基于LMS自适应噪声抵消法的无位置传感器研究

提出了LMS自适应噪声抵消的方法来实现无刷直流电动机换向位置的检测,改进采用端电压检测确定换向位置的方法,使电机在低速运转下仍有效工作。完成计算机仿真和DSP实现方案,结果表明,自适应噪声抵消法可以有效地运用在反电势检测法中,比传统的检测法简单可靠。     

基于自适应滤波的噪声抵消法

语音降噪就是从带噪语音信号中提取尽可能纯净的原始语音。文中介绍了一种基于自适应滤波的噪声抵消法，采用归一化最小均方误差算法，采集实际噪声环境下各种不同信噪比的带噪语音样本进行降噪处理，实验结果表明，处理后信号的信噪比得到了较大程度的提高，大大改善了听音效果，具有很高的可懂度，且语音自然度好，没有失真；并与谱减法进行了比较，自适应噪声抵消法的降噪幅度比谱减法有一定提高，在听音效果上，用自适应噪声抵消法处理后的语音在清晰度、自然度方面优于谱减法。     

基于LMS自适应噪声抵消和小波阈值的语音降噪算法研究

针对宽带噪声干扰的语音降噪问题,提出一种基于LMS自适应噪声抵消和小波阈值的语音降噪算法。该算法首先采用LMS自适应噪声抵消器对消部分噪声,得到较高信噪比的语音信号后,再对其进行小波分析,用一种新的阈值函数对信号进行降噪,再重构得到降噪后的信号。Matlab仿真实验证明,该算法的效果优于单一算法,且避免了传统谱减法带来的"音乐噪声",视觉效果、输出信噪比和均方根误差也有很大改善。     

一种用于自适应噪声抵消的变步长LMS算法

为了提高LMS自适应滤波算法的性能,在分析已有变步长算法的基础上进行了一些改进。改进算法用误差信号的自相关来调节步长以实现对不相关噪声的更好抑制,且采用先固定后变化的方法控制步长,兼顾了暂态和稳态性能。利用改进算法进行了自适应噪声抵消的仿真实验,结果表明,基于改进变步长LMS算法的自适应噪声抵消器能有效抵制噪声干扰,对含噪信号具有良好的消噪能力。     

基于LMS算法的自适应噪声抵消器的设计与实现

自适应噪声抵消(Adaptive Noise Canceller,ANC)技术是一种有效的降噪技术,阐述了基于自适应滤波器的噪声抵消的基本原理和设计方案以及在QuatusII软件上调用Modelsim对自适应噪声抵消器进行了仿真,对其相关性能指标进行测试,验证了该自适应滤波器的可实现性,并进行了相关的优化,提高了算法性...     

带有噪声相关性的自适应噪声抵消系统仿真研究

本文为了在语音信号处理中能消除含噪语音信号中的背景噪音,采用自适应信号处理的理论和技术来达到提高语音信号质量的目的。通过介绍自适应滤波器原理,在对自适应滤波器相关理论研究的基础上,研究了LMS自适应滤波算法,并对LMS自适应算法进行了分析。同时为了使输入的参考信号与噪声相关,加入分离周期信号与带有窄带干扰抑制的宽带信号。通过分析仿真结果表明基于LMS算法的自适应噪声抵消技术可以有效地抵消正弦干扰信号,同时加入宽带信号中的周期性噪声,在没有另外的与噪声相关的参考信号的情况下,可以使用自适应噪声抵消系统来消除这种同期性干扰噪声。     

神经网络用于相关噪声的自适应抵消

本文提出了一种在自适应噪声抵消器中应用模拟神经网络计算自适应线性滤波器权值的方法，权值的计算时间随线性滤波器的阶数的增加而减小。由于神经网络的实时处理能力。该网络可以用于愉速的噪声抵消。当噪声的自相关时间较线性滤波抽头的总地时间为小时时，此时的神经网络相当于一细胞神经网络，这就大大简化了该网络ＶＬＳＩ的实施。本文最后给出了实例模拟。结果令人十分满意。     

基于遗传神经网络自适应噪声抵消技术的研究

自适应噪声抵消技术是减除背景噪声影响的有效处理方式。概述了自适应噪声抵消原理、BP算法及遗传算法等基本理论,结合各自的优点,提出一种基于BP神经网络和遗传算法相结合的自适应噪声抵消系统。该系统中采用遗传算法优化网络权值方式构造遗传神经网络,用遗传神经网络替代传统的自适应滤波器,以此达到更好的噪声抵消效果。使用MATLAB仿真实例,发现其消噪效果显著同时信噪比得到提高。     

基于自适应噪声抵消的光电二极管阵列检测器

由于普通光电二极管阵列检测器(PDAD)无法克服光源波动造成的影响,设计开发了一种采用自适应噪声抵消技术的PDAD。该检测器采用分光镜实现光的分束和合束,采用凹面光栅实现分光系统,PDA作为光电接收元件。在斩光器和后续电路的配合下,实现了在同一PDA上信号光光谱、参考光光谱和暗电流的分时测量。由于采用参考光的吸光度信号对样品光的吸光度信号进行自适应噪声抵消,可以有效降低光源光强波动的影响,使基线短期噪声降低1×10-5AU,漂移降低为1×10-4AU/h。     

基于Zynq-7000的宽带自适应噪声抵消系统设计

由于干扰噪声常常是随机变化和非平稳的,传统的滤波方法很难消除.针对这一问题,选用自适应格型联合算法(GAL-NLMS).在Zynq-7000芯片PL部分实现了一个22阶的GAL-NLMS算法,在芯片的PS部分实现了驱动程序的设计和基于Qt的界面设计.处理速度达到175 Mbit/s,并在ZedBoard开发平台实现了宽带自适应噪声抵消系统.用被噪声干扰过的QPSK和16QAM调制信号对系统进行测试,结果表明系统有效.     

基于DSP的自适应噪声消除系统

自适应噪声消除技术在信号处于噪声很强的环境中时,可以非常有效地将噪声去除掉。而DSP是一种高速、高性能的专业数字信号处理器,用DSP实现自适应噪声消除,其具有很好的实时性和处理精度。在此完成了基于DSP的自适应噪声消除系统,有效地消除了信号中的噪声。     

基于自适应神经元的谐波检测方法研究

介绍了基于自适应线性神经元网络谐波电流检测方法,网络权值根据均方误差的最快梯度下降法来调整,即LMS算法.分析了两种方法的谐波检测原理并给出了方法的具体实现.仿真结果证实了该方法的有效性和准确性.     

DNLMS滤波器的FPGA实现

为了提高自适应滤波器的实时处理速度,提高算法的稳定性.在此采用最新的 DSP Builder软件,在FPGA上实现了解相关归一化LMS(DNLMS)算法.该方法通过在Matlab/Simulink中多次仿真都达到了很好的效果,有效地消除了噪声,运行稳定.在此引进了解相关原理和归一化处理,加快了算法的收敛速度,且稳态误差小.如果将该滤波器从8阶增加到512阶或者1 024阶,可以很好地实现在话音通信中的回声消除等自适应滤波.     

基于DSP的自适应噪声消除

将基于DSP的自适应滤波器用于通信系统,利用自适应滤波器的通带始终和输入信号频带宽度自适应相匹配的特点,实现通信系统中的噪声消除.实践证明较好地实现了噪声消除,能够达到改善通信质量,增加通信距离的效果.     

基于FD216芯片的自适应均衡器的实现

描述了基于FD216数字信号处理器的LMS自适应均衡系统，该系统是在FD216EZ－LAB Evaluation Board上实现的，充分发挥了芯片的专用硬件逻辑，专业化的指令集，有效快速地完成了仿真ISI的自适应均衡，突出反映了FD216芯片的高速数字信号的处理能力。     

自适应滤波算法的仿真及工程实现

为了对自适应滤波算法的滤波性能进行分析,在自适应滤波理论研究的基础上,研究自适应滤波器结构及LMS自适应滤波算法.给出LMS算法的求解的公式,基于LMS算法求解公式,采用Matlab仿真和DSP软件编程两种方法实现了LMS算法,并给出了不同信噪比条件下,LMS算法的仿真实现的滤波结果及DSP实现的滤波结果,通过两种结果的比较可以看出,在信噪比较低的条件下,LMS算法工程上的滤波效果明显达不到理论上的滤波效果.该研究对于自适应滤波理论的工程应用,具有一定的指导作用.     

基于相干对消的噪声子空间自适应估计

MUSIC算法的运算量主要集中在特征值分解和空间谱的搜索两部分,为避免进行特征值分解,将相干信号自适应对消的思想用于噪声子空间的估计。由于阵元输出信号完全相干,视一个阵元输出为参考信号,其它阵元输出能够完全对其进行对消,得到的系数矩阵作为噪声子空间的估计。基于LMS算法,给出了算法的矩阵形式,得到的噪声子空间估计算法的运算量大大降低,且以迭代的方式进行,适合应用于运动信号源的跟踪,在阵元数较大时能很好地逼近MUSIC算法性能。为减少空间谱搜索过程的计算量,对搜索过程先用系数矩阵的一列进行搜索,然后采用其它列对搜索峰值进行验证。仿真结果显示算法具有很好的空间谱估计性能和DOA跟踪性能。     

基于DSP的耳机噪声抵消系统的设计与实现

设计和实现了基于DSP的自适应有源降噪耳机系统。分析了有源降噪耳机系统的原理,基于SEED-DEC6416开发板实现了有源降噪耳机系统的硬件和软件设计,为保证系统的实时性对程序进行优化,降噪耳机系统实现了对实际环境中噪声信号的提取、自适应滤波和噪声抵消。实验结果表明系统,在实际噪声环境中可以对噪声进行抵消,并良好地恢复语音信号,验证了系统设计的可行性和算法的正确性。     

基于FPGA的自适应天线阵复数LMS算法研究

自适应天线阵能够实时地调整天线方向,使天线的主波束对准期望信号方向,零陷对准干扰方向从而抑制干扰信号,因而在军事和民用通信系统中都得到广泛的重视。主要给出了基于FPGA的自适应天线阵复数LMS算法的流程,并且对该算法的性能进行了分析,最后通过仿真表明该算法具有较强的抗干扰性能。