基于自适应模糊神经网络的多传感器噪声抵消器

针对同一噪声源的多传感信号，采用自适应模糊神经网络系统(AFNNS)设计自适应噪声抵消器．采用AFNNS获取多路信息融合的权系数和自适应噪声抵消器的系数，基于AFNNS的自适应噪声抵消器不仅能获取信号的最佳估计，并且能克服模型和噪声存在的不确定性和不完备性．仿真结果表明，该自适应噪声抵消器的设计方法简单易行，去噪声效果优于基于平均法的去噪效果．     

自适应噪声抵消技术的应用研究与仿真

从噪声中分离有用信号是信号处理领域一个非常重要的课题.传统的滤波方法对于淹没于强干扰噪声背景下的有用信号提取已经不适用,而自适应滤波技术以其原理清楚,可实现性强而具有很强的应用价值.随着自适应技术的发展,自适应本舰噪声抵消技术已成为舰载声纳的信号处理技术中重要的研究课题之一.通过对自适应噪声抵消器原理的研究,结合舰载声纳信噪模型分析,重点研究利用自适应噪声抵消技术从舰载声呐在本舰强噪声干扰背景下提取有用信号的技术,并运用MATLAB进行了仿真试验.仿真结果表明自适应噪声抵消技术可以有效抵消本舰发出的强噪声,从而抑制本舰噪声对舰载声呐的干扰.     

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.     

BP噪声抵消网络在发动机故障信号的应用

介绍了BP自适应噪声抵消系统模型,分析了其原理及实现,并将其应用于发动机故障信号的处理.通过MATLAB进行仿真试验,结果表明基于BP神经网络的噪声抵消能有效地清除噪声,具有很好的鲁棒性能.     

基于T-S模糊模型的非线性噪声消除

噪声是影响系统辨识的不利因素,而实际系统不可避免的受到噪声的污染.对模糊推理系统在噪声消除中的应用进行了研究,提出了一种基于T-S模糊模型的模糊非线性噪声消除算法.说明了非线性噪声消除(NNC)的结构和使用NNC进行噪声抵消的原理.该方法由输入-输出数据对直接提取模糊规则,模糊规则的后件参数采用递推最小二乘法一次计算得出,然后从测量信号中消去噪声得到有用的信号.仿真结果表明模糊推理系统可以应用于噪声消除.     

基于自适应噪声抵消的MIMO-OFDM信道估计

对多输入多输出正交频分复用系统的信道估计进行了研究,利用自适应噪声抵消的思想,提出了一种基于自适应噪声抵消和奇异值分解的信道估计方法.该方法首先利用自适应噪声抵消对最小二乘(LS)估计进行去噪处理,然后将其结果用于奇异值分解(SVD)的MMSE低阶近似方法中.仿真结果表明,利用此方法有效地抑制了噪声的影响,其系统性能优于利用最小二乘方法所获得的系统性能.     

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。     

基于ADALINE神经网络的自适应滤波方法

自适应滤波器能够适应系统和环境的动态变化,具有较高的滤波精度。介绍了一种利用ADALINE神经网络进行自适应滤波的方法,根据自适应噪声抵消原理建立了ADALINE自适应神经滤波器模型,并使用该模型将发动机高压油管振动信号中的机体振动噪声滤除,提高了信噪比,为利用高压油管振动信号进行喷油器故障的精确诊断奠定了基础。     

基于神经元网络的自适应噪声抵消系统研究

在信号处理的研究中,自适应噪声抵消技术广泛地应用于通信、控制等领域,LMS是最常用的自适应算法,若信号通道结构比较复杂或存在非线性时,自适应滤波器的长度会增加,造成稳态失调、收敛速度降低,影响系统的性能.由于神经网络经过训练后可以很好地逼近非线性函数,因此对于平稳信号输入,采用BP神经网络构成自适应滤波器可以提高系统的抵消性能.根据神经元网络的自适应噪声抵消系统原理,通过仿真实验研究了在不同输入信噪比、不同通道函数、不同输入信号条件下系统的噪声抵消性能.实验表明BP方法噪声抵消效果显著,信噪比增益高.     

加性噪声抵消的对称相关函数法

提出了一种新的噪声抵消方法－对称相关函数法,它利用时频分析中的WVD分布分析实信号时零频处的交叉项包含有原信号的所有信息这一特性,定义了对称相关函数,并从理论上分析了它抵消平稳随机过程中与信号不相关的加性随机噪声的机理。仿真结果证明了该方法的有效性。     

远程心电监护中ECG信号的提取

远程心电监护中采集到的心电信号往往包含较严重的噪声干扰,给医生的诊断带来了困难,针对这一问题,介绍了一种基于人工神经网络和自适应噪声抵消的ECG信号自动提取方法;用一个三层BP网络来代替自适应抵消中常用的线性滤波器,对原始ECG信号进行自适应滤波。通过Matlab/Simulink进行仿真;结果表明该方法能够很好地适应噪声的非线性特性,用于远程心电监护中强噪声背景下的ECG信号提取,取得了令人满意的效果。     

自适应滤波器在电参数测量系统中的应用

论述了基于LMS算法的自适应噪声抵消器和自适应谱线增强器的工作原理及改进的算法,并将自适应噪声抵消器和自适应谱线增强器合并为一个滤波器应用于电参数测量系统中,仿真实验证明这种滤波器去除噪声的性能较佳.     

自适应噪声抵消器的MATLAB设计与实现

本文简述了自适应滤波的基本原理,并给出了自适应滤波噪声抵消的一般系统模型,重点研究了LMS自适应算法。完成了在MATALB下的仿真,并通过设置不同参数,对其性能做了分析。     

利用自适应滤波器的组合设计抵消多噪声

针对一个自适应滤波器不能解决多噪声信号的问题,提出了自适应滤波器的组合设计思想。在线性组合条件及LMS算法下,分析多噪声抵消原理,并进行多噪声语音信号的Matlab仿真实验,可以得到清晰的语音信号。结果表明,自适应滤波器的组合设计可以有效抵消多种干扰信号。     

基于自适应噪声抵消的CZ单晶炉炉膛温度信号处理

为滤除CZ单晶炉炉膛温度信号在单晶生长过程中存在的低频干扰,提出一种基于噪声抵消技术的滤波方法.首先利用傅立叶级数构造出低频干扰的逼近信号,然后根据炉温信号的缓变特征建立能够获取低频干扰逼近信号的抵消器误差函数,最后利用一种改进的粒子群优化算法优化误差函数获得低频干扰的逼近信号,并用该逼近信号抵消低频干扰.实验结果表明,所提出的自适应噪声抵消滤波算法能够有效滤除CZ单晶炉炉膛温度信号中的低频干扰,并优于常用的滤波方法.     

强噪声环境下有源抗噪耳罩设计

针对现有的有源抗噪耳罩存在价格昂贵且佩戴不太方便的问题,设计了一种应用在强噪声环境下的有源抗噪耳罩。该耳罩以TMS320VC5509为主控芯片,采用自适应噪声抵消方案和归一化的最小均方算法提升耳罩的自适应噪声抵消性能,结合被动降噪技术,很好地实现了在强噪声环境下消除噪声的目的。测试结果表明,该耳罩在低频范围内抗噪性能最高可达到30dB。     

数字式自适应噪声消除系统的单板机实现及其工程应用

本文讨论了用TP-801单板机实现的数字式自适应噪声消除系统,提出了一种新的简单实用的μ值选取方法。为适应单板机的工作条件,本系统采用了对信号的分段处理和重复处理法。对各种不同干扰的抵消实验,充分证明了本系统的工程实用性。     

基于自适应陷波的干扰抵消技术分析

基于自适应滤波技术,从中频和射频两方面分析了干扰抵消技术的基本原理,给出了仿真结果,验证了算法的有效性,并对射频和中频两种干扰抵消技术进行了比较。自适应滤波技术在语音信号处理、噪声抵消,系统模型识别和医学信号处理等领域已得到大量应用,它是以最小均方误差为准则的最佳滤波器。在滤波过程中,它能自适应地调整滤波系数,其计算量小,算法简单,尤其适合于对实时信号要求较高的场合。     

小波自适应噪声抵消

提出运用小波变换将时变信号分解到时／频相平面上,从而为自适应噪声抵消提供了一种时／频域的实现方法,文后对这种方法进行了仿真验证。     

基于FPGA的可“调色”有色噪声发生器设计

有色噪声是一种分布广泛、频谱多样、频率能量分布不均匀的随机信号;有色噪声根据功率谱密度不同可划分成不同“颜色”的噪声,不同“颜色”的噪声在不同领域发挥着各自重要的作用;为获得不同“颜色”的有色噪声,文章提出一种噪声颜色可变的有色噪声产生方法,该方法根据有色噪声的自回归-滑动平均模型,利用m序列、映射法和ARMA模型滤波法,产生功率谱可调的各种(高斯)有色噪声,并在FPGA上了实现该方法;测试表明:这种信号发生器不仅可以连续产生颜色差异细微的各种有色噪声(包括白噪声),且噪声性能好。