有色环境下的LMS算法研究

研究有色噪声和非平稳信号(如回声取消)情况下自适应滤波,提出解相关自适应最小均方(LMS)算法。首先设计出自适应预滤波器同时对输入信号和误差信号解相关,使输入信号和误差信号的白化,然后证明该方法并不改变维纳最优解,最后提出改进的变步长解相关自适应LMS算法。仿真实验表明:无论在有色噪声环境下还是白噪声环境下,该算法都改善了LMS算法性能,即提高了收敛速度又减小稳态误差。     

自适应DSTLMS算法及其应用

本文提出了离散正弦变换域LMS(DSTLMS)自适应滤波算法,证明了算法的收敛性,导出了算法的收敛条件,分析了算法的学习特性,讨论了算法在语音信号自适应滤波、自适应线性预测和自适应平滑滤波方面的应用.理论和模拟实验表明了DSTLMS算法有比常规LMS算法快得多的收敛速率.     

基于LMS自适应噪声对消法的激光液位测量信号波动抑制研究

针对激光液位检测中的信号波动问题,提出了一种采用LMS自适应噪声对消法抑制噪声的信号滤波方法,该方法采用数字高通滤波器获取自适应噪声对消器参考通道的信号。论述了自适应滤波器噪声对消的工作原理、LMS算法以及Butterworth数字高通IIR滤波器的设计方法,给出了整个噪声对消系统的原理图。仿真和实验结果表明,该噪声对消法在保证实际测量信号相位不变的情况下对液位测量信号的波动影响具有明显的消除和抑制作用。     

基于FPGA的车辆振动信号提取方法

为了从车辆复杂噪声背景中实时提取陀螺仪的有效振动信号,在分析弱信号特征提取方法的基础上,针对自适应滤波算法处理相关信号时收敛速度降低的缺点,提出一种适用于FPGA(Field Programmable Gata Array)的自适应步长LMS(Least Mean Square)算法.该算法通过建立步长和误差信号相关值...     

变步长自适应滤波算法的谐波检测

为提高自适应滤波算法的收敛速度,并降低其稳态误差,建立了LMS算法理论最优步长值与误差信号和输入信号之间的关系,提出了一种新的变步长LMS自适应谐波检测算法。该算法的优点是:根据误差信号的平方时间均值估计来调节步长因子,克服了以往算法在自适应稳态阶段步长调整过程中的不足。即使待检测信号的信噪比较低,检测过程也具有较快的动态响应速度和保持较小的稳态失调噪声。计算机仿真表明,该算法具有更好的收敛精度。     

无模型自适应去噪控制及其应用

为了使无模型自适应控制(Model-Free Adaptive Control,MFAC)更好地解决伴有噪声干扰系统的控制问题,在无模型自适应控制方法的基础上,针对伴随噪声干扰的系统进行分析研究,引入带有滤波作用的跟踪微分器,在反馈过程进行滤波操作,提出一种基于改进跟踪微分器(Improved Tracking Differentiator,ITD)的无模型自适应去噪控制方法,同时给出了该算法的收敛性证明.并通过仿真证明了本文改进的控制方法可以快速跟踪给定信号并且具有良好的抵抗噪声干扰特性.最后,将其应用在循环流化床锅炉汽包水位的控制中.     

基于VHDL的自适应滤波器的设计与实现

通过VHDL语言对最小均方算法(LMS)进行数学建模设计,然后嵌入到有限长脉冲响应(FIR)滤波器上,在Quartus Ⅱ上实现了自适应滤波器的设计,然后采用LMS算法的自适应FIR滤波器进行Matlab的仿真验证,并在Altera公司的EP3C55F484C6上进行功能验证,对比验证结果表明该自适应滤波满足滤波功能,能够很好地消除噪声。     

频域自适应数字滤波器LMS算法的研究

本文应用 DFT 的“重迭保留”法和循环卷积定理、LMS 算法原理,导出了频域自适应滤波的 LMS 算法的公式。通过分析该算法的性能,并与时域LMS 算法作比较,证明了频域自适应滤波的 LMS 算法的可行性。     

MLMS自适应滤波的改进方法

本文从自适应噪声消除的角度对 LMS(least-mean-square)算法及 MLMS(Modified/LMS)算法进行从讨论,提出了 MLMS 法的改进算法,模拟结果表明;改进后的算法,其动态和静态特性均有所改进,而它的计算量并没有增加。     

基于信道估计的非线性编码系统的信号检测算法

针对非同一分布的输入信号序列，线性分组方法不能设计出最优编码的问题进行研究，提出一种以信道估计为基础，对非线性分组编码进行解码的信号检测方法，将基本的最小均方(LMS)自适应算法推广到对二维空时编码信号的权矩阵自适应迭代估计过程．同时，分析了对输入信号序列编码所生成的非线性编码矩阵之间的相关性，运用解相关LMS自适应算法对时间选择性衰落信道进行估计．在白噪声情况下，根据估计信道和噪声统计量，推导出对非线性编码进行解码的最大似然决策方法．仿真实验表明，扩展LMS方法和解相关LMS方法跟踪时变衰落信道响应都具有较强的快速收敛性和系统稳定性，非线性空时分组编码系统比线性编码系统编码能力提高了2dB，运用最大似然决策方法使系统误码率降低了32%．     

径向基网络的主动噪声控制系统

针对传统的LMS在信号处理中的不足,提出利用RBF网络实现自适应滤波,并将其应用于管道噪声控制．仿真结果表明,与LMS算法和WLMS算法相比,此方法具有良好的非线性噪声抑制能力．     

管道低频噪声的自适应控制

以管道内行波声场为物理模型,提出采用自适应信号处理技术实现有源降噪的方法,建立了数学模型,导出了自适应系统的传递函数,以管道消噪装置为信号源和控制对象,采用ADSP2101实现自适应滤波。通过计算机仿真分析比较了RLS、LMS和LSL算法的消噪效果。声学实验和数据处理结果表明,在无声反馈时,该方法对0～500Hz宽带噪声的平均降噪量为27.5dB,在有声反馈时平均降噪量为4.86dB,采用频响平坦的扬声器,降噪量可提高到10.2dB。实验结果与理论分析吻合。该技术可应用于降低发动机及其排气管的噪声,采用适当空间分布方法在原理上该方法也适用于封闭三维空间的噪声消除。     

Active Noise Control for Vehicle Exhaust Noise Reduction

An active noise control (ANC) method was developed for exhaust noise reduction for medium-duty diesel trucks. A modified variable step size least mean squares (LMS) algorithm was used for the controller ina variable environment that considered the vehicle‘s acceleration characteristics. The variable step size time-based synchronized filtered-x LMS method (SFX-TB) used an adaptive algorithm that was more efficient than the conventional flltered-x LMS algorithm. The simulation and the experimental tests show that the control trackability and stability provided by the algorithm during acceleration enable the ANC system to effectively reduce the vehicle exhaust noise.     

基于Kalman滤波的多用户检测算法

研究了码分多址(code d ivision mu ltip le access,CDMA)存在很强的多址干扰(mu ltip le access interference,MAI)时,基于Kalm an滤波的盲自适应多用户检测算法,并与基于LMS,RLS滤波的自适应多用户检测算法相比较.通过仿真实验,可以看出该算法收敛速度快,抑制多址干扰性能好.计算机仿真实验表明,将Kalm an滤波应用到CDMA多用户检测中,能够有效地抑制多用户干扰,并且收敛速度较快,稳定性好.     

有色噪声自适应滤波的研究

本文利用复杂输出相关法解决测量噪声为有色且无任何先念知识的一种自适应滤波方法.该方法对处理有色噪声的滤波不采用扩大状态变量的方法,采用等效观测方程的方法,使得计算没有复杂化,滤波器的维数没有增加,并通过实例模型进行计算,表明该方法可行.     

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。     

非高斯噪声下的参数自适应高斯混合CQKF算法

研究非高斯噪声环境下的高斯混合滤波方法,进行纯方位跟踪系统的目标跟踪。利用改进的参数自适应方法,调整位移参数的大小,从而修正了高斯混合模型,提出了在非高斯噪声下的参数自适应高斯混合CQKF算法;基于非高斯噪声下的离散系统模型,分析了高斯混合CQKF算法中建模过程的局限性,并结合初值优化方法,提出了利用参数自适应方法修正高斯混合滤波模型的方法,从而克服了高斯混合滤波的局限性,提高了滤波精度。仿真实验表明在非高斯噪声下参数自适应高斯混合CQKF算法比原算法有更高的滤波精度。