不确定周期离散系统的H∞滤波

文章研究了一类具有范数有界时变参数不确定性的线性周期离散系统的H∞滤波问题。设计一个周期滤波器，使得滤波误差系统对所有允许的不确定性渐近稳定，并保证了指定的H∞性能水平；基于线性矩阵不等式技术，给出了周期滤波器存在的一个充分条件；用数值例子说明了所述方法的有效性。     

任意噪声相关异类传感器非线性系统状态矢量融合

基于线性无偏最小方差估计理论，提出了一种任意相关噪声异类传感器非线性系统状态矢量融合算法．该算法考虑了过程噪声和测量噪声以及测量噪声之间的相关性和传感器系统结构的不同性，增加了描述多传感器融合系统的信息量，通过局部估计的组合构造新的变量以去除局部状态之间的相关性，采用顺序滤波的方法减小了异类多传感器融合系统全局状态估计的计算量．仿真结果表明，由于考虑了过程噪声和测量噪声以及测量噪声之间的相关性，状态矢量融合算法比噪声不相关融合算法具有更好的跟踪性能，航迹跟踪的精度得到了改善．     

关于离散系统线性滤波的几点注记

本文对离散系统线性滤波问题作了几点注记。首先,给出了较一般系统的线性滤波的一步递推公式,说明了它与线性无偏最小方差估计之问的关系,然后对于初值未知的情况,提出一种处理方法。     

不确定周期离散系统的H∞滤波

文章研究了一类具有范数有界时变参数不确定性的线性周期离散系统的H∞滤波问题.设计一个周期滤波器,使得滤波误差系统对所有允许的不确定性渐近稳定,并保证了指定的H∞性能水平;基于线性矩阵不等式技术,给出了周期滤波器存在的一个充分条件;用数值例子说明了所述方法的有效性.     

消除噪声的自适应滤波方法研究

电子系统中不可避免地会受到噪声的干扰。用固定参数的滤波器进行消除噪声有其缺陷,它对信号与噪声的先验知识需要的较多。本文讨论了用一种自适应滤波器消除噪声的方法,实验仿真证明这种方法能有效地去除弱信号中的噪声。     

噪声相关时多通道带乘性噪声系统最优滤波

针对多通道乘性噪声系统问题的实际需要,推广Rajasekaran滤波算法,利用线性最小方差的概念和投影公式,导出含有乘性噪声统计特性参数阵特殊乘法运算的新息协方差矩阵,并利用这个中间矩阵,在观测为多通道,且各个通道的乘性噪声不同,以及系统的动态噪声和观测噪声同时刻相关的情况下,导出状态递推滤波算法,该算法在线性最小方差意义下是最优的。并对该算法进行仿真研究,仿真结果表明了该算法的有效性。     

线性调频信号增强的自适应滤波算法研究

在对基本 LMS算法进行修改的基础上 ,提出了基于高阶累积量极性 -动量迭代的自适应线性调频 ( Linear Frequency Modulation,LFM)信号增强新算法。该算法有抑制高斯噪声效果好 ,计算量小 ,收敛快且输出信号平稳等特点。仿真结果证实了该算法的有效性和可靠性。因此 ,具有较强的实用性和较好的应用前景。     

随机系数矩阵卡尔曼滤波

作者考虑了状态转移矩阵和量测矩阵是随机阵的线性离散时间动态系统的状态的线性最小方差递推估计问题,即随机系数矩阵卡尔曼滤波,说明了该系统可化为过程噪声和量测噪声均依赖于状态,而转移矩阵和量测矩阵是非随机阵的线性动态系统,从而证明了新系统的状态的最小方差估计问题仍有卡尔曼滤波形式.     

浮点DSP实现自适应滤波的研究

自适应滤波是信号处理的重要技术 .在介绍自适应滤波基本原理的基础上 ,给出了基于TMS32 0C32浮点数字信号处理器 (DSP)实现自适应FIR滤波器的方法     

一种自适应调零阵的LCMV算法

详细推导了基于功率倒置阵列的线性约束最小方差(LCMV)算法及其递推公式,避免了矩阵求逆的复杂运算。然后在Matlab环境里构建了仿真模型来模拟实际的接收环境和复现阵列接收到的信号,对均匀线阵和圆阵都做了仿真,并得到了相应的阵列波束图,为自适应天线的实用设计提供了参考和依据。仿真结果表明:该算法收敛速度快、易于实现,利用LCMV算法作为自适应算法的功率倒置阵列抗干扰方案适合在强干扰的环境下工作,干扰越强,其对应的零陷越深。     

一种新的可变步长LMS自适应滤波算法

在简单讨论基本LMS,变步长NLMS和LMS/F组合自适应滤波算法的基础上提出一种新的可变步长LMS自适应滤波算法,新算法引入修正系数ρ和遗忘因子λi=exp(-i),并利用ρ和λi来产生新的步长参与迭代。计算机仿真结果表明,与基本LMS算法或变步长NLMS、LMS/F组合算法相比,新算法在保持算法简单这一特点的同时进一步加快了收敛速度,并能够收敛到更小且稳定的均方误差(MSE)。     

一种基于离散小波变换的自适应滤波新算法

将小波变换、变换域自适应算法和变步长自适应算法相结合，得出了一种基于离散小波变换的自适应滤波新算法(NDWT-LMS)，该算法可以有效地降低输入信号的自相关程度，克服固定步长因子所导致算法在快的收敛速度和较低的稳态误差之间存在的矛盾。计算机仿真结果表明该算法与LMS算法相比具有更快的收敛速度和更小的失调噪声，可以很好地应用于自适应系统中。     

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。     

自适应滤波算法综述

基于二阶统计量即相关函数的自适应滤波算法在自适应信号处理中有着 广泛的应用，本文就国内外对这些算法的研究进行了综述。     

一种改进的变步长LMS自适应滤波算法

在分析传统LMS(Least Mean Square)算法及其改进算法的基础上,提出了一种新的改进的变步长LMS算法。新算法利用误差信号以及误差信号相关值共同调整步长,克服了一般变步长LMS算法低信噪比环境下抗噪较差以及高信噪比环境下收敛较慢的缺点。计算机仿真结果表明,与传统LMS算法和VSSLMS算法相比,该算法收敛速度更快,均方误差更小,同时也具有良好的抗噪性能。     

一类随机系统的自适应滤波

讨论一类含时变未知参数的随机系统，给出该系统在系统状态噪声与量测噪声于有限时间区间上相关情况下的自适应滤波递推公式，并给出相应的滤波算法     

一种变步长LMS自适应算法

本文提出一种步长自适应于绝对误差和的最小均方(LMS)自适应算法。给出收敛条件和精度比值。新算法对平稳和非平稳输入信号的权噪声功率,及系统的跟踪能力都明显地优于一般的LMS自适应算法。并给出计算机模拟结果。     

基于峰度系数方差的加权自适应引导滤波

针对传统局部窗口方差提取有噪图像边缘困难的问题,本文介绍了峰度系数方差准确感知有噪图像边缘,并基于此提出一种加权自适应引导滤波器.自适应调节引导滤波中固定正则化系数,解决边缘模糊、边缘光晕的问题;基于像素的多邻域窗口边缘权重,实现聚合加权滤波,进一步抑制边缘模糊.实验结果表明:本文方法在不同噪声级别下,PSNR、SSIM均值提升率分别大于65%、78%;滤波结果图像在噪声平滑和边缘保持两方面均有更好性能.      

带有色观测噪声的自适应滤波算法

对于带有色观测噪声的系统,基于最小二乘准则(LS),提出了递推增广最小二乘算法(RLSE),该自适应算法能显著减小噪声的影响,提高信号质量.并在此基础上提出了计算噪声方差的估值方法.计算机仿真例子和信噪比的计算证明了算法的正确性和有效性.