一种改进变步长LMS算法的性能研究

在对传统LMS算法、变步长LMS算法及其改进算法分析的基础上,提出了一种改进的变步长LMS算法。新算法通过建立步长因子与误差信号之间的非线性函数关系,使其初始阶段和时变阶段步长自适应增大和稳态阶段步长很小,理论分析及计算机的仿真结果表明,该算法可保证较快的收敛速度和较小的失调,能更好地解决收敛速度和稳态误差的内在矛盾,可更好地应用于自适应系统中。     

TD-LTE系统中基于FPGA的PUSCH信号检测

主要研究如何利用FPGA实现适用于TD-LTE系统的上行信号检测算法,包括算法的介绍、方案的形成、FPGA实现的处理流程、FPGA实现结果及分析。以Virtex-5芯片为硬件平台,进行了仿真、综合、板级验证等工作。实现结果表明,该信号检测算法应用在TD-LTE系统中具有良好的稳定性和可行性。     

基于FPGA的DTMF信号的产生与检测

文章以现场可编程门阵列(FPGA)为控制核心,设计并实现了双音多频信号(DTMF)的产生与检测,DTMF信号的产生是在FPGA内部将两个不同频率的正弦波形合成一个双频数字信号,通过D/A转换器变为模拟信号输出。DTMF信号的检测以Goertzel算法为核心,计算出8个频点的幅值,通过比较大小判断出相应的电话号码。经过工程测试,该设计能够达到DTMF信号的产生与检测要求,结果表明,将DTMF编解码算法集成于FPGA系统中,使DTMF信号系统变得简单灵活,充分发挥了FPGA的优势。     

基于DDS技术的LFM信号产生与FPGA实现

分析了线性调频（LFM）信号的时频特性,分析了基于直接数字频率合成器（DDS）技术的信号产生原理,在此基础上,选择ALTERA公司的Cyclone II系列的FPGA芯片EP2C70F896C6FPGA,采用 ROM 查找表技术,基于QUARTUSII系统提供的 PLL 锁相环IP核设计系统时钟,设计产生带宽B=10MHz,时宽 的LFM信号。通过调用Modelsim仿真工具进行RTL仿真验证,FPGA电路仿真的结果与MATLAB仿真结果相符。     

基于FPGA的信号微小延时方法

针对FPGA输入输出信号微小延时的需求,根据FPGA的I/O特性和I/O逻辑资源,研究了一种基于FPGA的信号微小延时方法;采用FPGA的输入输出延时单元IODELAY,实现对输入输出信号的绝对延时,能够确保对FPGA的输入输出信号进行最小78ps的延时;根据实际需要可以通过参数选择实现对输入信号的固定延时和可变延时工作模式,以及对输出信号的固定延时工作模式;实际应用表明,文中实现的信号延时方法能够精确实现信号微小延时,延时效果稳定,受温度等外界环境变化影响较小,能够满足工程项目中对信号微小延时的实际需要。     

基于应用层负载均衡策略的分析与研究

介绍了Round Robin（RR）,Weighted Round Robin（WRR）,Least Connection（LC）和Weighted Least Connection（WLC）四种负载均衡算法,对这四种算法进行性能仿真。根据模拟得到的相关数据绘制各个算法的负载均衡度性能曲线,并对每个算法进行了性能分析。在此基础上设置三种不同的模拟模型,对四种算法进行更深入的测试和性能比较。     

基于FPGA的自适应滤波器的研究与开发

使用Xilinx公司最新生产的Spartan-6系列FPGA芯片,采用自顶而下的方法成功设计出一种基于LMS算法的横向自适应滤波器,并且通过了仿真检验,到达了设计目标,能实现预期功能。     

一种基于LMS改进算法的语音增强方法

LMS算法在自适应滤波器中得到广泛应用,但这种方法具有收敛速度慢,步长需要谨慎选择才能达到收敛和失调的折中等缺点。文章把一种变步长的LMS算法应用到语音增强中,此算法通过建立步长因子μ与迭代次数n之间的一种函数关系提出一种新的变步长LMS算法,在迭代过程中在开始时采用大步长参数进行迭代,达到稳态后减小步长参数。仿真结果证明该方法对带噪语音有明显的去噪效果,有效地提高了语音的清晰度和可懂度。该算法明显优于传统LMS算法,较之提高了收敛速度并减小了稳态误差。     

基于BP神经网络的弱信号提取方法研究

提出一种基于ＢＰ神经网络结构与算法的信号提取方法，该方法在网络节点连接权向量域，从宽带背景噪声中提取弱信号，且对信号的先验知识没有要求。文章具体给出了ＢＰＷＶ方法的原理及推导过程，仿真结果表明，该方法能显著地提高信噪比。     

基于FPGA的微弱声呐信号自动检测方法

现有的检测方法相对误差较大,为此,本文研究了基于现场可编程门阵列（FPGA）的微弱声呐信号自动检测方法。首先,自动提取微弱声呐信号特征,运用该方法放大输入信号,以提升对微弱信号的检测准确性;其次,运用滤波器带宽有效消除噪声,快速捕捉关键信号并进行时序分析,通过采集完整信号实现快速检测;最后,当声呐接近目标的滤波输出时,在浅海环境下运用该方法减小检测误差。结果表明,当衰减值为25 d B时,实验组的相对误差为2%,能够准确检测微弱信号,减小检测的误差,实现检测方法的较好应用。     

基于矩阵分解的DLDA特征抽取方法分析

提出两种基于矩阵分解的DLDA特征抽取算法。通过引入QR分解和谱分解(SF)两种矩阵分析方法,在DLDA鉴别准则下,对散布矩阵实现降维,从而得到描述人脸图像样本更有效和稳定的分类信息。该方法通过对两种矩阵分解过程的分析,证明在传统Fisher鉴别分析方法中,矩阵分解同样可以模拟PCA过程对样本进行降维,从而克服了小样本问题。在ORL人脸数据库上的实验结果验证了该算法的有效性。