自适应滤波算法的神经网络实现

为了提高传统自适应滤波器求解权值的速度，本文在Hopfield神经网络的基础上，提出了自适应滤波算法的神经网络硬件实现，从理论上进行了分析，并进行了仿真。     

预处理自适应滤波算法

提出一一种可以在现有自适应滤波算法基础上减小运算量、提高性能的自适应滤波算法。本文将原有自适应滤波器分解为一个常规时不变数字滤波器（预处理滤波器）和一个低阶的时变滤波器（自适应滤波器）的级联。预处理滤波器改善了输入与参考之间的相干性，而降低自适应滤波器的阶数则降低了算法运算量。     

一种新的变步长LMS自适应滤波算法

传统LMS算法的优点是计算简单、易于实现，缺点是收敛速度慢，如果为加快收敛速度而增大步长因子μ，则会导致大的稳态误差，甚至引起算法发散。固定步长因子无法解决收敛速度和稳态误差之间的矛盾。本文通过建立步长因子μ与误差信号之间的非线性函数关系，得出一种新的变步长自适应滤波算法（SVSLMS）。理论分析和计算机仿真结果表明该算法的性能优于传统的LMS算法和NLMS算法。即在计算量增加不多的前提下，能同时获得较快的收敛、跟踪速度和较小的稳态误差。     

基于自适应神经网络滤波的噪声消除

设计的自适应神经网络噪声抵消系统不需要关于输入信号的先验知识,非线性映射能力强,具有自学习能力、计算量小、实时性好。利用该系统对含噪声的非线性信号建模,达到消除噪声的目的。通过LMS算法,对不同信噪比(SNR)的含噪信号进行滤波。仿真结果表明,该滤波器能有效地抑制噪声。     

一种基于图像信息熵的自适应滤波算法

提出一种基于图像最小信息熵的自适应滤波算法,利用局部信息熵最小的办法估计图像中的噪声感染程度,从而自适应地确定修正后的Alpha均值滤波器中滤波窗口的大小和去掉灰度最大和最小的像素个数,然后进行滤波。实验结果表明此算法较现有的中值滤波和均值滤波器的滤波能力有显著提高,而且在图像的局部特征和细节保持方面优于现有的滤波算法,并克服了修正后的Alpha均值滤波器非自适应性的弱点。     

自适应滤波RLS算法研究与DSP实现

自适应滤波器一直是随机信号处理当中的一个重要的研究课题,可以不需要预先知道给定信号及噪声的自相关函数,它可以利用前一时刻已获得的滤波器参数自动地调节现时刻的滤波器参数,从而实现最佳滤波.研究了自适应滤波器的基本结构和自适应滤波递推最小二乘(RLS)算法在DSP上的实现,采用定点TMS320VC5416 DSP为平台,通过C语言设计了一个RLS算法的16阶自适应滤波器,在CCS环境下进行仿真结果查看,并通过与MATLAB进行仿真比较.实验结果表明,该滤波器有效、性能良好,实现了较好的滤波功能,在数字信号处理领域有很好的应用价值.     

一种神经网络自适应滤波器的分析

本文分析了用神经网络来计算自适应滤波器权系数的途径和方法，这样可大大提高运算速度；能很好地完成实时诊断任务。     

神经网络噪声检测的自适应加权均值滤波算法

针对传统滤波方法对纹理比较细腻的图像以及高噪声密度图像的处理能力欠佳的缺陷,提出了一种基于BP神经网络噪声检测的自适应加权均值滤波方法.用训练好的BP神经网络检测出图像中被椒盐噪声污染的像素并对其进行标记,对检测出的噪声点进行自适应加权均值滤波,信号点则保持不变,从而实现了对图像细节的有效保护.仿真表明了该算法滤波性能和细节保护能力均优于各种传统滤波算法.     

神经网络与DE算法在自适应滤波中的应用

为了满足电流互感器自动测试系统中处理采集数据的需求,提出了一种基于神经网络与微分进化算法的自适应滤波器.在传统自适应滤波器结构中引入神经网络,提高了非线性处理能力;而微分进化算法则能保证全局最优解.试验表明,将改进后的滤波器应用于测试系统中具有较好的滤波效果,验证了该滤波方法应用于工业测控领域的正确性与可行性.     

基于模糊推理的变步长LMS自适应滤波算法

LMS算法是一种基于最速下降法的最小均方误差自适应滤波算法.为了提高LMS算法的收敛速度,依据模糊控制原理,推导出一种结构简单的步长与误差的非线性函数关系,进而得出一种新的变步长LMS自适应滤波算法（FVSLMS）,该算法结构简单,易于实现.在理论上,根据万能逼近定理,用FVSLMS算法可以以任意精度逼近步长与误差的非线性函数关系,因此它可以作为以误差调节步长的变步长LMS算法的一类统一形式.最后,通过计算机仿真说明了FVSLMS算法具有较好的收敛性能.     

基于相关函数的改进LMS自适应滤波算法研究

标准LMS算法由于采用了固定的步长因子,致使其算法稳态误差大、实时性差,不适用于非平稳随机过程.提出了一种改进的CLMS变步长自适应滤波算法,该算法采用输入-误差信号的互相关函数控制步长更新,在算法收敛初期步长取较大值,使其有较快的实时跟踪能力,在算法收敛末期步长取较小值,以使其拥有较小的稳态误差.仿真结果表明,相比已有变步长算法,CLMS算法有更好的应用性能.     

基于箕舌线的变步长LMS自适应算法

通过建立步长因子μ与误差信号e之间的非线性关系,提出一种新的基于箕舌线的变步长LMS算法,并将其应用于通信降噪。该算法除了具有传统固定步长LMS算法计算量小、稳定性较好、简单、易于实时处理等优点外,计算机仿真结果表明,其收敛速度、稳定性以及跟踪速度优于SVSLMS算法和NLMS算法,且不需进行指数运算,计算复杂度低于SVSLMS算法,用于通信降噪取得了较好的效果。     

改进的变步长LMS自适应滤波算法及其仿真

对变步长的(LMS)自适应算法进行了讨论,本文提出了一种新的变步长LMS自适应滤波算法,并用计算机进行了仿真,结果表明该算法在误差接近于零时步长具有缓慢的变化的特性,并且在低信噪比的环境下有更好的抗噪性能,滤波效果更好。     

一种改进的变步长自适应滤波算法

为了提高LMS自适应滤波算法的性能,在对传统LMS算法及其改进算法研究的基础上,提出了一种改进的变步长算法.在改进算法中,步长因子与误差信号自相关函数之间建立了一种改进的非线性函数关系.将改进算法应用到系统辨识中,通过计算机仿真结果看出,自适应滤波性能在收敛速度和稳态失调误差等方面得到改善.     

基于神经网络的反馈式自适应逆控制系统

由于在建立非线性逆模型时采用带有复杂非线性函数的滤波器来完成,而由此带来了结构复杂、运算量大等缺点,在实际运用上受到了很多限制.为此,采用较为简单的线性逆控制方式与单层神经网络相结合构成逆控制结构,其良好的非线性特性使系统具有逼近任何非线性模型的能力,且结构简单实用.应用举例表明这种方法在运算量和控制性能上均取得了非常好的效果.     

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LabVIEW的神经网络自适应逆控制系统

目前基于人工神经网络的非线性自适应逆控制研究主要集中在Matlab仿真研究方面,无法直接推广为实际应用。为此,采用基于LabVIEW的动态神经网络非线性自适应逆控制方法,首先在LabVIEW中建立动态神经网络结构及在线学习算法,并依此建立非线性对象的辨识器和逆控制器等模型;然后构建完整的非线性对象自适应逆控制系统,并在LabVIEW环境中通过仿真验证了系统性能。通过配置相应的数据采集设备,该系统可以直接推广为实际应用。