Sigmoid函数变步长LMS自适应算法的抗干扰性能改进

为了改善Sigmoid函数变步长LMS算法（SVS-LMS）在高斯噪声和冲激噪声干扰下的性能,首先将以瞬间误差功率为Sigmoid函数自变量控制步长更新的方法,改为以误差的自相关时间均值估计调节步长,抑制了噪声干扰;然后使用HB加权进一步平滑了因噪声干扰导致的自适应滤波器权系数伪峰、使用归一化处理获得了更大的输入信号动态范围。自适应时延估计仿真实验表明,在高斯噪声和冲激噪声干扰下,相比于固定参数下的SVS-LMS算法和另外一种SVS-LMS改进算法,本文算法及其HB加权能够获得更好的时变时延跟踪均方误差性能。     

次分量分析恒模盲多用户检测算法

为了有效的抑制多址干扰,该文提出了一种基于次分量分析恒模的多用户检测算法.次分量恒模算法是在恒模代价函数的基础上,推导出一种基于Rayleigh熵形式的代价函数.该文对次分量分析恒模多用户检测算法进行了仿真,并与最小二乘算法和线性约束最小二乘算法进行了性能比较.仿真结果表明,该算法在输出信干比和误码率等性能上都有显著的...     

关于 Dirichlet L-函数的一个加权均值公式

利用Gauss和的定义,三角和估计,特征和估计及其解析方法,研究了Dirichlet L-函数的二次加权均值,并得到了其均值分布的一个渐近公式.     

改进的变步长自适应滤波及Eckart加权抑噪算法

针对已有的变步长自适应滤波算法对噪声干扰敏感的问题,提出改进的变步长最小均方误差自适应算法,该算法对误差的自相关时间均值估计做遗忘加权补偿,并改步长因子固定范围约束为动态变化约束,一方面克服了单纯采用自相关时间均值估计调整步长所导致的步长因子快速衰减,获得了较快的收敛速度;另一方面相比基于Sigmoid函数的变步长算法,具有更平滑的步长变化和更低的稳态失调噪声.在改进算法中引入Eckart加权进一步抑制了自适应滤波器权系数伪峰,采用滑动窗遗忘加权降低了计算复杂度.将新算法及其Eckart加权应用于自适应时延估计仿真实验,结果表明：相比于已有的2种参数固定条件下的变步长自适应滤波算法,改进算法获得了更好的高斯噪声和突变噪声干扰下的时变时延跟踪性能.     

基于均值漂移的非线性尺度空间滤波

为解决均值漂移滤波核带宽的选择问题,分析了均值漂移和尺度空间滤波的关系,指出当采用正态核函数时,均值漂移是一种基于高斯尺度空间滤波的聚类方法。由此提出了一种基于均值漂移的非线性尺度空间滤波方法,其性能仅取决于空域的核带宽的选择,在每个采样点处根据信号的局部特征自适应选取幅度域的核带宽。该方法克服了均值漂移滤波存在块状效应的缺点。实验结果表明,该方法的整体性能优于均值漂移滤波、高斯滤波和中值滤波。     

关于Dirichlet L—函数的一个加权均值公式

利用Gauss和的定义，三角和估计，特征和估计及其解析方法，研究了Dirichlet L—函数的二次加权均值，并得到了其均值分布的一个渐近公式．     

一种基于新代价函数的CMA盲多波束形成算法研究

文章提出一种恒模多目标盲波束形成算法。该方法通过对一种新的代价函数的最小化，来盲估计波束形成器的权矢量，以小于多目标最小二乘恒模的计算量完成对多目标的分离提取。同时，为减小空间噪声的影响及防止强干扰造成目标的错误锁定，利用子空间投影和梯度恒模对步长因子的敏感性进行预处理，消除了空间复杂噪声和强干扰的影响。本文通过仿真实验和实际采集信号处理验证了算法的正确性和有效性。     

一种基于经验模式分解的心电QRS波检测方法

讨论了一种信号分析法——经验模式分解法,用于检测心电信号中QRS波的可行性和有效性,并提出了相应的检测算法。实验结果表明,适当选择心电信号在经验模式该方式分解后的内在模函数,特别是其高频分量,可有效地抑制或缓解各种主要噪声干扰,使用简单算法即可分离QRS波的特征点。该方法经标准心电信号进行有效验证,获得了较高的准确率。     

基于加权处罚的K-均值优化算法

在各种聚类算法中,基于目标函数的K-均值聚类算法应用最为广泛,然而,K-均值算法对初始聚类中心特别敏感,聚类结果易收敛于局部最优。为此,提出基于加权处罚的K-均值优化算法。每次迭代过程中,根据簇的平均误差的大小为簇分配权值,构造加权准则函数,把样本分给加权距离最小的簇中。限制簇集中出现平均误差较大的簇,提高聚类准确率。实验结果表明,该算法与K-均值算法、优化初始聚类中心的K-均值算法相比,在含有噪音的数据集中,表现出更好的抗噪性能,聚类效果更好。     

一种新的GPS空时抗干扰方案

为了解决GPS子空间跟踪抗干扰的干扰维数估计问题,通过分析FAPI子空间跟踪算法,并讨论干扰维数的估计对算法性能的影响,利用GPS抗干扰的特殊性,提出基于部分协方差阵特征值分解的GPS"有效"干扰个数估计方法,并联合FAPI算法和本文提出方法,得到一种新型空时GPS子空间抗干扰方案.仿真结果表明"有效"干扰个数可以被实...     

基于时延自相关预处理的Hilbert-Huang变换解调

针对具有噪声干扰的旋转机械故障振动信号解调问题，提出基于时延自相关运算和经验模态分解（
EMD）方法相结合的新方法.讨论了时延相关算法的降噪原理、离散信号时延相关算法和Hilbert Huang变
换理论.采用矩形窗截断故障振动信号自相关函数的无偏估计, 获取较长时间差的部分，得到时延相关函
数.利用EMD方法对时延相关函数进行自适应滤波, 得到固有模态函数（IMF），对IMF进行Hilbert变换，
求得解调结果.不同噪声强度仿真数据和滚动轴承故障振动信号实验数据分析表明，该方法比直接解调或
仅采用时延相关解调更能有效抑制噪声，凸现信号调制信息.     

改进的二维经验模式分解方法

为了解决图像处理中应用到的传统二维经验模式分解算法存在边界效应和过度分解的问题,提出了一种改进的二维经验模式分解算法.该算法首先对原始图像的边界进行延拓处理,在图像信号的边界处增加一部分数据;然后对处理后的图像使用传统的二维经验模式分解方法进行图像筛分,筛分截止后对每个筛分过度的内在模式函数增加一个对应的补偿量.应用改进的二维经验模式分解算法对图像进行了处理,计算了处理后得到的重构图与原图的标准差.实验结果表明,改进的二维经验模式分解算法消除了边界效应,也解决了图像分解过度的问题.重构图与原图像的标准差很小,证明了重构图与原图的图像灰度波动很小即图像吻合得很好,并且由于处理边界问题时附加的图像信息并不多乃至计算量小,使处理简单易行,论证了改进的二维经验模式分解算法在图像处理中的可行性.     

具有独立分量的经验模态分解算法研究

在经验模态分解算法中用极值包络平均近似局部平均,不能保证分解分量之间的正交性,固有模态分量存在冗余.这种情况对信号成份分析尤为不利,冗余部分的物理意义无法解释,或可能作出错误的解释.将独立分量分析方法引入经验模态分解算法中,利用其良好的分解独立特性,使模态分量不仅正交而且相互独立,消除了冗余.仿真试验表明,改进算法的模态分量彼此独立,特别对于混有突变信号的周期信号,在得到周期分量的同时,也得到突变分量,说明了改进算法比原算法优越,且具有较好的工程应用前景.     

EMD遗传神经网络方法

针对BP(back propagation)神经网络搜索速度慢、容易陷入局部最小的缺陷,提出了经验模态分解(EMD)遗传神经网络方法,首先用对带噪的信号进行分解,得到信号的各阶本征模函数分量,每个本征模函数分量对应着一个能量不同的频段,即一种故障特征,将各频段能量的特征向量作为优化神经网络的输入样本;其次用遗传算法对神经网络的初始权值和阈值进行优化.利用EMD遗传神经网络方法对滚动轴承多类故障信号进行分析,可提高故障识别能力.     

斯特林发动机振动信号分析及谱估计

为了检测斯特林发动机运行状态,针对斯特林发动机在运行过程中振动信号产生机理,采用了经验模态分解与自回归模型相结合的方法对振动信号进行分析,设计了振动检测系统.通过选取故障信息的本征模函数进行功率谱估计,提取滚动轴承故障特征.测试结果表明:经验模态分解可自适应地分解非平稳信号,生成的本征模函数可提取信号内在的本质特征.对自回归模型进行功率谱估计,提取振动状态异常信号.经实验验证,故障情况与真实异常状况吻合,可有效检测斯特林发动机运行过程中的故障特征.     

一种基于EEMD的异常声音识别方法

为了优化组合特征在异常声音识别中的效率,提出一种用集合经验模态分解（EEMD）对异常声音帧信号进行有效性检测和提取多层特征的算法.首先对异常声音帧信号进行集合经验模态分解,得到固有模态函数;然后根据给定的固有模态函数层数阈值,对该帧信号进行有效性检测;再对有效帧信号的每一层固有模态函数提取梅尔频率倒谱系数、翻转梅尔频率倒谱系数、线性预测倒谱系数、短时能量和能量比,并将它们归一化后拼接成多层特征.根据提取的特征,用深度卷积神经网络实现异常声音识别分类.仿真结果表明,提出的新方法在4类异常声音识别中的识别率可以达到98.65%.     

具有间断事件检测和分离的经验模态分解方法

针对在经验模态分解（EMD）筛选过程中间断信号引起的模态混叠问题,提出了一种新的解决方法．该方法为根据间断过程信号与正常背景信号时间尺度的不同,利用固有模态函数（IMF）的瞬时频率特性实现间断信号的精确定位,依据定位的间断信号段经端点延拓重新做EMD分离出间断信号,从而在后续的EMD中消除该间断信号的影响．将该方法与小波法消除间断信号的结果进行了比较,显示其滤除结果的信号失真较小,并可将间断信号分解为一固有模态函数．     

经验模态分解在直升机谱特征提取中的应用

为了更有效地提取直升机辐射噪声的频谱特征,提出了一种基于经验模态分解(EMD)的特征提取算法.仿真研究表明EMD具有突出信号局部特征且余量可表征信号变化趋势的特性,该算法将目标辐射噪声的频谱构成和EMD的特性相结合,将EMD应用于变换域(信号频谱序列)信号分析,有效的实现了信号连续谱的提取.相比于平滑滤波器法须人为选择最优的α值,且提取的连续谱有滞后性的不足,文中所示方法可自适应的提取信号的连续谱,且在准确无滞后地估计连续谱的同时,对线谱有一定的"增益",为后续的目标识别提供更全面的信息.     

经验模态分解在相关峰检测和测向中的应用

互相关测向法在低信噪比时检测不到相关峰,无法实现有效的方位估计.经验模态分解可以在突出信号局部特征的基础上,把信号分解成多个固有模态函数.采取对互相关函数进行经验模态分解,适当选取分解出的IMF重构互相关函数.重构的互相关函数有明显的相关峰,可以有效地提高检测目标的能力.将经验模态分解与互相关测向法相结合,可以实现低信噪比下的时延估计,从而更好地估计目标的方位.仿真结果表明重构的互相关函数较原互相关函数,其相关峰较最高伪峰的相对值提高了约4.9 dB,从而可以更好地实现时延估计.方位估计结果显示此方法在信噪比为-14 dB时,仍能准确地估计目标的方位.     

基于自适应滤波的滚动轴承故障诊断研究

针对固有频率未知的滚动轴承故障诊断问题，提出了一种基于经验模态分解的自适应滤波方法。讨论了经验模态分解方法及其在获取固有模态函数过程中的自适应滤波特性。通过对滚动轴承故障振动信号进行经验模态分解得到固有模态函数，运用希尔伯特变换解调固有模态函数得到包络幅频图，获取滚动轴承故障特征频率，进而确定滚动轴承的故障位置。应用该方法对仿真和实际数据进行了分析，并与冲击脉冲法作了比较。结果表明，基于经验模态分解自适应滤波的滚动轴承振动信号解调方法能够更有效地突出故障特征频率成分，避免误诊断。