自适应滤波在局部放电检测中的应用

为了消除高压设备局部放电检测中广泛存在的周期性干扰现象,依据自适应噪声干扰抵消技术,设计了一种有限冲击响应(FIR)、最小均方(LMS)误差算法的自适应滤波系统,研究了局部放电中存在的各种周期干扰现象．通过计算机模拟滤波证实,在适当选择滤波各参数的基础上,得出该系统实现方便、运算快速,能有效地解决局部放电检测中的周期性干扰问题．     

一种快速收敛的自适应波束形成算法

为了解决传统最小均方(LMS)自适应波束形成算法在低信噪比环境下收敛速度较慢的问题,提出了一种快速收敛的小波域自适应波束形成算法. 该算法利用小波变换软阈值法消除信号中的加性高斯白噪声,并在此基础上将牛顿法应用于LMS算法中,提高了小波域LMS算法的收敛速度. 仿真结果表明,相比传统LMS算法,在低信噪比环境下,该算法收敛速度加快,稳态误差减小,波束形成精确度有较大的提高;同时相对于已有的小波域LMS算法,该算法的收敛速度和精度也有所提高.     

一种适合于噪声对消的自适应算法及其硬件实现

本文在分析经典LMS算法在噪声对消应用中的不足之处后,提出了一种块状LMS算法和一次范数准则下自适应算法相结合的混合算法并作了相应理论分析,在此基础上构成了以TMS32010DSP芯片为核心的自适应噪声对消的硬件系统并取得了较好的实时对消效果。     

基于LMS算法和Matlab的自适应滤波器的设计

根据LMS算法性能特点,在Matlab环境下编写了基于LMS算法的有限长自适应滤波器的程序(*.m),用所设计的滤波器对受白噪声干扰的语音信号及正弦波信号进行滤波.理论分析和仿真结果表明,所设计的自适应滤波器具有快速的跟踪能力和收敛性能,且稳态误差较小.     

基于新息的神经网络自适应卡尔曼滤波

卡尔曼滤波是一种基于最小方差的递推式滤波算法,系统模型和噪声统计特性的先验知识决定了滤波的性能和估计的准确性,不精确的先验知识将导致滤波性能的明显下降甚至发散。采用BP神经网络对系统进行辨识,获得精确的系统状态方程,利用新息自适应估计卡尔曼滤波算法中的过程噪声和测量噪声协方差矩阵,提出基于新息的神经网络自适应卡尔曼滤波算法。Matlab仿真结果表明,与传统卡尔曼滤波算法相比,改进的卡尔曼滤波算法获得了与原始信号几乎一致的输出信号,噪声得到明显抑制。同时,改进的算法不需要系统精确的数学模型,在实际应用中具有可行性和普适性。     

神经网络自适应滤波器

本文介绍一种新颖的非线性自逅应滤波器——自适应神经网络滤波器.由于神经网络具有学习非线性函数到任意的精度以及自适应能力,这种滤波器优于线性滤波器,能适应各种噪声环境.在自适应LMS算法基础上,提出了在线PB训练算法、收敛速度快.最后以自适应噪声对消系统为例,进行了计算机仿真,结果显示了这种滤波器的良好性能.     

DLMS算法的自适应噪声抵消器

本文对数字化LMS算法的自适应噪声抵消器的性能作了理论分析,并用硬件实现了该系统的实验装置,利用该装置做了系统性能的实验测试,其结果与理论分析较一致,自适应性能有所提高.     

基于非线性空时编码系统的自适应信道估计

用非线性分组编码，在时间选择性衰落信道环境下，将基本LMS自适应算法推广到对二维空时编码信号的权矩阵自适应迭代估计，分析了对输入信号序列编码所生成的非线性编码矩阵之间的相关性，运用解相关LMS自适应算法对衰落信道进行估计．在不同噪声情况下，根据估计信道和噪声统计量，推导了对非线性编码进行解码的最大似然决策方法．仿真试验表明，采用扩展LMS算法和解相关LMS算法跟踪时变衰落信道响应具有较强的鲁棒性和快速收敛性，非线性空时分组编码系统相对干线性编码系统提高了编码系统性能，运用最大似然决策方法进行解码降低了系统误码率．     

基于自适应阈值的提升小波去噪方法

鉴于传统的去噪算法中的阈值很难选取到最优值,设计了自适应的阈值选取器,结合最小均方算法和小渡阈值去噪算法,提出了一种基于LMS算法的小波去噪方法.该方法根据LMS算法来自适应地控制阈值参数,并实现提升小波阈值去噪.仿真结果表明,该方法优于传统去噪方法,可较大程度地减少信号中的噪声,提高输出信号的信噪比,能很好地提取有用信号的特征.     

基于径向基函数神经网络的自适应滤波器

自适应滤波器在信号检测、信号恢复、数字通信等领域中被广泛应用。传统的自适应滤波器主要在时域中实现。通常采用算法简单、稳健性好的自适应LMS算法。但LMS算法对输入信号的自相关矩阵具有很强的依赖性,因而自适应率不高。本文提出利用RBF神经网络实现的自适应滤波,并将其用于语音除噪和脉象信号的除噪。仿真结果表明该方法具有良好的非线性噪声抑制能力。     

LMS算法自适应噪声抵消系统参数的最佳设计

威德罗(Widrow)提出的LMS算法自适应噪声抵消系统中,由于d(j)=s(j)+n_0,带有随机噪声n_0,不再是一个理想的期望响应。这时自适应滤波器除了有由于LMS近似算法造成的权失调外,还有随机噪声的影响。本文讨论了这种随机噪声对系统性能的影响,以及如何选择系统的加权数目n,收敛因子μ这两个主要参数,使系统性能达到最佳。最后,对得出的结论进行了实验验证。     

基于神经网络的自适应相位纠偏器在电液伺服系统中的应用

针对电液伺服系统正弦响应中存在相位滞后的现象,基于Adaline神经网络,使用LMS自适应滤波算法设计了自适应相位纠偏器(APC)。当响应信号对输入信号有相位滞后时,利用LMS算法对神经网络的权值进行调整,经加权后的输入信号作用于控制系统,从而消除相位滞后。该方法并不需要对控制对象进行辨识,能保证控制系统的实时性。仿真和试验结果表明,自适应相位纠偏器能有效消除相位滞后,快速跟踪输入信号。     

管道自适应有源噪声控制算法

本文以管道自适应有源噪声控制（ＡＡＮＣ）理论为基础讨论了自适应控制算法，比较了ＡＡＮＣ系统中自适应滤波器的ＬＭＳ，ＲＬＳ和ＬＳＬ算法的特性，导出了ＬＭＳ算法的递推公式，得到了ＦＩＲ和ＩＩＲ滤波器的ＬＭＳ算法的计算机仿真．通过仿真，比较了不同信号的消声量，讨论了步长因子、滤波器阶数和声延迟对算法收敛速度和消声量的影响，还讨论了有声反馈的ＦＩＲ和ＩＩＲ滤波器的消声量的大小．     

一种变步长LMS自适应滤波算法及分析

文章对已有的一些变步长LMS自适应滤波算法进行了分析,在此基础上,提出了一种新的自适应算法,并且分析了参数的取值对算法性能的影响。该算法具有快速收敛性和较小的稳态误差,而且能够快速跟踪系统的变化和不受非相关噪声的影响,仿真结果表明,该算法的性能优于已有的算法。     

基于维特比算法和最小均方算法的自适应判决反馈均衡性能比较

对AWGN信道下具有串扰的通信系统进行了基于维特比算法和最小均方算法(LMS)自适应判决反馈均衡的计算机仿真.然后对它们的性能曲线进行了分析,得出基于维特比的最大似然估计法(MLSE)在对抗码间串扰时要优于基于LMS算法的自适应反馈均衡法的结论.     

自适应有源消声算法的研究

基于信号处理的LMS算法，结合自适应有源消声的特点，提出滤波-XLMS算法，并且利用MATLAB对该算法进行了仿真和性能分析。     

基于自适应线性神经网络的噪音处理的研究

在信号处理中具有高稳定性能的滤波器一直是处理噪音干扰所追求的目标.本文通过利用线性自适应神经网络中的LMS算法来对噪音处理进行研究.研究表明基于自适应线性神经网络的降噪处理,从本质上是可以消除迭加的噪音信号.