气体质量计量的方法论证

为提高科氏流量计气体信号的初始频率收敛速度和跟踪精度,提出了一种频率解算的新方法：首先采用基于burg算法实现的格型IIR自适应陷波器对信号滤波,并短时间跟踪信号频率,其收敛后基于简化梯度算法实现的格型自适应陷波器开始并行工作,待简化梯度算法实现的格型自适应陷波器收敛后,前者停止工作,简化梯度算法实现的格型自适应陷波器持续工作直至结束。通过仿真和实验验证来说明本方法信号收敛速度更快、频率跟踪精度更高。     

一种改进自适应陷波器在齿轮箱振动信号频率估计中的应用

针对多级齿轮系统振动主动控制所需参考信号的获取问题,设计一种基于变步长无偏平滑梯度算法的二阶IIR自适应陷波器。以实时振动信号为输入信号,通过调整陷波频率实现对齿轮啮合频率的在线估计,并采用自适应改变陷波器迭代步长的方法提高估计速度和精度,仿真验证了该陷波器相比传统自适应陷波器具有更快的估计速度和更小的稳态误差,与FFT和比值校正FFT两种方法比较,所提陷波器对频率变化具有更好的追踪性能;将两个陷波器串联构成级联陷波器组,通过二级齿轮箱的振动加速度信号对两个啮合基频分别进行在线的实时估计。实验结果显示级联陷波器组能快速且准确地估计对应啮合频率,且能实时追踪由于驱动和负载变动导致的啮合频率变化,证明所提方法在实际应用中的有效性。     

一种改进的自适应格型陷波频率估计算法及其收敛性分析

自适应陷波器的内部结构使得非二次型误差曲面收敛至局部最优,导致陷波参数停止调整而不能够持续稳定地跟踪信号频率的变化。本文利用滤波增强信号与原始信号的相关性,设计了一个频率跟踪质量评价因子,根据频率跟踪质量可实时监测并自动调整陷波参数。据此原理,本文提出一种改进的自适应格型陷波频率估计算法。仿真结果与理论分析均表明,本文方法在不增加计算量的前提下,较大幅度地提高了算法的收敛速度和持续跟踪精度,证实了本文算法优于原有的算法。     

组合步长的改进仿射投影主动噪声控制算法

为了改善在主动噪声控制(Active Noise Control,ANC)中由不平稳脉冲噪声引起的经典仿射投影算法稳态误差高的缺陷,利用鲁棒类M估计器代价函数对误差信号的饱和特性,将其与权重向量的L2范数约束相结合,提出类M估计器函数仿射投影算法。该算法的收敛精度相较于经典符号仿射投影算法提升3.2 dB。为了进一步提升收敛速度,将组合步长技术引入上述算法来自适应调节权重约束中的步长参数,调节收敛速度与稳态误差之间的矛盾。仿真结果表明,最终提出的算法突破固定步长的限制,可实现更快的收敛速率和更低的稳态误差,相较于已有仿射投影算法,在收敛速度方面提升2倍,在收敛精度方面提高10 d B。该算法可为之后仿射投影算法的研究提供理论指导和实验依据。     

变步长LMS算法在回声抵消器中的应用

针对在回声消除中应用LMS算法出现的不足,提出在定点DSP上应用变步长LMS算法的回声抵消器的设计,仿真比较了变步长LMS算法与定步长LMS算法在收敛速度和稳态误差上的差别,最后介绍了在C54x上的实现时如何兼顾处理速度和精度的设计考虑。     

一种改进的LMS算法在回波抵消中的应用

介绍了线路回波产生的背景及自适应滤波方法在消除回波方面的优势。讨论了自适应回波抵消器的基本原理。采用一种改进的定步长LMS算法对提高传统定步长算法的收敛速度和精度具有良好的效果。应用matlab仿真软件验证了经改进的算法的性能。最后应用simulink仿真软件搭建了自适应回波抵消器的模型,仿真结果表明该改进算法可在回波抵消器中获得有效应用。     

基于改进双曲正切函数的变步长最小平均p范数算法

在信号处理领域,传统的自适应滤波算法采用的固定步长会导致稳态误差和收敛速度无法同时兼顾。针对这个问题,对最小平均p范数(Least Mean p-norm,LMP)算法进行改进,提出了一种基于改进双曲正切(tanh)函数的变步长最小平均p范数算法。该算法利用改进的tanh函数来调节步长,采用移动加权平均法构造变步长函数;同时引入了一个调节函数以进一步提升算法的性能。通过在海洋脉冲噪声干扰下进行仿真,实验表明,与已有的固定步长和变步长算法相比,改进的变步长LMP算法较好地兼顾系统的收敛速度和稳态误差;引入调节函数后的新算法在保证原有算法收敛速度的同时进一步降低了算法的稳态误差,从而兼顾了算法的收敛性和稳定性,具有较好的可行性。     

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。     

变步长LMS自适应均衡算法研究

为解决宽带无线通信中由多径信道产生的符号间干扰,对最小均方(LeastMeanSquares,以下简称LMS)自适应均衡算法进行深入分析。针对LMS算法收敛速度和稳态均方误差相互矛盾的问题,重点研究变步长LMS算法,在现有算法的基础上,进行步长分析,提出一种新型变步长LMS算法。利用信道响应长度、均衡器阶数、收敛误差共同控制迭代步长,简化步长设置,提升算法的收敛速度并降低稳态均方误差。仿真分析表明新型变步长LMS算法有更好的收敛特性。     

无约束频域自适应滤波算法最优步长控制

频域自适应算法由于具有较低的计算复杂度和较快的收敛速度而被广泛应用。但是固定步长的频域自适应算法必须在收敛速度、稳态失调、跟踪速度和对噪声干扰的稳健性之间权衡。文章研究了无约束频域自适应滤波算法的最优步长控制问题。通过分析频域自适应算法的收敛特性,给出了最优步长的表达式,推导出了频域失调因子的递归变化关系并用来估计频域失调因子。在系统辨识和回声抵消应用中的计算机仿真结果表明,所提变步长算法能同时得到较快的收敛速度和较低的稳态失调,同时该算法对回声抵消应用中的双端对讲不敏感,因而不需要明确的双端对讲检测。