非线性自适应统计滤波器在声测量信号处理中的应用

从α－ｓｔａｂｌｅ分布特征出发,阐述了处理非高斯噪声的ＬＭＰ、顺序统计、群组等非线性统计滤波器自适应算法;实例验算表明了在α－ｓｔａｂｌｅ分布下,非线性统计自适应器性能优于传统的线性自适应滤波器,且收敛速度更快。     

Gamma自适应滤波器及其最小均方误差训练方法

本文提出了一种新的自适应滤波器－Ｇａｍｍａ滤波器及其基于最小均方程误差准则的训练方法，首先建立了最小均方误差准则下Ｇａｍｍａ滤波器的Ｗｉｅｎｅｒ－Ｈｏｐｆ方程，然后分别提出了３种训练算法：（１）新斯－牛顿算法；（２）确定性梯度算法；（３）ＬＭＳ算法。最后给出Ｇａｍｍａ滤波器在随机信号预测中的应用和仿真结果。     

一种变步长LMS自适应滤波算法研究

为了解决最小均方(LMS)算法的稳定性及收敛速度(自适应速度)和稳态误差(自适应滤波器的精度)之间的矛盾,本文提出了一种自适应变步长的LMS算法,它的权系数的调整取决于误差曲面在新权值点上的梯度.分析了新算法的收敛特性以及参数选择对算法性能的影响.该算法具有较快的收敛速度、鲁棒稳定性且运算小易于实现的特点.计算机仿真的结果证实了该算法的收敛性能优于标准的LMS算法并且具有较好的实用性.     

人工神经网络应用于适应滤波的研究

目的 用神经网络实现Adaline自适应滤波权值调节。方法 在Adaline自适应滤波器中,滤波器的权值调节是通过LMS自适应算法进行调整的,但LMS的自适应算法的收敛速度慢,从而大大影响了Adaline自适应滤波器的滤波性能,作者利用TH网络进行TH－Adaline滤波器系统辨识。并给出了Adaline滤波器权值输出变化曲线的仿真结果。结果与结论 利用TH神经网络来实现滤波器权值调节的Adaline自适应滤波器运算速度比运用LMS算法的Adaline自适应滤波器的收敛速度快。     

小波递归最小二乘语音自适应增强

针对语音自适应增强的递归最小二乘算法必须已知参考信号的约束条件,将小波技术引入RLS算法中,提出了一种语音自适应增强算法—小波递归最小二乘算法(WRLS)。无需参考输入和输入信号的延时量,而是用小波分解、合成技术初估期望信号,以此获得先验误差;再用RLS算法求解滤波器权系数修正量;同时采用"块"和"符号"技术减少权系数修正的运算量,提高算法的收敛速度。仿真实验表明该算法的增强效果明显优于谱减法和小波增强法。     

一种提高稳态误差及收敛速度的回声消除算法

以研究回声消除为背景,在分析比较了三种LMS自适应滤波器算法的基础上,提出了改进的LMS自适应滤波器算法。并利用Matlab进行仿真分析,通过绘制误差曲线、学习曲线,证明了改进后的算法在稳态误差以及收敛速度方面都优于之前的算法。该算法能较好地应用到IP电话中的回声消除的自适应滤波问题。     

自适应线谱增强器在主动声纳中的应用研究

本文针对主动声纳的特点分析了利用ＬＭＳ算法的自适应线谱增强器提高主动声纳作用距离的可行性。文章阐述了自适应线谱增强器的原理,工给出了实验中得来的一自适应线谱增强器软件参数取值及硬件设计。     

自适应结构振动主动控制技术及实验研究

本文详细论述了采用自适应滤波技术实现结构振动主动控制的原理和方法，并研制出自适应结构振动主动控制系统。自适应算法为最小均方（ＬＭＳ）算法，硬件是由ＴＭＳ３２０Ｃ２５组成的信号处理系统。运用该系统对一矩形薄板进行了振动主动控制实验，取得了良好的抵消振动效果和降低噪声辐射效果。     

一种基于变步长LMS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，对非平稳环境敏感性强，步长需要谨慎选择才能达到收敛和失调的折中等缺点。为了改善非平稳条件下FIR自适应滤波器的性能，文章介绍了一种变步长的LMS算法，这种算法迭代过程中步长在规定的上下限内是关于信噪比的递减函数，用于自适应噪声对消器中去除含噪语音信号中的加性噪声，以解决固定LMS算法中跟踪速度和失调的矛盾。对不同信噪比的含噪语音信号去噪，仿真结果证明该方法优于NLMS(Normalized Least Mean Square)算法，在提高收敛速度的情况下减小了剩余均方误差和失调，但需增加少量的运算量。     

基于SVD的机动目标自适应滤波研究与仿真

由于计算误差等因素的影响，致使滤波协方差阵不对称或负定，从而导致滤波器发散，影响法波算法的收敛速度和稳定性。该研究在机动加速度“当前”统计自适应卡尔曼滤波算法的基础上，引入了基于奇异值分解(SVD)的协方差平方根滤波的自适应卡尔曼滤波算法。仿真结果表明，该算法可以较好地跟踪机动目标，具有精度高、稳定好、收敛快等特点。     

语音消噪应用研究

从时域与频域对比研究了低信噪比语音消噪问题,时域采用LMS自适应消噪,频域分析选用小波技术,对两种消噪方法进行了系统全面的分析,对比讨论了各自的优势及不足,对实际信号进行了仿真消噪并与原始语音取样信号相比较,研究表明选用消噪方法对低信噪比语音消噪是明显有效的,LMS自适应消噪及小波消噪具有很强的实际应用价值。     

一种改进的变步长LMS自适应滤波算法及其仿真

在分析传统的定步长最小均方(LMS)算法、变步长LMS算法的基础上,通过建立误差信号与步长因子之间的新的非线性映射关系,提出新的改进型变步长LMS自适应算法.通过MATLAB仿真分析,证明了该算法具有较好的收敛速度和较小的稳态误差以及较好的时变系统跟踪能力.     

基于LMS自适应滤波的汽车主动悬架研究

针对简化的车辆模型，确定汽车簧上质量的加速度、车轮与地面问的动载荷以及车身的动挠度为悬架系统性能评价指标。将LMS自适应滤波算法与广义自适应控制相对比，仿真计算表明，LMS自适应控制策略不仅计算简单，而且性能指标明显优于广义自适应控制方法。     

小波分析在空间随机风场模拟中的应用

采用小波分析的方法对具有空间相关性的随机风场进行模拟.在模拟过程中,首先依据小波的多分辨率特性及小波重构算法生成一系列不相关的一维风速时程样本,其中尝试采用ARMA(自回归滑动平均)法产生每一尺度小波系数并推导了相应的计算公式.然后依据风场的空间相关特性,修正已生成的不具有相关性的随机场样本,最终合成具有指定相关特性的空间风场,并通过算例验证了这种方法的有效性.     

小波变换的实时性应用研究

Ｍａｌｌａｔ塔式分解算法是一个被广泛应用的小波变换快速算法，但运算速度慢，实时性差的缺点阻碍了其在实际应用中的进一步发展。本文介绍了的小波变换快速算法，结合系统的实时怀要求，对Ｍａｌｌａｔ算法进行了优化，将小波与快速傅立叶变换有机结合使图象的实时变换成为可能。在保留图象细节的基础上该算法的运算量比Ｍａｌｌａｔ算法减少了一半以上，并在此基础上设计了该算法的相应硬件，实验结果表明该的确能快速有铲地进行     

无显式表达小波在不同尺度下的离散生成算法及幅频特性

为了获得无显式表达小波在不同尺度上的幅频特性,必须先解决它在时域各尺度上的离散生成.分析了原有的一个生成算法存在的问题,进而基于多分辨分析理论,提出了一种新的离散生成算法,利用小波低通滤波器系数通过迭代可得到不同尺度上的尺度和小波函数,由此研究了Daubechies 2～10号小波在5个尺度上的幅频特性,得到的结果直观地显示了此类小波在不同尺度间存在较大频带重叠,其中D2～D4号小波的频带从第3个尺度开始还存在旁瓣,但在D9～D10号小波中旁瓣基本消失,频带重叠程度也相对减少.通过信号处理实例证实了这种幅频特性的准确性.     

基于小波包和LMS自适应降噪的柴油机振动诊断

由于柴油机振动信号的特征频带和噪声频带存在重叠现象,利用小波阈值消噪时难以选取合适的小波阈值,针对该问题提出一种基于小波包的LMS自适应滤波降噪方法。该方法将小波包与LMS自适应滤波相结合,首先利用小波包变换对信号进行多层分解,然后以噪声干扰对应尺度上的第一层“细节”分量及最大分解尺度上的逼近分量重构信号,将重构后的信号作为LMS自适应滤波器原始输入信号,再以小波包最大分解尺度上的高频细节信号作为自适应抵消器的参考输入信号,进行LMS自适应滤波降噪处理。仿真计算和工程应用表明,该方法参数设置较少,易于控制,不涉及小波阈值降噪中阈值的选取问题,对比试验信号的分析验证了方法的有效性,将该法应用在柴油机振动诊断中提高了故障识别率。     

基于前馈神经网络的自适应回声消除方法

回声消除常用的LMS算法收敛性差，而收敛性好的RLS算法计算量大。文章中提出一种全新的求解方法：基于前馈神经网络的自适应回声消除方法。把回声消除模型中求解滤波器系数的问题转化为前馈神经网络神经元权值的训练问题，并运用误差反向传播算法(BP算法)得出神经元权值的递推公式。经仿真计算，能较好地实现回声消除，与原传统算法LMS和RLS计算比较：该方法能得到非常高的计算精度和明显优越的收敛性能，而计算量只有RLS算法的一半。     

一种新的应用于助听器指向性传声器的自适应算法

在噪声环境中助听器的性能会受到严重影响。但当噪声与期望信号处在不同方向时,在助听器中使用指向性传声器系统能够有效地抑制噪声,使助听器的使用者受益。在复杂环境中采用自适应指向性的传声器系统能够动态调整指向性模式,以适应噪声的变化情况。基于自适应最小均方（LMS）算法提出了一种新的适用于助听器的自适应算法,用以动态调整传声器系统中滤波器的系数,使指向性模式的灵敏度最低点朝向噪声源方向,达到降噪的目的。相比于经典的LMS算法,该算法有效改善了期望信号存在时的失调情况。通过仿真结果讨论了算法中关键参数的选取对于失调并和收敛速度的影响。