到高精度海洋重力仪系统数据处理中，并与自适应卡尔曼滤波做了对比，以处理后信号的信噪比作为衡量3种数据处理方法优劣的依据。理论分析和仿真实验表明，自适应小波阈值去噪方法、传统的小波阈值去噪方法和自适应卡尔曼滤波都能在一定程度上消除噪声信号对重力仪测量信号的影响，但在相同情况下，自适应小波阈值去噪方法具有明显的优越性。     

基于神经网络的自适应噪声抵消器的研究

在系统阐述了自适应滤波器和自适应噪声抵消器基本原理的基础上,利用神经网络的特点,设计了基于四层神经网络的自适应噪声抵消系统,克服了传统自适应滤波器需要两路输入信号统计相关的特点。理论分析和计算机仿真表明,该系统与传统自适应噪声抵消系统相比具有很好的噪声消除能力和鲁棒性。     

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。     

基于TD-BP网络的噪声滤除

为更好地消除噪声,提出TD-BP神经网络拟合未知的噪声信道滤波器,讨论了它的模型与学习算法及其通用逼近性.基于TD-BP神经网络的噪声消除器具有神经网络分布式并行信息处理能力,利用TD-BP逼近噪声,然后抵消噪声得到有用信号,具有较好的鲁棒性和除噪性能.     

PRC-CW雷达近距离目标干扰的自适应对消

为提高伪随机码连续波（PRC—CW）雷达性能，讨论了近距离目标干扰抑制方法。在分析了PRC—CW雷达近距离目标干扰信号的基础上，采用了基于最小均方（LMS）算法的自适应对消技术；通过仿真分析合理选择了LMS自适应滤波器的参数，并采用11公司的TMS320C5402定，量DSP芯片实现了自适应对消器。试验结果表明该对消器能抑制近距离目标干扰。     

基于粒子群算法的自适应滤波器研究及应用

针对神经网络自适应滤波器易于陷入局部极小的缺陷,采用抑制局部最优的粒子群算法优化神经网络的权系数,设计了基于改进粒子群算法训练的三层神经网络的自适应滤波器,并将其应用于自适应噪声抵消器.仿真表明,该系统与传统自适应噪声抵消系统相比具有很好的噪声抵消能力,信噪比大大提高.     

自适应频域波束形成技术的小话筒阵列应用

研究了有鲁棒性频域波束形成技术在小话筒阵列上的应用．在有鲁棒性通用边带抵消器(GSC)的频域实现中，为了降低目标信号抵消，采用了自适应模式控制器，根据频域相关的信噪比估计值来控制自适应滤波．一个4阵元小尺度阵列的实验表明，在不损失目标语音质量的情况下，对于垂直入射与非垂直入射的目标语音，均可以获得15dB以上的噪声消除效果．     

针对一种特殊干扰信号的自适应抵消器改进算法

提出针对一种特殊干扰信号的自适应抵消器改进算法。它既能有效地进行噪声抵消，又在一定程度上加快收敛速度，从而提高自适应抵消器在这种干扰环境下的性质。文中通过严格的理论推理，证明这种算法的可行性和优越性。计算机仿真结果表明，利用改进算法得到的抵消器输出结果，明显优于传统算法所得的结果。最后指出，这种改进算法在范围上的特殊性。     

立体声回波对消的算法性能实验研究及DSP实现的可行性分析

将自适应算法应用于实时立体声回波对消，以提高电话会议的通信质量．探讨了房间冲激响应为上百ms时，实时声回波对消自适应算法的收敛速度和立体声回波对消中的非唯一解问题．实验研究了输入为白噪声或语音信号、学习过程中发送房间冲激响应突变时，立体声回波对消自适应算法的失配和均方误差．比较了该算法的运算复杂度和采用DSP实现所需的指令周期．从DSP实时处理的可行性角度举例说明了选择适当DSP芯片的方法，为工程应用中构建以DSP为核心的声回波对消器提供了参考指标。