非空气传导语音的噪声特性分析及处理

喉部送话器具有很强的抗环境噪声干扰的能力，但使用时内部会产生一定的噪声。本文利用同步录音的麦克风语音信号和喉部送话器语音信号的相关性，用自适应线性滤波法提取出了喉部送话器的噪声信号，对其特性进行了分析，并提出了解决方案。     

一种优化型自适应滤波器结构

各种自适应算法的性能除了与其自身的特性有关外,还与外部信号环境密切相关。本文针对LMS算法易受外部噪声的影响,产生权失调,从而影响到算法的性能,提出了一种优化型自适应滤波器的结构(OPAF),该结构提高了算法的抗噪声性能。并以此结构实现了噪声抵消(ANC)与回波抵消(EC),实验结果表明,其抗噪声性能指标优于传统结构的自适应滤波器。     

基于能量和方差的鲁棒自适应视频水印算法

为了提高水印的鲁棒性同时兼顾视频主观质量和水印不可见性,提出一种基于FZDH的自适应视频水印嵌入技术．该算法依据人类视觉掩蔽特性,计算帧中各块方差和能量值,按照两值大小自适应的选择水印嵌入范围和嵌入强度．通过采用高斯白噪声和椒盐噪声对H．264／AVC压缩编码后的水印视频进行攻击,比较本方案与原算法在抗噪声和抗压缩方面的能力．仿真实验表明,本方案比传统算法具有更强的抗压缩和抗噪声能力．     

用于电阻层析成像的快速自适应硬阈值迭代算法

针对电阻层析成像技术图像重建具有严重病态性的问题,提出了一种稀疏重建算法——快速自适应硬阈值迭代算法,研究了噪声对该算法在电阻层析成像图像重建效果上的影响,并通过仿真和模型实验测试了该算法的性能.结果表明:一定强度范围内的噪声对硬阈值迭代算法、自适应硬阈值迭代算法和快速自适应硬阈值迭代算法的影响较小.快速自适应硬阈值迭代算法成像速度更快,且该算法重建图像的空间分辨率相对其他两种算法也有较大的提高.     

一种总体最小二乘算法及在Volterra滤波器中的应用

针对输入输出观测数据均含有噪声的滤波问题，提出了一种鲁棒的总体最小二乘自适应算法．该算法利用滤波器的增广权向量的瑞利商为损失函数，导出了其自适应迭代公式，并利用随机离散学习规律对权向量模的分析进行算法梯度修正，提高了算法的噪声鲁棒性，而且使得算法简单，稳定性好，收敛精度高．将该算法应用于Volterra滤波器，可使滤波器在非线性系统中的信噪比达到10dB，在学习因子为0．01时，算法仍然能够保持良好的收敛性．仿真结果表明，即使在高噪声环境或使用较大学习因子的情况下，该算法的鲁棒抗噪性能和稳态收敛精度均明显高于其他总体最小二乘方法．     

基于动态神经网络的人工环境自适应控制

本文将动态ＢＰ网络应用于双输入双输出非线性耦合系统的自适应控制，并利用递归最小二乘法来训练该网络，ＲＬＳ算法具有收敛速度快，抗噪声能力强等优点，还避免了常规ＢＰ算法中学习率选取困难的难点。     

小波基下的多分辨率SURE阈值信号估计

根据小波阈值估计理论，通过最小化风险的估计，可计算自适应于数据的阈值，提高估计的信噪比。分析了噪声和信号在小波分解下的特性，提出了小波基下自适应于每一尺度的多分辨率SURE阈值算法，并采用该算法对被噪声污染的信号进行了估计，阈值T选取统一阈值，噪声的标准差由中位公式求出。仿真结果表明，与传统的小波阈值法相比，该算法明显地提高了估计的SNR。     

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。     

一种变步长LMS算法及其Matlab仿真

对变步长自适应滤波算法进行了讨论，对VS—LMS算法进行了改进，建立了步长因子μ与误差信号e（n）之间另一种新的非线性函数关系．理论分析和计算机仿真结果表明，该关系不仅具有原有算法收敛速度快的优点，而且在低信噪比环境下比原有算法具有更好的抗噪声性能．     

一种基于神经网络PID的机器人SLAM改进算法

提出了一种基于神经网络PID自适应辨识噪声的移动机器人即时定位与地图创建(SLAM)改进算法。重点对自适应辨识的EKF-SLAM改进算法实现进行了分析,神经网络PID控制器、中值滤波以及噪声调整等组成噪声在线辨识单元。在噪声先验信息不足的情况下,通过自适应在线辨识单元辨识未知系统过程噪声和观测噪声,并迭代修正噪声协方差和平均值滤波新息协方差,实现机器人即时定位精度的在线提高。仿真结果表明,该算法可减小定位误差、降低未知系统过程噪声和观测噪声对SLAM算法的影响。     

一种基于量子势阱组的说话人特征提取方法

说话人特征提取是说话人识别系统中的关键环节,优良的特征提取算法既能有效反映说话人的基本特征,又能为识别的有效性提供保证.根据量子势阱理论,论文以透射系数、能量和频率的对应关系为切入点,构造出使频率和势阱一一对应的势阱组.针对语音信号的特点,将一帧语音信号视为一个量子态,利用势阱分离能量的特性,通过势阱组提取出信号的能量谱特征,并以此作为特征参数,探索了一种基于量子势垒组的说话人特征提取方法.仿真结果表明,在相同条件下,该方法可以降低算法的复杂性并能够有效的提取说话人特征,为说话人特征提取提供了新的研究方向.     

基于信道冲击成型自适应机制的 WSN大数据采集算法

为解决无线传感网采集算法普遍存在的节点故障率高、链路抖动严重及抗噪性能较低等不足,提出了一种基于信道冲击成型自适应机制的无线传感网大数据采集算法。首先,根据无线传感网节点信号具有的分区及偏移特性设计了信道冲击成型方法,并基于编码率-信噪比-信号发射强度增益等参量构建能量密度与信道衰落匹配过滤方式,提高信号发射过程中能量密度;随后,通过传输信号与信道噪声具有的正交特性建立自适应抽样机制,根据垂直信号与噪声信号互相干涉中产生的正交效应进行匹配滤波,并针对节点采取了载波过滤的方式进行遍历过滤,降低了网络信号拥塞现象的发生。仿真实验表明:与当前常见的拉普拉斯抗噪传输算法(Laplasse Anti-Noise Transmission Algorithm,ANT-L机制)以及傅氏信号解析抗噪传输算法(Fourier Noise Analysis Algorithm for Noise Immunity,NI-FNA机制)相比,本文算法具有更高的数据吞吐性能,有效地降低了网络链路抖动现象,取得更低的传输误码率。     

一种改进的变步长自适应匹配追踪算法

压缩感知是利用信号的稀疏性和可压缩性进行信号处理的新理论.针对压缩感知中信号稀疏度未知的问题,提出了一种改进的变步长自适应匹配追踪(MVss AMP)算法.该算法通过计算余量与测量矩阵的相关性,自适应地选择候选集原子,并且通过可变步长更新支撑集,实现信号的精确重建.该算法通过设置一个参数来控制步长变化.仿真结果表明:该算法在误差范围内实现了信号精确重建,并且重建性能优于其他同类算法.     

个别时变步长LMS自适应算法

本文提出一种步长自适于输入信号与预测误差相关的个别时变步长最小均方(IVLMS)自适应算法。给出步长的物理解释,导出算法的收敛条件、权二阶矩矩阵差分方程和稳态失调量。将个别时变步长的思想应用于归一化LMS算法和分块LMS算法,均获得良好效果。     

卫星通信中一种改进的变步长LMS均衡算法研究

针对传统的定步长最小均方误差（fixed step size-least mean square,FSS-LMS）算法不能同时兼顾快速收敛和较小稳态误差,以及变步长最小均方误差（variable step size least mean square,VSS-LMS）算法也不能满足较快的收敛速度和较好的抗噪声性能等问题,提出了一种在Sigmoid函数中引入递减的等比序列,在估计误差的自相关函数基础上,用前后时刻的绝对误差来代替当前时刻的瞬时误差,加强了对步长因子控制的算法。仿真结果表明,在不同的信噪比环境下,提出的算法较其他LMS算法具有收敛速度快、抗噪声性能强和稳态误差小等特点。同时,给出了卫星通信系统的仿真模型,并且将提出的算法应用到了该系统模型的自适应均衡器之中,系统的误码性能有较大的改善。     

基于变步长最小均方误差自适应滤波器的变压器机器鱼避障时延仿真

为了解决变压器机器鱼避障过程中时延信息难以准确估计的问题,提出一种基于变步长LMS（最小均方误差）自适应滤波器的时延估计方法。不同于传统的互相关时延估计算法,变步长LMS自适应滤波器算法不需要信号和噪声的统计先验知识,具有更好的适用性。算法根据最小均方误差准则和最速下降法对滤波器的输出和权系数向量进行自适应调节,迭代过程中采用变步长代替传统的固定步长提高了收敛速度,然后对权系数向量进行Sinc函数插值获得时延估计结果。仿真分析了不同信噪比条件的时延估计性能,并且与传统互相关算法进行了比较,结果表明所提算法相对于传统互相关算法具有更好的抗噪性和更明显的时延估计峰值。     

一种稀疏度自适应正交多匹配追踪重构算法

压缩感知理论是一种利用信号稀疏性或可压缩性对信号进行采样同时压缩的新颖的信号采样理论。针对稀疏度未知信号重构问题,提出了一种稀疏度自适应正交多匹配追踪重构算法。该算法在广义正交匹配算法(generalized orthogonal multi matching pursuit,GOMP)基础上结合稀疏自适应思想。根据相邻阶段信号能量差自适应调整当前步长大小选取支撑集的原子个数,先大步接近,后小步逼近信号真实稀疏度,从而实现对信号精确重构。实验仿真结果表明,该算法能有效精确重构信号。具有良好的重构性能和较高的重构效率。     

NLMS算法在轨道电路信号解调中的应用

针对目前轨道电路FSK信号解调中传统解调方法解调精度不足的问题,在对自适应滤波理论研究的基础上,提出采用基于NLMS算法的自适应滤波模块,利用传统频谱分析法得出轨道电路FSK信号的载频信息作为自适应滤波模块的期望信号,通过提取其中一个载频分量从而还原调制方波,经过计算后得出调制频率,实现信号的解调。仿真结果证明NLMS算法不仅实现了轨道电路FSK信号高精度的解调,并且解决了传统LMS算法在轨道电路FSK信号解调中收敛速度慢的缺陷,具有良好的抗噪性能。     

基于小波变换的MPSK/QAM特征提取算法

在基于特征提取的调制识别算法中,对调制信号特征的提取是其中一个重要的环节。该文利用Morlet小波对高斯白噪声中的MPSK/QAM信号进行特征提取,仿真结果表明该方法具有较好的抗噪声性能和较高的识别准确度。