小波自适应滤波器在DCG去噪中的应用

设计一种新的小波自适应滤波器。首先对原始信号进行小波分解,然后去除含噪多的小波系数,将重构后的数据作为滤波器的原始输入信号,而将含噪多的小波系数作为滤波器的参考输入信号。实验结果表明,该算法信噪比较高,去噪效果较好。此外,该算法的运算量小,很适合动态心电信号这种大量数据的运算。     

改进EEMD算法在心电信号去噪中的应用

集合经验模态分解（Ensemble empirical mode decomposition,EEMD）方法在去除心电信号噪声时,噪声本征模态函数（Intrinsic mode function,IMF）分量难以选择且将噪声分量直接去掉会导致信号失真。针对上述问题,提出了一种基于EEMD的自适应阈值算法。首先对含噪心电图（Electrocardiogram,ECG）数据进行EEMD分解,得到IMF,根据马氏距离进行信号IMF分量和噪声IMF分量的判定,然后通过果蝇优化算法确定噪声IMF的阈值,将经过阈值去噪的新的分量和剩余分量重构得到去噪后的ECG。最后,使用MIT-BIH数据库中的心电数据进行实验,实验结果表明,该方法在去噪同时能够较好地保留信号细节。     

小波阈值去噪技术在ECG信号处理中的应用

本文采用小波阈值去噪方法,利用了小波变换多分辨率的特点,它对信号具有自适应性,可以降低消噪算法的复杂程度,又可保证心电信息特征不被丢失。试验表明,该方法能较好地实现心电信号的消噪,同时也适合于信噪比较低的生物信号的处理中。     

心电信号的Lipschitz指数与基于小波变换的去噪算法

心电信号是对人类心脏的生理和病理过程进行无创检测最主要的手段，是近年来信号处理领域的一个研究热点。本文在概述小变换理论的基础上，首先通过实验计算测定了心电信号的Ｌｉｐｓｃｈｉｔｚ指数，然后基于小波变换下奇异信号民随机噪声尺度空间中的不同特性设计了一种去噪算法。     

自适应小波阈值算法在心电信号去噪中的应用

针对常用的小波阈值算法存在的缺点和心电图信号的具体特征,提出了一种新的自适应阈值算法.该算法通过估计含噪信号信噪比的大小,自动调节阈值来抑制心电信号中的噪声.实验表明该算法能有效地实现心电信号的噪声消除,同时也为其他信噪比较低的生物医学信号处理提供了一种新的方法.     

改进小波阈值算法在心电信号去噪中的应用

心电信号（ECG）在采集的过程中总是参杂着各种噪声,可利用小波变换基本原理和方法进行去噪处理。对小波多分辨率理论进行研究后,在分析Donoho的软、硬阈值去噪法的基础上,提出一种改进阈值函数量化方法,改进阈值函数能克服软、硬阈值存在的缺陷,运用MIT-BIH心电数据库进行验证,并对ECG 信号用不同方法去噪后的结果进行了分析比较。实验表明,改进阈值方法可以有效地去除不同噪声干扰,在信噪比指标上也明显优于常用的软、硬阈值去噪方法。     

改进GOMP算法在心电信号去噪中的研究与应用

心电信号的采集、传输在医学研究心脏性疾病具有重要意义,利用稀疏分解方法对其进行去噪仍存在诸多问题。针对广义正交匹配追踪(Generalized Orthogonal Matching Pursuit,GOMP)算法选择字典原子时在残差取值最小的非最优性,以及在稀疏信号过程中选择过多原子导致的重构精度问题,提出一种新的优化算法。通过增加阈值的方式来根据噪声干扰程度不同实现迭代次数的变化。利用Jaccard系数相似性来替换GOMP算法中内积余弦算法准测,优化了字典矩阵与残差匹配原子的方式。实验结果表明,改进GOMP算法明显提高了信噪比,且均方根误差最低,在时效性上达到最优。     

一种基于改进LMS算法的语音消噪方法

为了提高LMS自适应滤波算法的性能,在对一些变步长LMS算法进行分析的基础上,提出了一种改进的变步长LMS算法。利用所提出的算法对被噪声污染的语音信号进行了消噪仿真实验,并进行了主客观性能测试。仿真结果与性能测试分析表明,采用本算法消除噪声后的语音基本接近原始语音。     

椭圆滤波器在语音去噪中的应用

语音信号是一种非平稳的信号,人们在语音通讯过程中会受到来自周围环境,和传输介质的影响,产生噪音,影响人们的听觉,因此我们需要对语音信号进行去噪处理。使用数字滤波器可以有效地去除语音信号中的高频和低频噪声,本文主要研究椭圆滤波器在语音去噪中的应用。并用Matlab仿真实现。     

基于小波的EMD去噪法应用于心电信号去噪

实测的心电信号不可避免地存在一些强干扰和噪声,如何在强背景干扰和噪声下准确提取出有用的心电信号,是心脏病智能诊断的一个重要内容．提出一种新的基于小波的EMD去噪方法,先将信号进行小波分解,将带噪信号分解为多个尺度的信号,然后再对其中某几层信号进行EMD分解,剔除其中的噪声模态分量,重构后得到去噪后的信号．最后分别利用仿真带噪心电信号和MIT／BIH心电噪声数据库信号进行验证,并与单独运用小波阈值法和EMD分解法比较去噪效果．结果表明,该方法优于其他两种方法,简单有效,且适于实际应用．     

基于LMS算法的自适应滤波器在声学回声消除中的应用

阐述了自适应滤波器的基本原理,在介绍LMS自适应滤波算法的基础上,利用TMS320VC5402 DSK的软、硬件平台,进行LMS自适应滤波器的设计仿真,并对语音回声进行消除。实验表明,该算法在应用中具有良好的滤波性能,达到了较好的回波消除效果。     

自适应LMS滤波器在FPGA中的实现

本文介绍了自适应滤波器的实现方法,给出了基于LMS算法自适应滤波器在FPGA中的实现,简单介绍了这种实现方法的各个功能模块,主要包括输入信号的延时输出模块、控制模块、误差计算模块、权值计算和存储模块。并通过在ALTERA公司提供的QUARTUSII平台上采用VHDL语言编程,利用MATLAB和QUARTUSII相结合进行了硬件仿真,结果表明了采用FPGA实现自适应滤波器是有效的。     

改进的自适应LMS算法

LMS（Least Mean Square）算法因其结构简单、稳定性好等优点,得到了广泛的应用,但在收敛速度和稳态失调之间存在着固有矛盾,通过对步长因子的调整可以克服这一矛盾。分析研究了已有的变步长LMS算法,在此基础上提出了一种改进的变步长LMS算法。理论分析和计算机仿真表明该算法不但具有较快的收敛速率,并且具有更小的稳态误差。     

一种基于小波理论的LMS算法研究

基于LMS算法原理和MALLAT算法,提出了小波自适应算法,并对算法进行了理论分析和仿真研究,仿真结果表明,小波自适应算法在非线性系统辩识中表现出了良好的性能。     

一种改进的变步长LMS自适应算法及分析

现有的变步长LMS算法中,大都采用建立步长因子与误差信号的函数关系的方法,以提高算法的收敛速度和跟踪性能,但由于未考虑输入信号对算法性能的影响,使得当输入信号发生变化后,稳态误差明显增大。为此,在现有算法的基础上,引入了输入信号因子,提出了一种改进算法。该算法可根据瞬时误差和输入信号来调整步长因子,使算法不仅能保持较高的收敛速度和跟踪性能,还可在输入信号变化的情况下,保证较小的稳态误差。理论分析及仿真实验表明新算法的性能优于现有算法。     

一种改进变步长因子LMS算法的研究

传统的LMS算法,由于其步长因子μ是事先指定的固定值,因而在迭代过程中不能随着估计误差e（n）来进行相应的调整,所以其收敛性完全由初始条件和步长决定。为了改变这种状况,文章提出了一种步长因子μ（n）随时间变化的LMS算法,其收敛速度快于LMS和NLMS,具有较小的失调,将本算法应用于自适应预测系统,Matlab仿真实验结果与理论分析一致。     

一种改进的变步长LMS自适应滤波算法及性能分析

针对现有LMS（Least Mean Square）算法不能同时提高收敛速度及降低稳态误差的矛盾,提出一种改进的变步长LMS算法,建立了步长参数μ(n)与误差信号e(n)之间的一种新的非线性函数关系: 与现有的算法相比,同时引入记忆因子λ和控制函数取值的参数β(n),使当前步长与上一次迭代所得步长及前M个误差的平方相关。理论分析和计算机仿真结果表明,与现有几种常见的LMS算法相比,改进的算法收敛速度和稳态误差的性能指标得到提高。     

基于LMS自适应滤波器信息采集系统设计

设计并实现具有硬件滤波空气清新器的信息采集系统,根据空气的复杂性以及随机性,结合自适应滤波器的原理,提出一种新的空气信息采集系统设计方法。该方法利用最小均方（LMS）自适应滤波器进行软件滤波,针对空气信息的复杂性和随机性,增加对随机复杂信息具有预测能力的LMS自适应滤波的设计,增强系统的稳定性,提高采集信息的精度,系统具有一定的预测性和智能性。