煤矿钢芯输送带缺陷信号非平稳强噪声滤波研究

煤矿钢芯输送带缺陷电磁检测信号易受到煤矿工况中非平稳强噪声影响,因此,提出一种改进阈值小波的变步长LMS自适应滤波算法对缺陷信号非平稳强噪声进行滤波。该方法首先运用改进阈值小波多尺度分解后的高频信号作为自适应滤波的参考噪声信号,然后运用变步长LMS自适应滤波方法对缺陷信号进行滤波。该方法克服了小波软、硬阈值的缺陷和固定步长LMS自适应滤波中收敛速度和稳态误差对步长因子要求不一致的矛盾。并与改进阈值小波滤波方法进行了对比,结果表明:该方法具有更好的滤波效果,能有效地滤除缺陷信号中的非平稳强噪声。     

一种新的变步长LMS自适应滤波算法研究及其应用

变步长LMS自适应滤波算法克服了传统自适应滤波算法的不足,通过构造合适的变步长因子,在提高收敛速度的同时保证了较小的稳态误差,在实际中得到了广泛应用。为进一步改善算法性能,首先对传统的和现有改进的变步长LMS算法机理进行了深入分析,在此基础上,提出了一种新的变步长LMS自适应滤波算法。该算法通过建立一个新的步长因子与误差的非线性函数模型,使得算法在不失精度的情况下,具有较快的收敛速度。论文对新算法的机理进行了较为详尽的阐述,对算法中关键参数的选取对滤波性能的影响进行了深入分析,并给出了算法中关键参数的自适应确定方法。仿真实验表明,相对于其他自适应滤波算法,该算法在收敛速度方面有了很大的提高。将新算法应用于对实际龙口水位监测数据的滤波中,取得了良好效果。     

基于变步长自适应陷波器的在线检重抗振方法研究

针对检重秤运动部件与外壳之间的相对运动以及机械固有频率点在外力作用下发生的共振对称量信号造成干扰,提出一种基于箕舌线改进的变步长最小均方(LMS)自适应陷波(ANF)的检重秤抗振动方法。通过分析检重秤振动来源与振动特性,并在共振状态下与滑窗滤波、巴特沃斯低通、巴特沃斯陷波以及固定步长LMS陷波等传统抗振方式进行仿真和实验对比,证明变步长LMS自适应陷波器对振动干扰滤除具有准确性与优越性。同时,在多种速度下运用该方法并结合滑窗与非对称切尾均值滤波在实际检重平台对检重结果进行最终处理,实现平均误差≤0. 171 g,标准偏差≤0. 240%,满足XIII(1)等级。     

一种新的LMS算法及其在明渠流量计中的应用

针对变步长LMS(least mean square)自适应滤波算法存在收敛速度慢和稳态误差比较大的问题,根据变步长滤波算法步长调整原理,提出了一种新的基于多项式的非线性变步长LMS算法,通过MATLAB仿真分析研究新算法中各参数对收敛速度和稳态误差的影响,并和已有的变步长LMS算法进行对比,结果表明该算法比已有的算法收敛速度快4倍,且稳态误差小。将新算法应用于明渠流量计回波信号的滤波处理,结果表明在低信噪比下,明渠流量计滤波性能良好,抗干扰能力强。     

基于多尺度小波变换的变步长LMS滤波算法

对LMS自适应算法、基于抽样函数的变步长LMS算法和基于多尺度小波变换的自适应滤波算法进行了研究,在此基础上把变步长LMS算法与多尺度小波变换相结合,产生了新算法。该算法一方面可以克服固定步长LMS算法在收敛速度与收敛精度方面与步长因子的矛盾;另一方面,小波变换的引入减少了输入向量自相关矩阵的条件数,提高了收敛速度、跟踪性能和稳定性。最后对算法的性能进行了计算机仿真比较,仿真结果表明:基于多尺度小波变换的变步长LMS滤波算法具有较快的收敛速度和更强的抑噪能力。     

自适应滤波器在相关能量分析攻击中的应用

针对在能量分析攻击中有噪声的存在、攻击效率不高、攻击成功需要采集大量的能量曲线等问题,提出自适应滤波应用在能量分析攻击中滤除噪声来提高攻击效率。以在ATmega16上运行的AES-128算法的密钥为攻击目标,使用最小均方误差(LMS)自适应滤波器、变系数变步长S型(Sigmoid函数)LMS自适应滤波器及卡尔曼滤波器对原始数据进行滤波,使用相关能量分析(CPA)对原始数据及滤波后的数据进行攻击。实验结果表明,3种滤波后的数据与原始数据相比,正确密钥CPA的相关系数均有不同程度提高,正确密钥与错误密钥的区分程度增大,而且减少了完全猜出正确密钥所需要的能量曲线的条数。攻击成功所需要能量曲线的条数与原始数据相比,卡尔曼滤波后减少了21.5%,LMS自适应滤波后减少了56.3%,变系数S型LMS自适应滤波后减少了60.3%。自适应滤波方法能够明显提高CPA攻击的效率。     

改进变步长自适应分布式滤波算法

为提高传统LMS算法在分布式传感器网络自适应滤波中的收敛速度并保持较小的稳态误差,在扩散LMS算法基础上,提出一种基于Sigmoid函数改进变步长的分布式扩散LMS自适应滤波算法,算法通过Sigmoid函数变换构建步长因子与迭代误差之间非线性模型,并通过设置控制因子合理调整模型的步长曲线波型,使得算法在初期使用较大的步长以加快收敛速度,而在后期则采用平稳变化步长以保持较低的稳态误差,从而在在不失传统算法稳态精度的情况下,实现较快的收敛速度。实验结果表明:相比于已有算法,所提算法的估计性能更优。     

基于STM32的高精度电子天平

为了解决目前市面上的电子天平成本高、精度低、称量速度慢的问题,将目前工作频率高、功能强大的STM32芯片应用到电子天平的设计中,用其作为主控制器设计了一款高精度的电子天平。该设计采用内部集成24位A/D转换器和放大器的称重传感器专用芯片HX711对称重传感器输出的小信号进行处理,提高了电路的稳定性;采用数字滤波算法进行滤波,降低了电路复杂度,使性能更可靠;将A/D转换器输出的模拟信号直接数字化,然后,采用滑动均值滤波法进行了滤波;最后,进行了检定实验,开展了误差分析,分析了真实值与测量值之间的关系,并在误差分析的基础上,对天平测量准确性进行了评估。实测结果表明,该电子天平设计量程为300 g,精度为0.01 g,重复性误差和示值误差均≤0.02 g,而且称量速度快,10 s左右即可达到稳定读数。     

基于小波自适应算法的电网谐波测量方法研究

提出小波自适应滤波算法的结构模型,将多尺度小波分解与自适应滤波算法相结合,对多尺度小波变换固定步长和变步长LMS算法进行分析。通过MATLAB对算法进行了仿真验证。根据3种不同的输入信号,对算法的实时性、准确性、使用范围和收敛性等分别进行了仿真研究。     

一种新的变步长LMS自适应滤波算法性能分析

在简单介绍了基本的LMS,NLMS自适应滤波算法的基础上,介绍了一种新的可变步长LMS自适应滤波算法,并将该算法应用于自适应噪声对消系统的仿真中.通过计算机仿真,给出了LMS、NLMS和新的可变步长LMS自适应滤波三种算法的性能对比,结果表明该算法具有较快的收敛速度和较小的稳态误差.     

宽带振动主动控制的模糊自适应控制方法

由于广泛采用的自适应滤波－X LMS算法只限于线性问题，针对振动主动控制中存在的一些非线性问题，文中利用模糊逻辑系统能够逼近非线性系统的特性，提出一种模糊适应前馈主动控制方法，解决由于传感通道的非线性使得参考信号与外扰间呈非线性函数关系的主动控制问题。针对复合材料梁振动控制的数值仿真计算结果表明，该非线性模糊自适应控制方法的有效性。     

一种基于FPGA的自适应滤波器的设计

在分析了变步长自适应滤波算法的基础上．采用基于RAM的查找表来实现滤波运算中的快速卷积．按照自顶向下的设计思想，将自适应滤波器进行功能划分．采用硬件描述语言实现自适应滤波器的硬件设计，并在Maxplus Ⅱ平台对运算单元进行综合和功能仿真。     

油气悬架自适应半主动控制仿真分析

为了降低工程车辆受到的冲击振动，针对简化的车辆模型，利用自适应滤波算法，设计了半主动油气悬架系统的自适应控制器。在仿真研究过程中以路面随机信号为激励源，以操纵稳定性及行驶平顺性为控制目标，与被动油气悬架系统相比，簧上质量加速度、车轮动载荷、悬架动挠度指标得到明显改善，表明白适应滤波技术在工程车辆油气悬架半主动控制中的应用是可行的。     

Railway track geometry determination using adaptive Kalman filtering model

The Kalman filter has been widely used to solve different filtering problems especially in tracking and estimation applications. Besides its simplicity, robustness and optimality, the application of Kalman filter to nonlinear systems can be complicated. The most common method is to use extended Kalman filter which linearizes the nonlinear model so that the standard Kalman filter can be applied. In this paper, a new adaptive Kalman filtering algorithm is designed and applied to a railway track geometry surveying system which has been designed in the scope of a research project at Yildiz Technical University/Turkey. Track gauge, super-elevation, gradient and track axis coordinates which are the railway geometrical parameters can be instantly determined while making measurements by using adaptive Kalman filtering algorithm integrated surveying system.     

基于ALE的自适应滤波在轴承故障诊断中的应用

提出了一种基于谱线增强的变步长自适应滤波方法,从滚动轴承的振动信号中分离出故障冲击信号,便于包络分析获取故障特征频率.介绍了该方法的原理及算法实现,并对未知高频固有振动的滚动轴承进行了故障诊断,效果明显优于传统带通滤波方法.     

无人机遥感山区公路图像去噪方法

为实现对遥感图像较好的滤波去噪效果并有效保持图像边缘细节,提出一种自适应开关均中值融合滤波方法,可有效处理无人机拍摄的公路遥感图像.首先,选定遥感图像的局部区域,并设定梯度变换阈值大小,同时为标记该区域内的各个像素点,定义标志数组.然后,与阈值进行比较,若当前用于比较的像素点的值比梯度阈值大,则进行自适应开关均中值融合滤波,利用自适应选定阈值来替代传统开关均中值滤波器的固定阈值;若当前像素点小于梯度阈值,则选取改进梯度倒数进行加权平滑处理,即针对图像局部区域建立相关函数,将权值参数按照局部统计特性适应性进行调整.由实验结果可知,与传统梯度倒数加权平滑算法相比,自适应开关内中值融合滤波算法能够滤除遥感图像中的脉冲和椒盐噪声,对其他类型的噪声也有较好的效果,同时保留了图像的边缘细节信息.实验结果表明,滤波处理的图像平均梯度指数提高了 ３．１６％ ,且参数均方误差( MSE )减少了约 ５％ ,具有较高的应用价值.     

Modified-filtered-u LMS algorithm for active noise control and its application to a short acoustic duct

This paper presents a new adaptive algorithm for active noise control (ANC) that can be effectively applicable to a short acoustic duct, such as the intake system of an automobile engine, where the stability and fast convergence of the ANC system is particularly important. The new algorithm, called the modified-filtered-u LMS algorithm (MFU-LMS), is developed based on the recursive filtered-u LMS algorithm (FU-LMS) incorporating the simple hyper-stable adaptive recursive filter (SHARF) to ensure the control stability and the variable step size to enhance the convergence rate. The MFU-LMS algorithm is implemented by purely experimental ways, and is applied to active control of noise in a short acoustic duct, and is validated using two experimental cases of which the primary noise sources are a sinusoidal signal embedded in white noise and a chirp signal. The experimental results demonstrate that the proposed MFU-LMS algorithm gives a considerably better performance than other conventional algorithms, such as the filtered-x LMS (FX-LMS) and the FU-LMS algorithms.     

一种改进变步长LMS算法及其在系统辨识中的应用

在分析传统LMS算法及变步长LMS的基础上，本文提出了一种改进的变步长LMS算法并应用于系统辨识。新算法利用瞬时误差的四次方和遗忘因子共同来调整步长，进一步解决了收敛时间和稳态误差的矛盾。将新算法应用到系统辨识中时，与传统LMS算法和变步长LMS算法相比，仿真表明新算法有更快的收敛速率。