基于自适应算法的去噪滤波仿真比较

介绍了自适应滤波器的基本原理,对最小均方算法(LMS)和递推最小二乘算法(RLS)这两种自适应算法进行了理论分析和仿真比较.模拟仿真结果和语音去噪系统均表明:两种算法都能有效滤除噪声干扰.相比之下,RLS算法具有更好的收敛性能和稳定性,权噪声小,抑噪能力强.     

LMS自适应滤波算法原理与仿真

在对自适应滤波器相关理论研究的基础上,重点研究了LMS自适应滤波算法,并借用Matlab仿真平台,给出了在一定信噪比条件下,LMS算法的滤波结果。通过分析仿真可以看出,LMS算法计算量小,可以达到较好的滤波效果,容易实现,有很高的实用价值。     

基于NLMS线性相位FIR滤波器的自适应设计

在以往具有线性相位的滤波器自适应方法中,最常用的是最小均方（ＬＭＳ）方法。但用此法设计时必须小心地选择迭代步长,同时还可能遇到梯度噪声放大问题。文中提出了一种用于设计具有线性相位的有限冲击响应（ＦＩＲ）滤波器自适应方法。它用经过改进的归一最小均方（ＮＬＭＳ）算法来保证所得结果具有线性相位,且克服了梯度噪声放大问题,同时也不必选择步长。进一步的改进使它的计算更高效,实时实现更方便。     

基于LMS算法的图像自适应滤波方法研究

在图象处理工作中,为了免除噪声的干扰,需要对图像进行预处理。本论文对现有的图像滤波方法与LMS算法进行了介绍,并针对目前的基于LMS的自适应滤波方法进行了介绍和研究。     

GPS／INS组合系统自适应滤波算法

研究了GPS/INS组合系统在高动态运动目标定位中的应用。根据组合系统建立状态方程，GPS观测量构成观测方程。自适应滤波过程中，通过观测数据对观测噪声进行估计，再用Sage-Husa算法在对动态噪声进行估计的同时实现状态滤波估计。计算机仿真验证了这种滤波算法的有效性。     

粒子数自适应的粒子滤波算法

针对粒子滤波算法时间复杂度高的问题,引入一种在滤波过程中粒子数可以根据过程噪声方差大小进行调整的自适应粒子滤波算法,即KLD-Sampling粒子滤波算法.该算法在保证一定滤波精度的前提下,可以有效地减少滤波过程中使用的粒子数,从而减小滤波时间,提高滤波效率.此外,分析了该算法中距离阈值和小区域阈值的选取与参与滤波粒子数的关系及其对算法性能的影响.仿真实验对分析结果进行了验证.     

加窗全相位DFT数字滤波器

基于全相位离散傅里叶变换(DFT)数字滤波器的直接频域实现网络结构，对输入或输出数据加窗，导出了一种新型的加窗全相位DFT数字滤波器．其频率特性比不加窗的又有较大提高，幅频响应等于或逼近频率采样值，通带纹波极小，阻带衰减极大，过渡带陡峭，零相位，滤波性能和实现的简捷性超过其他传统方法．它除了可以采用通常的卷积结构外，也可采用直接频域网络实现，此文给出了它的直接频域网络组成及其简化算法，这种网络具有实时自设计功能，可构成时变系统，用于滤波器传递函数实时可变的场合，便于集成为频响和长度均可编程的通用零相位数字滤波器，它是数字滤波器的一种新的设计理念和实现结构。     

基于LMS算法的自适应滤波方法研究

自适应滤波器为一个未知系统的建模提供了一种简单,实用的方法。可以在不知道系统的理论模型的条件下,通过测量和学习,实现对未知系统的最佳拟和。本文简要介绍了自适应滤波在信号处理系统建模中的应用,着重讨论了IIR递推结构自适应滤波器的LMS算法。在此理论基础上阐述了一种改进的LMS算法。新算法利用误差信号的相关值调节算法步长,解决了收敛时间和稳态误差的矛盾,并且不受已经存在的不相关噪声的干扰。     

基于神经网络的自适应滤波研究

自适应信号处理在信号处理中占据主要地位,自适应滤波又是自适应信号处理中的主要应用.目前对自适应滤波的研究主要集中在算法上,但很难在收敛速度、稳定性和跟踪性能上同时取得最佳性能.综合考虑自适应滤波的各种性能,研究基于神经网络的自适应滤波方法,并通过实例应用来证明了该方法的有效性.该研究对拓展自适应滤波方法和神经网络的应用都具有重要的参考价值.     

基于独立成分分析的自适应图像滤波算法

近年来提出的独立成分分析（ICA）算法基于非高斯分布度量,可以有效提取图像边缘等重要信息。基于FastICA算法,利用＂MIT图像数据库＂分别对不同场景图像集进行图像块采样,构建基于单一场景的训练集,训练各训练集得到ICA滤波器,得到并分析各组ICA滤波器对同类型图像集的滤波结果。实验表明ICA滤波可以实现不同场景图像的稀疏编码,且滤波结果具有对训练集自适应拟合能力。     

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。     

基于神经网络的多传感器自适应滤波

提出了利用神经网络自适应滤波原理解决多传感器信号处理的方法，通过对多路带噪声的数字模拟信号的滤波结果表明，该方法能快速，有效地消除主信号源的各种背景噪声。     

基于自适应滤波的日负荷预测新陈代谢模型

提出了对日负荷进行预测的新方法。基于自适应滤波算法进行预测,在预测过程中对原始数据进行新陈代谢处理,且根据预测日的属性对预测结果进行加权,并依据历史负荷中负荷的变动情况对结果进行校正,以求最佳预测效果。利用自适应滤波预测结果的残差建立时间序列的AR(p)模型,与自适应滤波模型形成组合模型,从而实现了短期电力负荷样本资料随时间变化而更新、样本量和计算量不增加而预测精度能得到保证的目标。与传统的预测方法相比较,该模型用于日负荷预测具有计算迅速、精度高的优点。     

一种改进的MNVS自适应滤波算法

提出一种改进的归一化变步长自适应滤波算法（ＡＮＶＳ）,它对归一化变步最小均方误差自适应乍法（ＭＮＶＳ）作了进一步的改进,使之既具有愉收敛速度,又有快速跟踪能力,计算机仿真结果表明,该算法的性能明显优于ＭＮＶＳ算法,而其计算量与ＭＮＶＳ算法相当。     

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.     

变换域自适应滤波算法的研究

滤波技术在电子信息处理领域中一直占有极其重要的地位,其中对自适应滤波算法的研究是当今自适应信号处理中最为活跃的研究课题之一.介绍了时域LMS自适应滤波算法,然后在此基础上结合近年来国内外发表的相关文献,总结了变换域自适应滤波算法的研究现状,并分析了每种算法的性能特点,最后展望了变换域自适应滤波算法的前景.     

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.     

带有色观测噪声的改进自适应滤波算法

在噪声消除系统中,若观测噪声为有色噪声,则基于最小二乘准则(LS),提出了两段RLS-RELS算法,这是一种改进的递推增广最小二乘法,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.计算机数值仿真例子和信噪比的计算比较证明了算法的正确性和有效性.