变压器自适应主动降噪技术研究

针对变压器噪声危害严重的问题,对变压器噪声来源和特性进行分析和研究,并研究采用自适应主动降噪方法进行变压器降噪;重点研究并对比了基于最小均方误差(LMS)算法和基于归一化最小均方误差算法(NLMS)的自适应主动降噪方法,最后对这两种方法进行变压器降噪仿真;仿真结果说明采用基于LMS和NLMS的自适应主动降噪方法都能对变压器噪声降噪取得较理想的效果,算法收敛以后噪声去除比可以达到80%以上,其中NLMS的收敛特性更优于LMS;所做工作为下一步的变压器噪声分析和降噪打下良好的基础。     

基于新息自适应卡尔曼滤波的加速度计信号降噪

针对加速度计信号降噪中精度有限、噪声统计规律不能完全确定等实际问题,提出了一种新的自适应卡尔曼滤波算法.利用新息自适应估计出了系统噪声和量测噪声的协方差阵,采用不同滑动窗口宽度设计了一组并行滤波器,通过加权优化获得了一个综合白适应滤波器,从而使该降噪方法不仅具有噪声白适应估计能力,而且对新息方差估计所需的滑动窗口宽度的选取进行了优化.理论上推导了该降噪算法的基本过程,并进行了加速度计实测数据降噪试验.试验结果表明,该降噪方法能获得较好的滤波效果,降噪后加速度计信号的噪声方差强度减少了5个数量级.     

基于CEEMDAN的最优平滑降噪算法

经验模态分解类算法处理非线性、非平稳信号具有良好的自适应分解能力,可以将复杂信号分解成按照频率由高到低顺序排列的固有模态函数形式,提取分解后的模态函数构造滤波器可以实现对原始信号的降噪处理.针对构造滤波器时对模态函数缺乏最优的筛选指标,从而影响到降噪的准确性与降噪效果,提出一种基于CEEMDAN的最优平滑降噪算法.通过参数调节方式对模态进行筛选,从而设计出性能最优的滤波器实现对信号的降噪处理.通过模拟实验与实际实验,验证了该算法对于转动机械噪声信号具有良好的降噪效果.     

一种便于低成本实现的自适应语音降噪算法研究

为便于用低成本的高速信号处理芯片实现语音降噪，对改进的离散余弦变换域LMS（Discrete cosine transform-LMS)自适应算法应用于噪声抵消系统进行了实验研究。结果表明，将该算法应用于自适应语音降噪系统，在有色噪声环境中能获得较好的降噪效果，基于数字信号处理器开发实现简单，硬件要求低，便于低成本实现。     

含乘性噪声的声发射信号降噪方法研究

针对声发射噪声信号的特点,研究了适合含乘性噪声的声发射信号的自适应滤波器和小波分解降噪方法,并对这2种降噪方法的降噪仿真结果进行了对比,结果表明自适应滤波器降噪方法更适合含乘性噪声的声发射信号的降噪处理。     

基于自适应滤波器的电网谐波电流预测法

提出一种新的基于LMS算法自适应滤波器的有源电力滤波器(APF)参考电流的预测方法，针对传统LMS算法的缺陷(如收敛速度慢、对非平稳输入信号的适应性差等)作了3点改进，这些改进措施可有效提高自适应滤波器的综合性能．仿真与实验结果证明，采用该方法可有效减小延时对APF补偿效果的影响．     

基于BEMD与自适应维纳滤波的图像降噪

自适应维纳滤波器是一种经典的线性降噪滤波器,较其他线性滤波器能够更好地解决边界模糊的问题。然而由于含噪图像的噪声主要集中于它的高频部分,而图像的低频部分所含有的噪声较高频部分则小很多。自适应维纳滤波算法对图像中所有频率成份都不加区分地进行滤波降噪处理,因而它不能得到更为令人满意的结果。提出了一种将二维经验模态分解和自适应维纳滤波相结合的图像去噪方法,通过将图像分解为不同频率成份的子图像并对各子图像采用不同的降噪处理,从而更好地对含噪图像进行降噪。实验结果表明,算法相对于自适应维纳滤波算法降噪效果更好。     

滤波器组自适应语音增强方法

双麦克风噪声抵消应用中,由于交叉串的存在,传统自适应算法降噪性能受到很大的影响。为了提高双麦克风算法降噪性能,使用两级自适应滤波系统消除交叉串扰问题。为提高自适应滤波器收敛性能,采用主从结构LMS算法自适应调节步长因子。同时为了适合窄带处理算法,将输入信号进行子带分析预处理,对每个子带独立进行抗交叉串绕自适应处理,将各子带增强信号合并得到增强语音信号。实验结果表明,该方消噪量大,语音损伤小,语音增强效果显著。     

多层降噪自动编码器的心电信号去噪算法

传统的心电信号(ECG)去噪算法在去除线性的、平稳的ECG信号噪声时效果显著,但是在面对非线性、非平稳的ECG信号噪声时去噪效果不理想.为了提高心电信号算法的去噪能力运用了一种基于降噪自动编码器的ECG去噪算法.降噪自动编码器(DAE)具有噪声鲁棒性的特点,可以在信号受到污染的情况下尽可能地恢复数据的原始状态.为了进一步提升降噪自动编码器算法的去噪效果用多个降噪自动编码器堆叠形成深度神经网络对心电信号进行降噪处理.通过实验结果表明:多层降噪自动编码器(SDAE)算法相较于DAE算法和传统的心电信号去噪算法,SDAE算法对非线性、非平稳的信号噪声具有更好的降噪效果,而且保留了原始心电信号绝大部分的细节信息,对噪声具有较强的抗干扰能力,满足了心电信号的去噪要求.     

基于谱减和LMS的自适应语音增强

针对宽带噪声背景下的语音增强问题,将短时语音视为非平稳或宽平稳信号,基于谱减法和自适应滤波的最小均方（LMS）算法,提出了一种FIR型自适应滤波算法（SSLMS）：用减谱法由短时噪声观测语音估计期望信号,作为滤波器输出信号的参考信号;用滤波器的输出与参考信号的差值为误差信号,用LMS算法求得滤波器权系数修正量,并修正滤波器。权系数最速下降调整中,采用了归一化LMS、符号LMS、块LMS技术,以简化保证权系数收敛的步长选择、减少权系数修正的运算量,从而提高自适应速度。对不同的语音在各种信噪比下仿真实验,并与改进的谱减法比较,结果表明,该法增强效果优于谱减法;在信噪比为3 dB时该法的增强效果仍然令人满意。     

基于自适应神经网络滤波的噪声消除

设计的自适应神经网络噪声抵消系统不需要关于输入信号的先验知识,非线性映射能力强,具有自学习能力、计算量小、实时性好。利用该系统对含噪声的非线性信号建模,达到消除噪声的目的。通过LMS算法,对不同信噪比(SNR)的含噪信号进行滤波。仿真结果表明,该滤波器能有效地抑制噪声。     

基于Matlab信号处理仿真研究

Madab是一种面向科学与工程的高级语言,本文结合工业自动控制系统的信号分析与处理。详细阐述典型LMS和RLS自适应算法原理并对其进行对比分析,运用simulink仿真功能对自适应信号噪声抵消系统进行仿真实现。     

基于小波分析的海底石油管道缺陷超声检测信号去噪处理

针对海底石油管道超声检测信号的噪声消除问题,本文研究了基于小波分析的噪声消除方法.文中首先介绍了基于小波分析的噪声消除方法的基本原理,然后运用小波方法对实测超声信号进行了具体的处理.在信号处理中考虑了小波基以及小波分解层数对噪声消除效果的影响.信号处理结果表明:合理选择小波基和小波分解的层数,能有效去除超声信号中的噪声.     

一种具有消回声和消背景噪声功能的AENC设计方法研究

在视频会议系统中,回声和背景噪声是影响系统通话质量的两个重要因素。本文从回声产生的机理和常规消回声、消噪声的方法着手,研究了一种具有消除背景噪声功能的新的AEC,即AENC（Acoustic Echo and Noise Can-celler)的设计方案,并在理论上对其进行了分析、论证。结果表明,这种AENC在理论上完全能够同时实现消回声和消背景噪声两种功能。它在IP电话、可视电话及免提的数字蜂窝电话等扬声器/传块器通信系统中也具有广阔的应用前景。     

一种用于有源降噪耳机系统的次级通道建模技术

实现了一种用于有源降噪耳机的次级通道建模方法,这种方法采用音乐片段作为激励信号,引入一个自适应误差预测器克服次级通道建模过程中遇到的干扰的影响,使得建模精度更高.对预测器中不同的延迟进行分析讨论,得出最佳延迟等于次级通道脉冲响应长度的结论.实验表明,这种方法能够较好地剔除窄带干扰对建模的影响,具有较高的实用价值.     

自适应噪声抵消技术的仿真与应用研究

从有用信号中剔除噪声是信号处理中一个重要研究课题.在金属矿区进行地震勘探数据采集时,经常会受到矿区内机械设备的强噪声干扰,常规的滤波方法对于淹没在强机器噪声下的有效地震信号的提取已经不适用,而随着计算机和信号处理技术的发展,自适应噪声抵消技术已广泛的应用于各个领域.通过对自适应噪声抵消器原理的研究,结合地震数据信噪模型分析,重点研究利用自适应噪声抵消技术来消除机器噪声.针对基于NLMs算法的常规技术存在的不足,提出了一种改进的算法,并运用MATLAB进行仿真试验,仿真结果表明自适应噪声抵消技术可以有效抵消机器噪声的干扰,大大提高地震资料的信噪比,使有效地震信号失真小.     

QFT application for headphone's active noise cancellation

A quantitative feedback theory design for attenuation of acoustic noise in earphones and headphones is described. Identification including uncertainty is measured for several ears and device location in the ear neighbourhood. Theoretical limitations are discussed. Copyright © 2002 John Wiley & Sons, Ltd.     

基于神经元网络的自适应噪声抵消系统研究与实现

自适应噪声抵消技术是自适应滤波器最普遍的应用之一,它是一种在未知信号和噪声的先验知识条件下,能够很好地消除背景噪声影响的信号处理技术,具有很高的应用价值;但是,在很多情况下,噪声环境非常复杂,往往是非线性的,而目前所使用的自适应滤波器均属线性滤波器,滤波后会使原始信号产生失真;由于神经网络具有非线性等优点,可以很好的逼近非线性函数,所以提出了基于神经网络的自适应噪声抵消器;仿真结果表明,该方法可以效地实现噪声的抵消;最后提出应用DSP实现语音信号自适应噪声抵消的具体方案。     

自适应ANC技术在热工特征信号提取中的应用研究

随着对火电厂控制运行水平的要求不断提高,先进的控制、诊断、优化功能需要一些难以测量或测量不准确的状态参量,而该类参量往往包含有很多噪声干扰难以直接分析。为更好分析热工过程对象特性,还原被噪声所掩盖的潜在信息,提出了一种改进的Sigmoid函数变步长LMS算法,利用自适应噪声抵消的方法对受到扰动影响的热工对象输出数据进行分析处理,降低干扰因素影响,从而使原始特征信号得到相对精确的恢复。现场数据分析表明了该算法的有效性和可行性。