自适应噪声消除算法的性能比较与仿真

在信号处理中,噪声往往是非平稳和随时间变化的,传统方法很难解决噪声背景中的信号提取问题.通过对自适应噪声消除原理的研究,介绍了基于参考信号和基于预测原理的两种自适应噪声消除(ANC,Adaptive Noise Cancellation)方法,分析对比了基于最小均方(S,Least Mean Squares)、递推最小二乘(RLS,Recursive Least Squares)和平方根自适应滤波(QR_RLS,recursive least squares based on QR decomposition)三种噪声消除算法的性能.仿真结果表明:这几种算法都能从高背景噪声中有效地抑制干扰提取出有用信号,显示出了良好的收敛性能.相比之下,RLS算法和QR_RLS算法呈现出更快的收敛速度、更强的稳定性和抑噪能力.     

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Wiener自适应滤波算法在语音信号去噪中的研究

主要研究基于Wiener自适应滤波LMS算法与RLS算法在语音信号去噪中的应用。对语音信号与噪声在相关和不相关、平稳和不平稳这四种情况下,分别采用RLS和LMS算法对语音信号进行去噪分析。研究发现,不管信号与噪声处于上面四种情况的任何一种,RLS算法比较优越,而且在处理相关和非平稳的情况下优势更大;对于不相关和平稳的情况,LMS算法的效果较好。     

基于预测码辅助的CDMA系统盲NBI抑制技术

在信号统计特性和训练序列未知的情况下,针对现存盲自适应最小均方(LMS,Least Mean Square)码辅助算法码分多址(CDMA,Code Division Multiple Access)系统强窄带干扰(NBI)进行抑制时稳态性能较差,以及盲自适应递归最小二乘(RLS,Recursive Least Square)码辅助算法收敛速度和性能难以折中的问题,提出盲自适应预测码辅助技术。盲自适应预测码辅助技术基于盲自适应RLS预测-LMS码辅助算法实现,实现了对三类NBI的抑制,包括音频干扰、数字窄带干扰和自回归(AR,Autoregressive)随机过程。本文详细分析了盲自适应RLS预测-LMS码辅助算法的性能,并通过仿真分析证明了算法的有效性。     

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。     

Alpha稳定分布噪声环境下新的类RLS自适应算法

给出在分数低阶Alpha稳定分布环境中一种新的类RLS自适应算法.由于Alpha稳定分布信号不存在有限的二阶和二阶以上矩,因此用最小p范数准则代替了传统的最小均方准则,并利用矩阵求逆定理提出一种直接递推的类RLS算法,避免了以往类RLS算法中的IRLS迭代计算,从而使算法的计算复杂度大大降低.最后对几种自适应算法进行仿真,并对其收敛特性进行了分析.结果表明,算法的收敛速度明显快于LMP和NLMP算法.     

RLS算法在无绳电话通信系统中的应用研究

本文阐述了RLS算法的原理,对RLS算法在无绳电话通信系统中的应用进行研究.考虑无绳电话通信系统中存在的问题及特点,建立仿真模型,试验不同条件下RLS自适应滤波器滤除单频噪声及白噪声的性能并给出结果,最后对RLS算法在无绳电话中的实际应用进行了一些探讨.     

基于Matlab的RLS自适应语音噪声对消系统的设计与实现

自适应信号处理的理论和技术经过40多年的发展和完善,已逐渐成为人们常用的语音去噪技术.而Matlab的出现又为其提供了更为方便快捷的方法来对语音信号进行消噪处理.介绍了自适应滤波器中常用的几种算法,并通过实例介绍了基于Matlab的RLS自适应语音噪声对消系统的设计与实现.     

自适应信道均衡器算法仿真与性能分析

使用自适应信道均衡器来抵消数字传输系统中噪声和信道造成的影响。采用两种自适应算法:LMS算法和RLS算法,并对算法进行了仿真,分析了系统参数对两种算法性能的影响,最后比较了LMS与RLS算法的收敛速度。仿真结果与理论分析相一致,验证了自适应算法的有效性。结果表明,虽然LMS算法不如RLS算法收敛速度快,但算法简单,易于实现。     

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.