基于自适应陷波器的主动隔振仿真研究

自适应陷波器可以对陷波频率处的信号进行有效衰减，而对其他频率的信号影响较小，因而在有源消声、信号提取等方面得到广泛应用。以与振动干扰同频率的正弦信号作为前馈控制系统的参考输入，采用滤波LMS算法对控制权值进行调整，证明对单频和多频干扰进行主动隔振时系统的结构均等同于自适应陷波器，因而可以对周期性振动进行有效的隔离。仿真结果表明，在振动干扰中存在随机噪声的情况下，所提出的控制方法对于周期性振动仍具有较好的控制效果。     

基于自适应共轭梯度算法的高分辨率谱估计器

基于AR模型的功率谱估计是现代谱估计应用非常广泛的一种方法。通过对一全极点模型的参数估计来实现功率谱估计。提出了一种采用自适应共轭梯度算法来进行参数估计的方法。由于共轭梯度算法采用迭代运算求解Yule-Walker方程,同现有的谱估计算法相比,大大减小了谱估计算法的计算复杂度;随着自相关矩阵阶数的增大,该方法谱估计精度在小信噪比下提高显著。仿真结果表明,这种方法和基于AR模型的其它谱估计方法在不同信噪比下具有几乎相同的分辨率。因此,该谱估计算法具有重要的实用意义,有助于谱估计算法的实时实现。     

基于双相移组合全相位法的FIR陷波器设计

提出新的双相移组合全相位设计FIR陷波器算法。根据单窗情况下全相位滤波的3个重要性质,利用两个互为对称的陷波频率向量用全相位方法设计出两个子滤波器,并构造两个互为共轭的相移向量分别对两个子滤波器进行相移,再将两者进行组合即可生成陷波器。通过理论证明:陷波器的设计可通过代入一简单公式来实现,计算复杂度非常低。实验表明:通过改变相移参数值,在任意频率点上陷波器的衰减值可达-330dB。     

在噪声抵消应用中自适应滤波算法性能的仿真比较

介绍了噪声抵消的原理和从强噪声背景中自适应滤波提取有用信号的方法,并对最小均方(LMS,LeastMeanSquares)、归一化LMS(NLMS,NormalizedLeastMeanSquares)和递推最小二乘(RLS,RecursiveLeastSquares)三种基本自适应算法进行了对比研究。计算机模拟仿真结果表明,这几种算法都能通过有效抑制各种干扰来提高强噪声背景中的信号检测特性。相比之下,RLS算法具有良好的收敛性能,除收敛速度快于LMS算法和NLMS算法以及稳定性强外,而且具有更高的起始收敛速率;更小的权噪声,更大的抑噪能力。     

复数RBF神经网络自适应均衡算法研究

在研究基于实数径向基函数 (RBF)神经网络均衡器结构的基础上 ,提出了几种新的适用于QAM信号的复数RBF神经网络自适应均衡器结构 ,并给出了相应的自适应算法。新的均衡器是充分利用了所得到的信号信息及RBF的特性而分别构成的。理论分析和计算机仿真结果都表明 ,基于新的均衡器的算法比基于实数RBF神经网络的均衡算法具有更好的收敛性能     

基于两次Kalman滤波的观测噪声自适应调整算法

在实际的目标跟踪过程中,由于目标远近等各种客观因素的影响,观测噪声是随时变化的.但是在标准卡尔曼滤波中,如果将观测噪声协方差设为恒定值,必然造成跟踪结果不理想.针对这种情况,通过在任意时刻施行两次卡尔曼滤波的结果来自适应地调整观测噪声协方差,使卡尔曼滤波算法中的观测噪声协方差与实际值更加接近,从而提高对目标的跟踪精度.最后Monte Carlo仿真实验证明了本算法的有效性.     

设计自适应IIR滤波器的单纯形-退火策略

作为信号处理领域的重要研究课题 ,滤波器设计本质上是一个多维参数寻优问题 ,且往往存在多极小。传统最小二乘法和单纯形法易陷入局部极小 ,而单一模拟退火算法搜索过程冗长 ,单一遗传算法易早熟收敛。结合模拟退火的随机概率突跳性搜索和单纯形法的凸多面体几何搜索 ,提出了有效设计自适应IIR滤波器的一种简单易实现的单纯形 退火策略 (simplexmethod simulatedannealing ,SMSA) ,并给出了算法操作和参数的合理设计方案。基于多个典型系统的随机数值仿真以及与最小二乘方法的比较研究 ,验证了所提方法的有效性、全局优化性和初值鲁棒性。     

自适应阵列天线中正交化算法的讨论

本文讨论了自适应阵列天线中的Gram—Schmidt正交化算法,指出了在多干扰源环境中,最佳采样次数与干扰源数的关系以及自适应确定采样次数的方法。     

一种改进的自适应局部噪声消除滤波算法

指出了美国冈萨雷斯教授(Rafael C.Gonzalez)提出的一个基于自适应局部噪声消除滤波器算法存在的不足,并提出了一种改进的自适应局部噪声消除滤波新算法.通过比较可以发现改进的算法要比原算法的均方误差emse降低了一个数量级,而且各种信噪比SNR、SNRm、PSNR都将比原算法提高了1/4.计算机仿真实验证明了改进的自适应局部噪声消除滤波算法是有效的.     

一种自适应多目标跟踪算法

给多目标跟踪滤波器引入一个自适应比例因子,用该比例因子描述目标运动过程中的不可预测性或机动性。并结合实际情况,针对传统的数据关联算法的可行性规则(量测与目标一一对应)所存在的问题,提出量测与目标是多-多对应的新可行性规则。在此基础上,给出一种自适应多目标跟踪算法。仿真结果表明:自适应算法的跟踪性能优于非自适应算法的跟踪性能。利用该方法对多目标进行跟踪,可以达到很好的跟踪效果。     

Lattice structure adaptive IIR notch filter based on least square kurtosis

A new variable step-size algorithm for a second-order lattice form structure adaptive infinite impulse response (IIR) notch filter to detection and estimation frequency of sinusoids in Gaussian noises is proposed. Utilizing least square kurtosis of output signals as a cost function, the new gradient-based algorithm to update frequency of the adaptive IIR notch filter and the new variable step-size algorithm are given. The computer simulation results show that the proposed algorithm has better ability in suppressing colored Gaussian noises and better accuracy in estimating parameters at low SNR than previous algorithms.     

直接型数字滤波器的设计

本文讨论了直接型数字滤波器（ＦＩＲ和ＩＲ数字滤波器）的设计方法,并利用提出的两种算法解决了设计中存在的一些数学问题,进而详细地给出了直接型低通、高通、带通和带阻滤波器的设计公式。     

用于基因预测的自适应滤波器的仿真研究

根据蛋白质编码区周期3行为,设计了两种用于基因外显子预测的窄带自适应滤波器,对基因序列进行滤波处理,获得了外显子的预测曲线;在此基础上,分析了最小均方误差（LMS）算法和递推最小二乘（RLS）算法用于基因预测的异同,通过比较滤波器参数和仿真曲线,表明递推最小二乘算法用于基因外显子预测优于最小均方误差算法。     

复杂适应组织的特征

作为复杂适应系统的组织被认为是快速、不确定变化环境下的理想组织形式，但不是所有组织都可以看作为复杂适应系统。如同任何其他科学的概念一样，复杂适应系统有其特定内涵、适用范围和条件。本文通过将自然科学有关复杂适应系统的概念、特点类比地应用于有人参与的企业组织，指出作为复杂适应系统的企业组织应具有的主要特征，给出其在现实经济生活中的具体体现以及与传统组织的重要差异。     

一种基于EMD和ANC技术的自适应降噪方法

为了提高分析信号的信噪比,基于经验模态分解和自适应噪声抵消技术,提出了一种新的信号去噪方法。该方法首先对信号进行自适应噪声抵消,然后进行经验模态分解,得到不同尺度上的固有模态函数,再对不同尺度上的固有模态函数进行噪声属性判定,如果不是噪声则选用不同的滤波参数,进行自适应噪声抵消,最后对各尺度上噪声抵消后的信号进行重构,得到去噪后的信号。结果表明,该方法比基于最小均方误差准则的自适应噪声抵消方法更能有效地消除信号中的噪声。     

极化技术在雷达抗干扰接收中的应用研究

对LMS自适应滤波器在单凹口极化自适应抗干扰接收系统中的应用进行了分析研究。对常规的LMS自适应滤波器进行了改进 ,使其能更好地应用于单凹口极化自适应抗干扰接收系统。提出了一种确定极化滤波器控制参数的新算法。最后对极化自适应抗干扰接收系统的抗干扰性能进行了仿真分析。仿真结果表明 ,所述方案具有良好的抗干扰效果