基于神经网络的自适应IIR滤波器

基于神经网络理论中能量函数的概念,提出了一种自适应IIR滤波器的设计方法.利用HOPFIELD的能量函数来解决IIR滤波器的稳定问题,只用了一个人工神网络电路就可完成,而且计算速度快,避免了复杂性,可应用于快速变化信号的实时处理.     

神经网络自适应滤波器在故障诊断中的应用

分析了用自适应滤波器进行故障诊断的方法．针对该方法在计算上要花费大量时间、难于完成实时诊断任务的缺点，提出了用神经网络自适应滤波器来完成故障诊断的方法．神经网络有极快的运行速度，能很好地完成实时诊断任务．     

自适应滤波器的仿真研究

针对目前自适应滤波器的研究现状,依据其原理、介绍了LMS、LSL及FTF白适应的具体算法,给出了具体实例及应用,实现了自适应滤波器的功能。结果表明,利用LabVIEW仿真自适应滤波器,使数字信号处理工作变得十分简单,为滤波器的优化设计及合理应用提供了可靠依据,具有很好的工程实用价值。     

自适应滤波器仿真设计

自适应滤波器能够在没有任何关于信号和噪声的先知的条件下,达到最优滤波的目的。根据自适应滤波的原理,该文的自适应算法主要分析了易于实现的最小均方差算法。为了满足自适应滤波的实时性要求,文章论述了基于数字信号处理器的自适应滤波器系统的设计。仿真结果表明,自适应滤波器滤波效果优越。     

基于归一化LMS算法的自适应滤波器设计

归一化LMS(NLMS)算法是一种变步长的LMS算法,比LMS算法具有更快的收敛速度.采用Altera 公司的仿真软件DSP Builder和QUARTUSII7.2,进行归一化LMS算法的自适应滤波器的现场可编程门阵列(FPGA)设计.     

归一化LMS算法自适应滤波器的MATLAB仿真与DSP实现

固定步长LMS算法自适应滤波器在收敛速度与稳态误差之间存在矛盾,变步长LMS算法的步长因子是变化的,能够灵活避免此矛盾.分析了两种变步长LMS算法自适应滤波器基本原理,先使用MATLAB对其分别进行仿真,之后应用SZ-EPP5416评估板对其分别进行了DSP实现,仿真结果与DSP实现都表明变步长LMS算法改善了收敛速度与稳态误差间矛盾,但归一化LMS算法能更好地改善固定步长LMS算法的矛盾,具有更快收敛速度与更小稳态误差.     

基于小波神经网络的自适应控制器设计

针对一类未知非线性系统,设计了一种基于小波神经网络的自适应控制器,并提出了一种适合在线学习的参数混合训练算法。根据离线和在线学习系统的特性,得到小波神经网络控制器的初始参数,使用混合训练算法在线修正控制律,实现了自适应控制。仿真结果验证了该控制方案的有效性。     

自适应滤波器设计及MatLab实现研究

自适应滤波器技术因其各方面的优越性能,已经在数字通信、工业控制和雷达等领域获得了广泛应用。本文主要介绍自适应滤波器的Matlab设计方法,且以LMS算法作为范例进行MatLab仿真,结果可见设计的自适应滤波器具有良好的性能和较强的可操作性。     

基于LabVIEW的LMS自适应滤波器的设计及其应用

传统自适应滤波器的研究大多局限于Matlab、Simulink等工具,由于不能设计成一个虚拟仪器或者一个应用系统,无法测试滤波器在工程应用中的实际性能.因此,该文以LMS算法为例,设计了一种基于LabVIEW的LMS自适应滤波器.实验证明,该滤波器有效、性能良好,而且能很好地应用于语音信号的分析和处理.     

神经网络在自适应滤波中的应用

利用神经网络对白噪声、红噪声和正弦波进行辨识，进而采用单片机对以上３种噪声和尖峰脉冲干扰进行自适应滤波处理，实验结果表明该方案正确。     

自适应IIR滤波器的韧性梯度估计算法

对于自适应ＩＩＲ滤波器的输出误差模型结构。ＨＡＲＦ算法和ＲＰＥ算法是两种基本算法。ＨＡＲＦ算法受严格正实条件限制。ＲＰＥ算法则有稳定性问题；经分析，其原因在于其梯度的不坚韧性。为此，提出了一种能够稳定收敛的韧性梯度估计算法；其计算量小，是一种实时算法。     

基于神经网络的数字滤波器

提出了一种新型数字滤波器 它将神经网络结构与算法应用到滤波器中，取得了很好的效果。     

基于System Generator的自适应滤波器仿真与实现

自适应滤波器是一种能够自动调整本身参数的滤波器,在设计时不需要预先知道关于输入信号和噪声的统计特性。通过改变系统的单位冲击响应,达到最优滤波效果。本文采用Matlab和System Generator对LMS算法的自适应滤波器进行设计和仿真,结果表明其可以对信号噪声的自适应滤除。     

自适应滤波器的算法比较研究

自适应滤波器一直是随机信号处理当中的一个重要的研究课题。在介绍了自适应滤波器的各种算法之后,重点讨论了基于LMS的自适应滤波器算法和基于RLS的自适应滤波器算法,并用Matlab对这两种算法进行了仿真和比较分析。     

神经网络自适应控制系统

提出了一种基于神经网络和自适应控制系统，其中一神经网络用辩识非线性系统，另一神经网络作为控制器，依据本文推出的自适应算法得出了满意的仿真的结果。     

基于神经网络的自适应控制器的研究

本文研究了神经网络控制未知动态系统的可行性，提出了几种自适应控制结构，并研究了在不同条件下各种结构的性能变化，给出了不同条件下的仿真结果及一些结果分析。图１３，参４．     

基于神经网络的多变量自适应控制器

利用神经网络对非线性映射的逼近能力，通过采用一步超前预测控制性能指标及网络模型局部线性化的思想，给出了一个显式的控制律和相应的自适应控制算法，仿真结果表明了该控制算法的有效性。     

基于Hopfield神经网络的自适应控制系统的设计与仿真

根据连续型Hopfield神经网络的特性,设计基于Hopfield神经网络自适应控制系统,解决当前大多数控制系统需要外界参与的问题.设计一个三元组的Hopfield神经网络,并通过自反馈机制更新神经元的权重,完成自适应控制的任务.通过MATLAB平台仿真建立Hopfield神经网络,构建神经网络输出与参考标准输出之间的对比实验.结果表明,Hopfield能够在有限次数内逼近参考标准输出,从而完成控制任务.基于Hopfield神经网络的自适应控制系统有较高的精度,能够完成常见的设备控制,具有较强的可行性和便捷性.     

基于LMS自适应滤波器对噪声干扰的语音恢复研究

从自适应滤波器的基本原理出发,利用自适应滤波器对白噪声干扰下的语音信号进行恢复处理,研究自适应算法不同步长对处理结果的影响.理论分析及实验结果表明,在合适的步长下,采用Least Mean Squarc(LMS)算法自适应滤波器,从被噪声干扰的语音信号中恢复实际信号,其偏差在工程上可以接受,而且算法实现简单,具有较好的消噪效果.     

基于粒子群算法的自适应LMS滤波器设计及可重构硬件实现

自适应滤波器设计是典型的多参数组合优化问题,利用一种改进的粒子群优化算法(MPSO)来优化设计自适应LMS滤波器.将滤波器设计问题转化为滤波器参数优化的问题,利用改进的粒子群算法MPSO搜索整个参数空间,从而获得全局优化的系数.设计的滤波器应用于系统的跟踪响应中,并在基于可重构硬件的平台上实现自适应滤波器.从收敛和失调性能指标评价所设计的LMS滤波器,实验结果表明设计的LMS滤波器具有较好的性能,证明了这种方法的有效性和优越性.