基于RBF神经网络的语音信号的噪声消除

针对语音识别中背景噪声的消除问题,提出采用RBF神经网络实现的自适应消噪系统.本文设计的RBF神经网络噪声抵消系统不需要关于输入语音信号和背景噪声的先验知识,非线性映射能力强.采用自适应噪声抵消基本原理,构造RBF神经网络自适应滤波器,然后针对该系统,进行仿真.仿真结果表明该方法对采集的语音信号的背景噪声有良好的抑制能力.     

基于自适应模糊神经网络辨识的电液伺服系统L2增益设计

为克服电液伺服系统不确定性、非线性、估计误差和干扰等因素对系统稳定性和精度的影响，提出了基于自适应模糊神经网络辨识的电液伺服系统L2增益设计方法。用自适应模糊神经网络在线估计包括系统不确定性和非线性在内的未知动态特性，同时用增益自适应变结构补偿自适应模糊神经网络的估计误差，用系统L2增益设计方法抑制干扰对系统的影响，以期使系统对不确定性和非线性具有鲁棒性，而且从干扰到描述系统跟踪误差的评价函数的L2增益小于指定值。     

宽带振动主动控制的模糊自适应控制方法

由于广泛采用的自适应滤波－X LMS算法只限于线性问题，针对振动主动控制中存在的一些非线性问题，文中利用模糊逻辑系统能够逼近非线性系统的特性，提出一种模糊适应前馈主动控制方法，解决由于传感通道的非线性使得参考信号与外扰间呈非线性函数关系的主动控制问题。针对复合材料梁振动控制的数值仿真计算结果表明，该非线性模糊自适应控制方法的有效性。     

应用小波神经网络处理CCD图像噪声

提出了一种用于数字图像中CCD噪声处理的小波神经网络滤波器.分析了CCD噪声模型,找出了导致CCD噪声模型复杂的原因:CCD相机响应功能的非线性.在对自适应噪声平滑(ANS)滤波器分析的基础上,考虑了影响滤波效果的两大问题:滤波窗口和图像强度.将小波神经网络非线性逼近CCD噪声曲线,按照噪声参数对图像进行区域划分并分配相应的权值.然后,结合相应的非线性滤波器进行针对性滤波,综合输出.实验结果表明:本文改进的滤波器滤波效果明显,信噪比得到进一步提高(24.65).利用小波神经网络良好的非线性函数逼近性,结合ANS滤波器,构造出了小波神经网络非线性ANS(WNN-NANS)滤波器,该滤波器在去除噪声的同时很好地保留了边缘细节,同时提高了信噪比.     

基于神经网络自适应的吸收塔浆液PH值控制

为提高吸收塔浆液PH值控制系统的自适应能力以抵抗系统非线性及干扰的影响,提出了基于小脑神经网络的自适应PID控制器。推导了小脑神经网络自适应控制器,考虑到高阶微分对噪声的敏感性,控制器中只保留比例、积分和微分项,该鲁棒控制器兼有PID控制性能。为了验证鲁棒自适应PID控制器的性能,与常规PID和模糊自适应PID控制器作阶跃响应和抗干扰性能进行了对比,结果表明了鲁棒自适应PID控制器的优越性。     

电液伺服系统的模糊神经网络并行自学习鲁棒控制

基于模糊神经网络结构，提出了一种复合式控制方案，解决了传统自适应控制中模型的在线辨识和控制器的在线设计问题。达到了对不确定非线性系统的高精度输出跟踪；通过引入运行监控器，解决了模糊神经网络实时性差的问题；同时，利用一个鲁棒反馈控制器，来保证模糊神经网络学习初期闭环系统的稳定性。应用到电液力伺服加载系统中，获得满意控制效果。     

模糊神经网络在智能攻丝控制系统中的应用研究

采用人工攻丝策略,建立了智能攻丝控制系统模型及用于处理攻丝信号的模糊神经网络计算模型,利用神经网络的自学习和自适应能力自动调整攻丝模糊系统参数,并结合BP算法对网络进行训练.使用人工攻丝过程的经验数据进行神经网络的学习和测试,使系统误差满足控制要求,验证了算法的有效性和可行性.     

基于快速遗传算法的固定阶H2/H∞自适应噪声抵消器

讨论了混合型固定阶H2／H∞自适应噪声抵消器的设计方法。其不仅能充分利用H2设计的最优性，而且能利用H∞设计的鲁棒性，克服了信号处理中存在模型扰动和噪声的不确定性等问题。固定阶次的H2／H∞自适应噪声抵消器的设计方法是从工程实践的观点出发，不仅实现简单，而且节省运行时间。采用快速遗传算法获取自适应噪声抵消器的系数。仿真结果表明：该方法设计的噪声抵消器即使噪声特性发生改变，而滤波器的结构及参数不变时，其去噪效果仍然良好；同时，该方法可以用于多路信号和复杂信号的噪声消除。     

基于模糊神经网络的梭式窑自适应控制系统应用研究

针对梭式窑温度控制过程存在非线性、时变性和不确定性等情况,设计了基于模糊神经网络的自适应控制(MRAC)系统并运用于梭式窑中,即采用RBF径向基网络作为梭式窑温度对象的辨识网络,它产生的Jacobin信息与控制误差一起提供给模糊神经网络控制器作为其学习信号,经过MATLAB仿真调整初始参数。最后运用VC++软件结合数据采集卡对燃气梭式窑进行控制。该控制系统能辨识出梭式窑时变性、非线性、长滞后性的对象特性,实时修正控制器参数,以适应对象特性的变化,在实际应用中取得了良好的控制效果。     

基于小波神经网络辨识器的模糊神经自适应控制在VAV空调系统中的应用

针对温度控制的大惯性、大滞后、非线性特点，提出采用基于小波神经网络辨识器的模糊神经自适应控制的中央空调房间温度控制器的设计方案。由于小波神经网络的非线性映射能力比一般神经网络要强，所以基于小波神经网络的辨识器可以获得很高的辨识精度。而且，模糊神经自适应控制器随着系统动态特性的改变可以在线改变其控制规则，从而进行客观准确的控制。与普通模糊控制方法相比较，仿真试验说明了系统设计的有效性。     

基于自适应技术的铁路FSK信号检测

铁路通信系统中主要采用的信号制式为国产移频信号和UM71信号,其表现形式均为二进制频移键控信号。采用自适应技术,分别以信号中的两个载频作为自适应滤波器的期望信号,提取其中某一频率分量,进而得到调制信号的包络求解调制频率,并结合后续频域算法得到两个载频的精确值。以铁路实测数据作为分析对象验证算法,实现了对信号的高精度检测。     

同频带耦合噪声源的量化识别

提出一种将盲信号处理用于同频带耦合噪声源的量化识别新方法。盲信号处理是一种在源信号相互独立的假设下,仅利用观测信号恢复出源信号的方法。盲信号处理存在固有的幅值和顺序的不确定性,使得其只能用来进行源识别的定性分析。在不考虑顺序不确定性的前提下,利用自适应噪声抵消自适应估计传递函数的特性,消除幅值不确定性在源量化识别中的影响。理论和水池试验均验证了该方法的可行性。提出的量化识别算法,同样可以解决自适应噪声抵消中参考输入相互耦合的问题,提高其分析精度。     

一种MCG信号的自适应预测滤波方法

与心电圈相比较,心磁检测具有无需电极,对某些局部心肌电流高度敏感,可以用于早期心脏疾病的诊断。但心脏磁场信号在检测过程中会被噪声所污染,使得信号本身的可辨识性降低,因此需要对该信号进行降噪处理。在单通道信号采集系统无噪声参考输入端的情况下采用自适应滤波方法,需要对待处理信号进行线性预测,本文提出的改进LMS（Least Mean Square）算法的自适应预测滤波器,无需噪声参考信号即可对心磁信号进．彳亍滤波,通过三种不同噪声的滤波仿真结果可见,采用自适应预测滤波器处理后明显提高了信噪比,具有一定的学术意义和实用价值。     

Adaptive noise cancellation based on EMD in water-supply pipeline leak detection

In water-supply pipeline leak detection and location, both the leak signals and blurred noises are closely related to the pipeline states and surroundings and most of the conventional noise-cancellation methods have to depend on the empirical parameters of either signals or noises. EMD (Empirical Mode Decomposition) is an adaptive signal decomposition method and is exclusive of base functions. A signal is decomposed into several IMFs (Intrinsic Mode Functions) in EMD, then the noise in a signal can be cancelled through removing uncorrelated IMFs. The existing EMD noise cancellation methods need to know the characteristics of either the wanted signal or the noise for rebuilding the noise-removed signal. However the characteristics of leak signals and noises are not fixed in various pipeline conditions, so the existing EMD noise cancellation methods can’t be directly applied in water-supply pipeline leak detection. This paper proposes an adaptive noise cancellation method based on EMD, in which the IMFs that don’t or less contain the components related to the leak can be removed through the cross-correlation between the IMFs and another signal collected at the either side of a suspect leak. In simulation analysis, the adaptive noise cancellation method can increase the SNRs (Signal to Noise Ratios) of leak signals as high as 16 dB. In processing practical pipeline vibro-acoustic signals, with the proposed method the peak of adaptive time delay estimate of leak signals, which determines the location of a leakage, becomes more distinguished, and thus the error of leakage location is improved.     

基于EMD和ANFIS的自适应噪声消除研究

对于混入色噪声的混合信号,如果可以通过测量得到产生色噪声的白噪声,对白噪声进行非线性训练即可逼近色噪声,达到非线性滤波的目的.自适应模糊推理系统(adaptive neuro-fuzzy unference system,ANFIS)可以实现上述非线性逼近.文中在上述算法的基础上,提出一种EMD(empirical mode decomposition)-ANFIS的自适应色噪声消除方法,首先对混合信号进行EMD分解,得到各个内禀模态函数分量(intrinsic mode function, IMF),然后对分解得到的内禀模态分量进行ANFIS模糊消噪,最后对消噪后的各个分量信号进行叠加.由于所得内禀模态函数为近似平稳信号,且图形越来越趋于平缓,减小了ANFIS方法的逼近难度.在混合信号信噪比为2.840 7 dB时,经过EMD-ANFIS消噪后的估计误差比只经过ANFIS消噪后的估计误差减少11.74 dB,证明EMD-ANFIS方法的有效性.     

基于改进阶次分析与自适应VMD的变转速齿轮箱故障诊断研究

变转速齿轮箱由于工况复杂导致转频不稳定,齿轮箱的微弱故障信号可能会被掩盖在强噪声中,不能直接应用传统的时频分析方法,为故障特征的提取增加一定的难度.针对变转速信号的处理,传统的计算阶次分析方式(COT)很好地解决了变转速齿轮箱的故障特征难以提取出来的问题,但由于传统COT中所使用的重采样方法是基于样条插值法的,无法根据...     

自适应中值滤波器及其应用

将自适应加权中值滤波器应用于滚动轴承故障信号的故障诊断中。当信号中含有多种噪声时，让信号先通过自适应加权中值滤波器，再通过线性带通滤波器，对降噪后的信号进行包络解调处理，可以克服噪声对包络谱分析的影响。通过仿真和试验信号分析可以看出，自适应中值滤波器在机械故障诊断中具有较好的应用前景。使包络谱分析方法得到更广泛的应用。     

Ultrasonic Nondestructive Signals Processing Based on Matching Pursuit with Gabor Dictionary

The success of ultrasonic nondestructive testing technology depends not only on the generation and measurement of the desired waveform, but also on the signal processing of the measured waves. The traditional time-domain methods have been partly successful in identifying small cracks, but not so successful in estimating crack size, especially in strong backscattering noise. Sparse signal representation can provide sparse information that represents the signal time-frequency signature, which can also be used in processing ultrasonic nondestructive signals. A novel ultrasonic nondestructive signal processing algorithm based on signal sparse representation is proposed. In order to suppress noise, matching pursuit algorithm with Gabor dictionary is selected as the signal decomposition method. Precise echoes information, such as crack location and size, can be estimated by quantitative analysis with Gabor atom. To verify the performance, the proposed algorithm is applied to computer simulation signal and experimental ultrasonic signals which represent multiple backscattered echoes from a thin metal plate with artificial holes. The results show that this algorithm not only has an excellent performance even when dealing with signals in the presence of strong noise, but also is successful in estimating crack location and size. Moreover, the algorithm can be applied to data compression of ultrasonic nondestructive signal.     

HRIS中基于噪声特征的自适应迭代处理方法

简要地分析了HRIS数据中噪声的频谱特征,并在此基础上提出了一种基于噪声频谱特征的自适应维纳滤波迭代处理方法,实验表明该噪声处理方法具有很强的自适应和噪声抑制能力,完全满足实际的需要。     

基于整周期自适应采样的砂轮不平衡量分析

精确获取与转速同频周期信号信息是对砂轮进行动平衡的前提。应用 DSP技术和整周期自适应采样算法实现了砂轮振动信号倍频采样 ,并且给出了在砂轮动平衡测试中的具体应用。此方法具有硬件电路简单 ,倍频采样精度高 ,跟踪速度快等优点。实验表明该方法可从复杂噪声中在线提取砂轮不平衡信号。