基于DSP的自适应FIR滤波器设计与实现

介绍了基于TMS320VC5402DSP的自适应FIR滤波器的设计与实现。采用TMS320VC5402DSP芯片作为处理单元,设计并实现了自适应FIR滤波器,给出了硬件系统设计模块,软件系统设计流程图及相应的汇编代码。仿真结果和实现结果表明所设计的自适应FIR滤波器能很好的消除叠加在信号上的噪声。     

基于多DSP系统的并行延时LMS算法的实现

随着对信号处理要求的不断提高,基于AD公司21xx系列16位定点DSP中的ADSP-2181提出了一种具有很强适应性与灵活性的多DSP结构,同时介绍了基于FIR滤波器的自适应滤波算法,包括常规LMS算法,延时LMS算法,以及基于二输入二输出FIR滤波器的并行延时LMS算法,详细介绍了易于实现并行和流水线结构并行延时LMS算法,并将自适应滤波中的两大热点——自适应算法的研究与高速信号处理的实际工程相结合,重点研究了并行延时LMS算法在多DSP结构中的实现,体现了并行算法的优越性。     

基于支持向量机的滤波器设计与硬件实现

针对传统有限脉冲响应(FIR)滤波器设计方法和神经网络设计方法的不足,在改进使用支持向量机(SVM)设计FIR滤波器方法的基础上,提出了SVM设计FIR滤波器的硬件实现方法.使用理想滤波器的幅值响应训练SVM,得到训练参数,据此构建基于SVM的FIR滤波器的嵌入式系统.软件实现FIR滤波器的训练部分,硬件实现FIR滤波器的测试部分.单次判定测试向量的时间约为3500 ns,滤波准确率可达到98.41%.设计的滤波器具有良好的幅频特性,边界控制精确,逼近理想滤波器.     

非线性通信信道的神经FIR自适应幅值Laguerre均衡器

针对数字通信系统中线性和非线性信道干扰问题,在分析神经FIR滤波器、判决反馈结构和Laguerre滤波器的基础上,提出了神经FIR自适应幅值判决反馈均衡器和神经FIR自适应幅值Laguerre均衡器.其中神经FIR自适应幅值Laguerre均衡器结构简单,具有IIR和FIR滤波器特点,能够使用较少的阶数达到较好的均衡效果,且理论分析证明该均衡器是稳定的(0相似文献   

基于自适应滤波器的系统识别研究与实现

自适应系统识别是通过测量系统输出信号利用自适应滤波器建立模型的一种重要方法。本文论述了基于LMS算法自适应FIR滤波器的实现原理,及其在系统识别中的应用。并通过计算机的仿真实现,详细阐述了其在定点DSP上的实现方法。     

基于FPGA的可调节FIR滤波器的设计与实现

基于灵活自适应的空口波形技术F-OFDM(Filtered OFDM)是现代通信技术的研究热点,设计并实现可调FIR滤波器是实现该技术的核心工作之一。本文设计的基于FPGA的可调节FIR滤波器系数的自适应调整是通过控制算法对信道中的信号进行快速检测,然后将结果和滤波器的输出结果进行差值计算进行反馈调节。利用Quartus II和DSP Builder设计基于FPGA的16阶系数可调FIR滤波器,给出核心模块的设计电路图和仿真结果。仿真结果表明:基于灵活自适应空口波形技术可以在FPGA上实现,而且由于FPGA具有天然的并行性,实际的通信系统中可以采用并发模式进行,达到提高信号传送速率的目的。     

基于变学习率三角基函数神经网络的4型FIR滤波器设计

本文提出一种基于变学习率三角基函数神经网络的线性相位4型FIR滤波器设计方法。该方法根据三角基函数神经网络与线性相位4型FIR滤波器幅频特性之间的关系,构建了一种变学习率三角基函数神经网络模型,在神经网络训练过程中引入变学习率算法自调整学习率取值,解决学习率通常依靠经验或试凑法确定带来的不确定性,提高神经网络的学习效率和收敛速度。通过训练神经网络的权值,使设计的FIR滤波器幅频响应与理想幅频响应在整个通带和阻带内的误差平方和最小。文中利用该方法对FIR高通滤波器和带通滤波器进行了优化设计,仿真结果表明了该方法设计FIR滤波器的有效性和优越性。     

基于MA型分布式算法的高阶FIR滤波器设计及其FPGA实现

针对利用现有分布式算法在FPGA上实现高阶FIR滤波器时,存在资源消耗量过大和运行速度慢等问题,提出一种新型高阶FIR滤波器的FPGA实现方法。首先综合采用多相分解结构、流水线等技术对高阶FIR滤波器进行降阶处理,然后采用提出的基于二输入开关和加法器对的分布式算法结构(MA型DA结构)实现降阶后的FIR滤波器。利用ISE10.1在Xilinx Xc2vp30 7ff896 FPGA开发板上实现了一系列8阶到256阶的串行和并行结构FIR滤波器。实验结果表明,该方法有效地减少了系统的资源消耗,提高了系统的时序性能。     

自组织神经网络的参数自适应方法

自组织神经网络的主要目的是将任意维数的输入信号模式转变成为一维或二维的离散映射,并且以拓扑有序的方式自适应地实现这个过程。学习过程中,对邻域宽度函数和学习率函数参数是根据经验选择的,没有一定的规则或方法,因此,邻域保持映射的获得往往先于参数的学习过程。将线性Kalman滤波器和基于无先导变换的Kalman滤波器分别用于学习率函数和邻域宽度函数的预测,可以提高自组织神经网络的学习能力。改进后的算法可以根据输入数据自适应地调整邻域宽度函数和学习率函数。     

基于小波和神经网络的脑电智能诊断研究

本文将数字信号处理、小波分析和神经网络技术结合起来应用到脑电智能诊断中.首先基于数字信号处理技术设计了两种滤波器:一是简单的FIR滤波器,二是格型滤波器.分别用来过滤工频伪迹和复杂的伪迹.然后利用小波信号处理技术,把已过滤的脑电信号分解到不同尺度中.最后基于在不同尺度下伪迹和异常波不会完全相同的原理,利用神经网络作为分类工具.把分解后的脑电信号输入神经网络进行识别,输出异常波的识别结果.     

Neural FIR adaptive Laguerre equalizer with a gradient adaptive amplitude for nonlinear channel in communication systems

To mitigate the linear and nonlinear distortions in communication systems, two novel nonlinear adaptive equalizers are proposed on the basis of the neural finite impulse response (FIR) filter, decision feedback architecture and the characteristic of the Laguerre filter. They are neural FIR adaptive decision feedback equalizer (SNNDFE) and neural FIR adaptive Laguerre equalizer (LSNN). Of these two equalizers, the latter is simple and with characteristics of both infinite impulse response (IIR) and FIR filte...     

基于神经网络的线性相位FIR滤波器设计

针对FIR滤波器的神经网络设计法,提出一种泛函连接人工神经网络的改进算法。通过设置不同的加权误差函数值来控制各个样本的学习率,改善了网络的学习效果;制定了神经网络训练集的选取规则,使用该规则选取样本对网络进行训练,可设计通带阻带截止频率指标精确可控的滤波器,克服了现有算法只能设计具有通带截止频率的滤波器和不能精确控制任意截止频率的不足。仿真结果表明所提出的方法能很好地满足设计要求。     

An adaptive decision feedback equalizer based on the combination of the FIR and FLNN

To compensate the linear and nonlinear distortions and to track the characteristic of the time-varying channel in digital communication systems, a novel adaptive decision feedback equalizer (DFE) with the combination of finite impulse response (FIR) filter and functional link neural network (CFFLNNDFE) is introduced in this paper. This convex nonlinear combination results in improving the convergence speed while retaining the lower steady-state error at the cost of a small increasing computational burden. To further improve the performance of the nonlinear equalizer, we derive here a novel simplified modified normalized least mean square (SMNLMS) algorithm. Moreover, the convergence properties of the proposed algorithm are analyzed. Finally, computer simulation results which support analysis are provided to evaluate the performance of the proposed equalizer over the functional link neural network (FLNN), radial basis function (RBF) neural network and linear equalizer with decision feedback (LMSDFE) for time-invariant and time-variant nonlinear channel models in digital communication systems.     

基于自适应扩展卡尔曼滤波与神经网络的HPA预失真算法

针对强记忆功放的非线性问题,提出一种基于自适应扩展卡尔曼滤波与神经网络的高功放(High power amplifier, HPA)预失真算法.采用实数固定延时神经网络(Real-valued focused time-delay neural network, RVFTDNN)对间接学习结构预失真系统中的预失真器和逆估计器进行建模,扩展卡尔曼滤波(Extended Kalman filter, EKF)算法训练神经网络,从理论上指出Levenberg-Marquardt(LM)算法是EKF算法的特殊情况,并用李亚普诺夫稳定性理论分析EKF算法的稳定收敛条件,推导出测量误差矩阵的自适应迭代公式.结果表明:自适应EKF算法的训练误差和泛化误差均比LM算法更低,预失真后的邻道功率比(Adjacent channel power ratio, ACPR)比LM算法改善了2dB.     

一种水下机器人传感器故障诊断与容错控制方法

采用自适应滤波器ＦＩＲ 对水下机器人进行在线自适应建模,并利用ＬＭＳ算法来调节滤波器的权系数．通过对滤波器权系数和误差信号平方的分析,实时检测出传感器的故障,并应用ＦＩＲ 滤波器输出替代故障传感器信号,实现传感器故障情形下水下机器人容错控制．应用该方法对Ｏｕｔｌａｎｄ１０００水下机器人传感器的故障进行检测和容错,实验结果表明所提故障检测方法准确可靠,具有较好的容错效果．     

考虑输出饱和约束的自适应FIR滤波器设计

针对Bershad算法中滤波器输出信号畸变的问题,提出了一种新的考虑输出饱和约束的自适应有限脉冲响应(Finite-impulse-response, FIR)滤波器设计方法,并给出了它的最小均方(Least mean square, LMS)算法实现.理论证明和数值仿真验证了本文算法的有效性.与Bershad算法相比,按照本文算法设计的自适应FIR滤波器不仅严格满足饱和约束条件,输出信号也光滑无畸变,从而克服了Bershad算法的滤波器输出畸变问题.     

基于LMS算法的水下航行器传感器故障检测

为了对水下航行器控制系统的传感器故障进行在线检测,采用有限脉冲响应(FIR)滤波器对水下航行器进行在线自适应建模,利用LMS算法来调节自适应滤波器的权系数,通过对FIR滤波器权系数的分析,实时检测出系统的传感器故障.通过Matlab仿真表明,该方法简单、可靠,可对水下航行器控制系统的传感器故障进行实时检测.     

自主水下航行器控制系统实时故障检测新方法研究

采用有限脉冲响应(FIR)滤波器对水下航行器进行在线自适应建模,并利用LMS算法来调节自适应滤波器的权系数,通过对FIR滤波器权系数的分析,可实时检测出系统的故障.在水下航行器控制系统中应用该方法对传感器和执行器的故障进行检测.仿真结果表明该方法简单、可靠,可对水下航行器控制系统进行实时故障检测.