基于遗传算法的自适应噪声抵消

当有参考噪声信号时，自适应噪声抵消的实质就是求参考噪声输入通路的逆滤波器，LMS自适应滤波问题就是一个多变量函数的极值问题。LMS算法因其具有算法简单，容易实现的优点而为常用，但是算法的收敛特性和失调量受到步长参数μ的影响。而步长参数μ和最优值不易确定。遗传算法是一种应用于大规模搜索空间的有效方法，它不要求函数的解析表达式，只根据已知的测量数据便可以求得全局极值。本文以FIR滤波器为例。采用改进的实值编码遗传算法，将遗传算法用于逆滤波器的求解。计算机仿真结果表明该算法对噪声抵消取得了较满意的效果。  

一种基于小波级数分解的LMS自适应除噪方法

将小波级数引入ＬＭＳ算法，利用小波的时频局部特性，将小波级数同ＬＭＳ算法结合，提出了一种新型的基于小波级数分解的ＬＭＳ方法，提高了ＬＭＳ算法的收敛速度，并应用于自适应滤波器，提高了自适应滤波器整体的收敛速度及输出的信噪比。文中给出了算法的推导，并用模拟实验进行了验证。  

自适应串扰噪声消除技术在小孔径钻孔超声波检测中的应用

介绍了一种基于自适应滤波的噪声消除技术,分析了超声波用于小孔径钻孔检测中存在的同频串扰噪声的生成原因以及它对测量的影响,并对串扰噪声信号和待测信号进行建模;介绍了自适应噪声对消的原理,并针对应用给出了定步长自适应噪声的消除算法以及改进后的变步长自适应噪声消除算法,对两种算法在自适应学习速率上进行了比较,并给出经自适应去噪后的信号和原始信号的对比结果。  

自适应消噪技术在旋光准直仪中的应用研究

通过对自适应消噪技术理论分析和实验研究，成功地将其应用于旋光准直仪中，用自适应消噪技术对远近距离多种不同准直测量的实验结果进行处理。结果表明：在不同实验条件下，消噪后补偿度达30%-80%。  

Real‐time ballistocardiographic artifact reduction using the k‐teager energy operator detector and multi‐channel referenced adaptive noise cancelling

The simultaneous electroencephalogram (EEG) and functional magnetic resonance imaging (fMRI) recording technique has recently received considerable attention and has been used in many studies on cognition and neurological disease. EEG‐fMRI simultaneous recording has the advantage of enabling the monitoring of brain activity with both high temporal resolution and high spatial resolution in real time. The successful removal of the ballistocardiographic (BCG) artifact from the EEG signal recorded during an MRI is an important prerequisite for real‐time EEG‐fMRI joint analysis. We have developed a new framework dedicated to BCG artifact removal in real‐time. This framework includes a new real‐time R‐peak detection method combining a k‐Teager energy operator, a thresholding detector, and a correlation detector, as well as a real‐time BCG artifact reduction procedure combining average artifact template subtraction and a new multi‐channel referenced adaptive noise cancelling method. Our results demonstrate that this new framework is efficient in the real‐time removal of the BCG artifact. The multi‐channel adaptive noise cancellation (mANC) method performs better than the traditional ANC method in eliminating the BCG residual artifact. In addition, the computational speed of the mANC method fulfills the requirements of real‐time EEG‐fMRI analysis. © 2016 Wiley Periodicals, Inc. Int J Imaging Syst Technol, 26, 209–215, 2016  

《双自适应噪声抵消算法的实现》

为有效剔除噪声，提高信噪比，提出一种基于双自适应的噪声抵消算法，包括自适应子带分解算法和自适应噪声抵消算法两部分。采用子带分解与噪声功率谱密度匹配的方法来对信号进行非均匀子带分解，根据噪声在子带中的分布进行有效滤波，对低噪或基本上无噪的子带不滤波，而对其它子带采用自适应滤波的算法。仿真对比表明，与传统的均匀子带自适应噪声抵消相比，计算量大大减小，其滤波效果也得到一定的改善。  

基于参考模型的自适应话音处理

本文讨论了一种带有参考通道的自适应话音消噪滤波器原理，该滤波器采用最小均方差(心幅)算法。将此滤波器应用于复杂噪音背景的话音信号提取，能很好地抑制背景噪声，从而获得清晰的话音信号。  

基于参考模型的自适应环境噪声处理

本文讨论了一种带有参考通道的自适应环境噪声滤波器原理，该滤波器采用最小均方误差(LMS)算法。将此滤波器应用于复杂噪音背景的语音信号提取，能很好地抑制背景噪声，从而获得清晰的语音信号。