基于模糊自适应滤波器的噪声对消系统

给出了一种基于模糊自适应滤波器的非线性噪声对消系统,由于用前馈网络表示的模糊逻辑系统具有学习任意非线性函数到任意精度的能力,而且具备自适应性,因此,这种滤波器的性能明显优于线性滤波器,能适应各种复杂的噪声环境,仿真结果表明,这种滤波器具有良好的性能。     

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。     

实时自适应噪声对消系统的TMS32010实现

提出了采用TMS32010高速数字信息处理芯片和APLMS算法实现实时自适应噪声对消系统的硬件结构和软件流程，通过实验验证了这种实时系统的有效性。     

自适应噪声对消及其在雷达目标识别中的应用

简述了利用波形综合法进行雷达目标识别的工作原理及产生Ｅ脉冲和Ｓ脉冲的方法，提出一种新的识别参量和识别方法。为了减少雷达回波噪声对识别的不良影响，本还提出了一种抑制不相关噪声的自适应滤波方法，并将自适应噪声对消技术用于雷达目标识别。     

自适应噪声对消中的ELMS算法及其变步长算法

基于对ＬＭＳ算法的研究,提出一种适用于自适应噪声对消（ＡＮＣ）系统的ＥＬＭＳ算法结构,分析比较了ＥＬＭＳ算法与ＬＭＳ算法的统计性能,还提出了一种较为实用的变步长归一化ＭＶＳ－ＡＮＥＬＭＳ算法．大量的计算机模拟仿真论证了新算法的优越性．     

基于声透镜粒子群算法的自适应噪声对消算法

在复杂的语音获取应用环境中,麦克风阵列接收的信号难免会产生方向、幅度和相位的模糊问题。提出了一种基于声透镜粒子群算法的自适应噪声对消算法。通过声透镜波束形成技术采集语音信号,将粒子群算法应用于自适应噪声对消中解决获取信息模糊问题。Matlab计算机仿真结果表明本算法与传统自适应噪声抵消算法相比具有更好的噪声抵消能力和性能,信噪比大大提高,且可以有效解决语音数据的模糊问题。     

基于经验模态分解的核磁共振去噪方法研究

核磁共振（NMR）在孔隙结构评估和流体识别方面具有独特的优势,但NMR信号很容易受到噪声影响。根据NMR噪声的时域和频域特征,提出了基于一种经验模态分解（EMD）的NMR去噪方法。首先,利用EMD将信号由高频到低频分解为一系列的本征模态函数,以此分解噪声和噪声NMR信号,然后,使用曲线趋势法和改进的过零点率曲线确定信号噪声分离准则,将有用信号叠加到剩余项以获得去噪信号。通过岩芯数据和测井数据对比发现,基于EMD的去噪方法可以提高信噪比的同时保留孔隙结构信息,其去噪效果优于小波阈值和EMD小波阈值法,计算得到的孔隙度接近实际孔隙度。     

非高斯噪声背景下的自适应信号提取方法研究

为实现对非高斯背景噪声干扰条件下用信号的提取,将BP神经网络作为自适应噪声对消滤波器,以与干扰噪声强相关的噪声源作为参考噪声,实现对背景噪声的抑制,达到了有用信号提取的目的。BP神经网络自适应噪声对消技术不仅适用于线性相关参考噪声,同时也适用于非线性相关参考噪声,可以有效提高信号传递和接收的信噪比。     

基于经验模态分解空域相关滤波的脉冲星信号消噪

针对脉冲星信号信噪比极低,且信号中有色噪声成分远大于高斯白噪声的特点,提出了一种基于经验模态分解(empirical mode decomposition,EMD)的脉冲星信号空域相关滤波消噪方法。首先建立脉冲星信号的分形高斯噪声模型,根据双对数功率谱密度估计分形高斯噪声的Hurst参数值;然后,结合脉冲星累积信号的窗口辐射特性和分形高斯噪声经EMD分解后的噪声分布特点,估计脉冲星信号各层内蕴模态函数(intrinsic mode function,IMF)中噪声的方差;最后,以IMF噪声方差为基础,建立EMD空域相关滤波方法并应用于脉冲星累积轮廓消噪。实验结果表明,与经典的平移不变小波阈值消噪法、平移不变小波空域相关滤波消噪法以及EMD模态单元比例萎缩消噪法相比,改进的EMD空域相关滤波消噪法在抑制脉冲信号中的噪声和保留更多的微脉冲特征细节信息方面更加有效。     

基于经验模态分解的子带自适应声学回声消除算法

在语音通信中,声学回声消除技术用于消除扬声器与麦克风之间耦合产生的回声干扰.在声学回声抵消系统的实现过程中,可以通过子带技术来提高系统的性能,并减小算法本身的运算量.常见的子带算法多是基于组合滤波器、小波变换实现的.本文基于经验模态分解提出一种新的自适应回声消除算法EMD-APNLMS,它克服了基于组合滤波器算法收敛慢的缺点以及基于小波变换算法需要选择小波基的问题.计算机仿真结果表明,该算法实现了回声的消除,收敛速率较快,非常适用回声这种非平稳信号的处理.     

基于双路奇异值分解的信号降噪方法

针对常规奇异值分解对强噪声抑制效果不佳的问题,提出了一种基于双路奇异值分解的信号降噪方法。首先采用奇异熵定阶的方法对高阶噪声进行预处理,然后从双路奇异向量的相关性出发确定低阶噪声奇异向量的位置,最后将剩余的奇异值与奇异向量重构得到优化估计的降噪信号。仿真实验表明：双路SVD相比常规SVD的降噪方法在低信噪比、白噪声的环境下信噪比增益提升4.07 dB,与纯净信号波形相关系数增量提升0.11。以一段受到座舱噪声污染的语音信号为实验对象,文中方法与双通道自适应噪声抵消的降噪方法对比,信噪比增益提升4.83 dB,运算耗时缩短1.5 s。此外,文中方法不受噪声类型的限制,对于有色噪声和单频干扰甚至混合噪声同样具有良好的适应性,有广泛的应用前景。     

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。     

用单片微机实现自适应滤波：自适应噪声抵消系统（ANCS）

本文主要介绍了用单片微机实时实现自适应滤波的研究,着重讨论了对50Hz干扰的消去——自适应噪声抵消.文中包括用APPLEII模拟自适应滤波实现的可能性研究,用MCS-51实现ANCS软硬件的介绍.本文对自适应滤波的研究和实用以及教学实验均有一定的参考价值.     

自适应滤波在噪声抵消中的应用

介绍了自适应噪声抵消的工作原理,并对算法的选择进行了简单论述,说明了选择LMS算法的原因,并进行了仿真。     

基于EMD技术的语音特征提取方法

利用软件MATLAB仿真了语音信号的经验模态分解（EMD）特性,并与相关文献报导的其他分解方法进行了比较,结果表明：EMD法能达到更好的说话人识别效果。当不同的人发相同语音时,其频谱特性是不同的,把语音信号进行EMD分解后的IMF做频谱变换,便能得到一个特征向量,于是根据特征向量的不同而达到说话人识别的目的。以上实验结果有助于开辟说话人识别的新途径。     

无参考输入的双话筒噪声抵消

介绍了一种双通道的噪声抵消系统 .传统的频谱减法的语音增强需要预先知道噪声的特性 .但是 ,噪声的平稳性和可分离性在许多实际应用场合都无法满足要求 .提出采用两路话筒输入 ,以便动态获得噪声频谱的方法 .采用自适应校正滤波的同步算法 ,利用语音信号的相关性同步两路信号中的语音 ,通过抵消其中的语音成分获得噪声的频谱特性 .实验证明该方法能够获得很好的同步效果 .在获得噪声频谱的基础上用频谱减和维纳滤波两种方法进行了噪声抵消的对比实验 .对 0dB信噪比输入的信号可以获得约 9dB信噪比的提高 .用维纳滤波处理后的语音比频谱减法残留较低的“音乐声” .在非平稳条件下对噪声仍具有一定的跟踪能力     

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·