相关辨识校正算法

本文提出的相关辨识校正算法是目测法在计算法中的具体应用。本文的目的在于从几个方面阐述校正算法对提高冲激响应实际辨识精度的作用,从而显示出校正算法不仅具有算法简便,而且能减弱或消除各种因素对辨识精度影响的优点,因此更具有实用意义。     

基于倒谱的非因果自回归系统自适应辨识

为解决信号处理中非因果自回归（ＡＲ）系统的自适应辨识问题，本文提出了一种利用倒谱进行ＡＲ系统辨识的新方法。这一方法在倒谱域内把非因果ＡＲ系统辨识问题转化为非最小相位有限冲激响应（ＦＩＲ）系统辨识问题，因此可以利用现有的基于倒谱的ＦＩＲ系统辨识算法构造非因果ＡＲ系统辨识算法，从而实现了非因果ＡＲ系统的自适应参数辨识，并解决了以往文献中未曾解决的非因果ＡＲ系统阶次自适应确定问题。另外，本算法可以保证估计出的ＡＲ模型是稳定的。数值仿真结果证明了本算法具有很高的估计精度。     

离散多音系统中信道辨识和符号同步的综合方法

分析了离散多音系统中信道辨识和符号同步的内在联系,提出了一种用于信道辨识和符号同步的综合方法,应用能量判决的准则同时实现信道频域响应和时域冲激响应的辨识以及符号边界的定位,在非对称数字用户线（ADSL）系统中应用该方法,使得系统的几何信噪比有10dB左右的提高,且算法的复杂度有所下降。     

调制引入循环平稳的MIMO系统分离与辨识

针对多输入多输出线性时不变系统提出了一种新颖的盲辨识方法。该方法利用了调制产生的二阶循环平稳性，在循环频率域对信号的统计量进行分离，最终将各个系统的冲激响应辨识出来。分别讨论了4输入4输出系统在有加性高斯白噪声时的信道辨识情况，并对算法进行了计算机模拟。     

调制引入循环平稳的MIMO系统分离与辨识

针对多输入多输出线性时不变系统提出了一种新颖的盲辨识方法。该方法利用了调制产生的二阶循环平稳性，在循环频率域对信号的统计量进行分离，最终将各个系统的冲激响应辨识出来。分别讨论了4输入4输出系统在有加性高斯白噪声时的信道辨识情况．并对算法进行了计算机模拟。     

基于神经网络的自适应滤波器仿真设计

提出一种基于神经网络的自适应滤波器设计理论模型,即改进性LMS算法,该模型可以对一类离散线性系统进行较为精确的辨识,最终实现辨识未知系统的冲激响应。为验证所设计方法的准确性,在MATLAB平台下对所设计的系统进行了数字仿真,并给出了仿真结果。该方法原理简单、便于应用。     

基于子空间的STC-OFDM系统信道盲估计算法

针对使用2个发射天线和2个接收天线并且采用循环前缀的空时编码正交频分复用系统(STC-OFDM),提出了一种信道盲估计算法,并给出信道可被辨识的条件.该算法采用基于子空间的方法,可在2个常数的意义上确定信道冲激响应.该算法无需预编码或恒模调制.仿真结果验证了该盲估计算法的有效性.     

FIR滤波器的CSE优化算法设计及其FPGA实现

为了减少有限长单位冲激响应滤波器对FPGA资源的消耗,在水平共同子表达式消去算法和垂直共同子表达式消去算法的基础上,提出了一种优化CSE算法来设计滤波器,使滤波器运算单元得到更多的资源复用.应用DSP Builde:建立模型,以图形化界面实现一个32阶的低通有限长单位冲激响应滤波器,并用Modelsim和Quartus II进行仿真.仿真结果表明:运用优化CSE算法设计的有限长单位冲激响应滤波器比用传统CSE算法设计的滤波器使用更少的逻辑单元,且优化设计的有限长单位冲激响应滤波器较直接乘法实现方式及分布式实现方式节省较多的硬件资源.最后,在Altera公司DE2开发板上实现所设计的滤波器,硬件实现表明所设计的滤波器滤波效果和仿真结果一致.     

分级LMS算法的性能改进

提出一种改进型分级最小均方误差算法(modified Hierarchical LMS).该算法通过修正原有HLMS算法中各子滤波器的期望信号,以使各子滤波器均处于滤波处理状态,从而改善原有HLMS算法的性能.仿真结果表明,改进型HLMS算法不仅能保持快速收敛,而且在相同条件下滤波器冲激响应较之原有HLMS算法获得的滤波器冲激响应的均方误差有一个数量级的性能改善.     

非线性有限冲激响应Volterra信道的盲辨识

提出了单输入多输出有限冲激响应（ＳＩＭＯ ＦＩＲ）Ｖolterra系统的盲辨识及盲均衡的子空间方法,首先描述了ＳＩＭＯ非线性Ｖolterra信道模型,并将此模型转化为多输入多输出（ＭＩＭＯ）信道 模型;接着讨论了ＦＩＲＶolterra系统盲可辨识条件,并给出了ＳＩＭＯＶolterra系统的盲辨子空间算法;进一步讨论了ＶolterraＦＩＲ非线性信道的确定性盲均衡问题;最后用仿真实例验证了此算法的有效性,所提方法与确定性的线性多信道方法相比,它的最大优点就在于所需约束条件少,此方仅需要输入信号的相关矩在奇异,且在低信噪比情况下（ＳＮＲ为５dB)也有效。     

基于深度学习的混响感知麦克风阵列语音增强

[目的]针对基于深度神经网络频谱估计的麦克风阵列算法存在数据依赖的问题,提出了一种基于深度学习的混响感知麦克风阵列语音增强算法.[方法]首先利用麦克风阵列波束形成输出与原始信号做互相关,以近似房间冲激响应的形式获取当前环境的混响特性作为LSTM网络的输入,网络模型以干净语音为目标进行训练从而输出房间冲激响应泛化向量,最后通过组合近似房间冲激响应与房间冲激响应泛化向量获得后置抗混响滤波器系数,实现语音增强.[结果]仿真和实验结果中,与波束形成、加权预测误差算法和传统深度学习去混响算法相比,所提出的方法在不同混响场景下具有更好的表现.[结论]本文方法在不同混响场景下都具有相对稳定的抗混响能力,具有较好的泛化性能.     

TD-SCDMA系统中MUSIC算法的改进

针对MUSIC算法中直接用零特征值的个数不易确定信号空间维数的缺点,提出了利用信道冲激响应来限制信号的维数的方法.TD-SCDMA系统本身需要利用信道冲激响应来进行联合检测,因此该改进方法并不增加系统的复杂度,具有良好的工程实现性.从MUSIC谱上比较不同算法的性能,用信道冲激响应估计信号源的路径以确定信号的维数的方法比直接用门限法有更好的分辨率,同时也比直接选取最大的信号维数的方法更精确.     

海温垂直结构声特征提取的反演算法

针对自适应搜索算法在海温垂直结构冲激响应特征提取中运算速度慢、精度低的不足,引入共轭梯度反卷积算法CG(conjugate gradient method),得到海温垂直结构的冲激响应,利用层剥算法对所求得的冲激响应进行反演,得到海温垂直结构特征。结果表明:该算法能够克服单纯使用层剥算法而带来的反演不稳定现象,而且相比自适应搜索算法,反演速度快,反演精度高,具有一定的抗噪能力,并且声源信号的入射波形对反演效果影响较小,不同的迭代终止条件对反演结果也有较大的影响,在适当的范围内,减小迭代终止条件可以提高反演的精度,但是,如果迭代终止条件过小,则会引起虚假振荡,造成反演结果发散。     

调制引入循环平稳的盲信道辨识

针对有限冲激响应(FIR)的单输入单输出(SISO)信道,提出了一种新颖的盲信道辨识方法,该方法利用了复序列调制产生的循环平稳特性.其特点是,系统的传输功率恒定,接收端只需要一根接收天线,在接收端根据各用户的循环统计量支撑的不同,将它们分离开来,每个用户形成自己的子空间,并进而对各子空间进行辨识.并给出了信道子空间可辨识性的证明,还对子空间辨识情况进行了模拟分析.     

TD-SCDMA系统中MUSIC算法的改进

针对MUSIC算法中直接用零特征值的个数不易确定信号空间维数的缺点，提出了利用信道冲激响应来限制信号的维数的方法。TDSCDMA系统本身需要利用信道冲激响应来进行联合检测，因此该改进方法并不增加系统的复杂度，具有良好的工程实现性。从MUSIC谱上比较不同算法的性能，用信道冲激响应估计信号源的路径以确定信号的维数的方法比直接用门限法有更好的分辨率，同时也比直接选取最大的信号维数的方法更精确。     

多输入多输出浅海水声信道响应的盲估计

提出一种在频率域实现的MIMO（multi—inputs multi—outputs）盲解卷积算法，可以在较低信噪比下求解得到浅海水声信道冲激响应的逆滤波器响应，不受时间域的原始信道阶数很长且稀疏的影响，经过求逆后得到原始MIM0浅海水声信道的冲激响应．最后采用合理的声场仿真模型验证了算法的有效性．     

高阶调制OFDM的联合似然估计算法

为了估计定时误差、残留频偏和相位噪声干扰,以降低高阶调制的正交频分复用(OFDM)系统中的误码平台,提出一种基于联合似然的估计算法。该算法通过最大化信道冲激响应与这些干扰间的联合似然函数值,分步获得了定时误差、残留频偏、相位噪声以及信道冲激响应的估计值。仿真结果表明,与已有联合估计算法相比,该算法可准确估计信道响应,有效抑制解调输出中的非Gauss干扰,将解调输出的误码平台降低近一个数量级。该方法可有效应用于提高高阶调制OFDM系统的性能。     

基于改进粒子群算法的双馈感应发电机参数辨识

基本粒子群算法(PSO)存在早熟问题,且惯性权重对参数辨识结果的影响较大,为此提出将变权重PSO算法和全局最优位置变异PSO算法相结合的改进PSO算法,并将其应用于双馈感应发电机(DFIG)的参数辨识。分析了DFIG中各参数的可辨识性和辨识难易度,给出了基于改进PSO算法的参数辨识步骤。与采用基本PSO算法、变权重PSO算法和全局最优位置变异PSO算法的参数辨识结果相比较,该方法具有收敛速度快、辨识误差小的优点,即使在较大的搜索范围内仍具有较高的辨识精度。     

高阶调制OFDM的联合似然估计算法

为了估计定时误差、残留频偏和相位噪声干扰,以降低高阶调制的正交频分复用(OFDM)系统中的误码平台,提出一种基于联合似然的估计算法。该算法通过最大化信道冲激响应与这些干扰间的联合似然函数值,分步获得了定时误差、残留频偏、相位噪声以及信道冲激响应的估计值。仿真结果表明,与已有联合估计算法相比,该算法可准确估计信道响应,有效抑制解调输出中的非Gauss干扰,将解调输出的误码平台降低近一个数量级。该方法可有效应用于提高高阶调制OFDM系统的性能。     

遗忘漂移时变系统的辨识

遗忘漂移时变系统的辨识极为困难 ,关键在于参数模型中的矩阵 H是未知的。为解决此问题 ,提出了当 H已知时 ,采用遗忘梯度辨识算法和多新息辨识算法 ;当 H未知时 ,采用递阶辨识方法。提出的遗忘梯度算法、遗忘漂移多新息辨识和递阶辨识算法的计算量都较增广 Kalm an滤波算法小。仿真结果表明 :遗忘梯度算法估计遗忘漂移时变参数的精度优于 Kalm an滤波算法