自适应滤波器在电参数测量系统中的应用

论述了基于LMS算法的自适应噪声抵消器和自适应谱线增强器的工作原理及改进的算法,并将自适应噪声抵消器和自适应谱线增强器合并为一个滤波器应用于电参数测量系统中,仿真实验证明这种滤波器去除噪声的性能较佳.     

基于神经元网络的自适应噪声抵消系统研究

在信号处理的研究中,自适应噪声抵消技术广泛地应用于通信、控制等领域,LMS是最常用的自适应算法,若信号通道结构比较复杂或存在非线性时,自适应滤波器的长度会增加,造成稳态失调、收敛速度降低,影响系统的性能.由于神经网络经过训练后可以很好地逼近非线性函数,因此对于平稳信号输入,采用BP神经网络构成自适应滤波器可以提高系统的抵消性能.根据神经元网络的自适应噪声抵消系统原理,通过仿真实验研究了在不同输入信噪比、不同通道函数、不同输入信号条件下系统的噪声抵消性能.实验表明BP方法噪声抵消效果显著,信噪比增益高.     

基于神经元网络的自适应噪声抵消系统研究与实现

自适应噪声抵消技术是自适应滤波器最普遍的应用之一,它是一种在未知信号和噪声的先验知识条件下,能够很好地消除背景噪声影响的信号处理技术,具有很高的应用价值;但是,在很多情况下,噪声环境非常复杂,往往是非线性的,而目前所使用的自适应滤波器均属线性滤波器,滤波后会使原始信号产生失真;由于神经网络具有非线性等优点,可以很好的逼近非线性函数,所以提出了基于神经网络的自适应噪声抵消器;仿真结果表明,该方法可以效地实现噪声的抵消;最后提出应用DSP实现语音信号自适应噪声抵消的具体方案。     

小波域上分形噪声的一种自适应Wiener滤波方法

针对淹没在1/f分形噪声中的有用信号恢复问题,提出了一种基于小波变换与Wiener滤波的多尺度自适应滤波算法。首先将带有1/f分形噪声的信号分解成多尺度的子带信号,通过小波变换对1/f分形噪声的白化作用,消除了1/f分形噪声的自相似性和长程相关性。然后在小波域内,利用自适应Wiener滤波实现了噪声和有用信号的分离,估计出了各子带中的有用信号。最后进行小波重构,较好地恢复出淹没在1/f分形噪声中的有用信号。仿真实验表明,使用多尺度自适应Wiener滤波器能有效地抑制分形噪声,显著地提高信噪比。     

利用自适应滤波器的组合设计抵消多噪声

针对一个自适应滤波器不能解决多噪声信号的问题,提出了自适应滤波器的组合设计思想。在线性组合条件及LMS算法下,分析多噪声抵消原理,并进行多噪声语音信号的Matlab仿真实验,可以得到清晰的语音信号。结果表明,自适应滤波器的组合设计可以有效抵消多种干扰信号。     

基于并行滤波器的回波抵消技术方案

为了提高数字直放站回波抵消的收敛速度,首先研究了基于自适应滤波器的回波抵消技术,然后对其中的自适应滤波器的递推算法进行改进,形成了两个自适应滤波器并行计算、联合递推更新权值的技术方案。由于调节两个自适应滤波器权值的误差信号产生方式不同,方案可分为两种：方案一将回波抵消后的信号同时作为调节两个滤波器权值的误差信号(同时);方案二将天线接收信号与第一个滤波器输出信号的差值作为调节第一个滤波器权值的误差信号,而将该误差信号与第二个滤波器输出信号的差值作为调节第二个滤波器权值的误差信号(分别)。仿真结果表明,改进技术方案使回波抵消收敛速度提高11.11%~17.78%,从而有效改善了数字直放站回波抵消收敛速度慢的状况。     

自适应噪声抵消技术的仿真与应用研究

从有用信号中剔除噪声是信号处理中一个重要研究课题.在金属矿区进行地震勘探数据采集时,经常会受到矿区内机械设备的强噪声干扰,常规的滤波方法对于淹没在强机器噪声下的有效地震信号的提取已经不适用,而随着计算机和信号处理技术的发展,自适应噪声抵消技术已广泛的应用于各个领域.通过对自适应噪声抵消器原理的研究,结合地震数据信噪模型分析,重点研究利用自适应噪声抵消技术来消除机器噪声.针对基于NLMs算法的常规技术存在的不足,提出了一种改进的算法,并运用MATLAB进行仿真试验,仿真结果表明自适应噪声抵消技术可以有效抵消机器噪声的干扰,大大提高地震资料的信噪比,使有效地震信号失真小.     

滤波器组自适应语音增强方法

双麦克风噪声抵消应用中,由于交叉串的存在,传统自适应算法降噪性能受到很大的影响。为了提高双麦克风算法降噪性能,使用两级自适应滤波系统消除交叉串扰问题。为提高自适应滤波器收敛性能,采用主从结构LMS算法自适应调节步长因子。同时为了适合窄带处理算法,将输入信号进行子带分析预处理,对每个子带独立进行抗交叉串绕自适应处理,将各子带增强信号合并得到增强语音信号。实验结果表明,该方消噪量大,语音损伤小,语音增强效果显著。     

基于自适应陷波滤波器的频率和幅值估计

估计正弦信号的频率和幅值以实现准确信号跟随具有广泛的应用. 本文采用三维自适应陷波滤波器分析正弦信号, 提出了非归一化和归一化两种频率估计方法, 两种算法都具有圆形周期轨道, 能够获得信号的频率和幅值的准确估计以及正弦跟踪. 用Lyapunov定理和平均方法证明积分流形的存在性和一致渐近稳定性. 归一化算法改进了非归一化的收敛速度受制于信号幅值的缺点. 分析了估计器的带宽参数和频率自适应增益参数对频率跟踪暂态速度和稳态精度以及噪声特性的影响. 通过仿真证实了算法的有效性.     

改进的方向自适应中值滤波器在注塑产品图像预处理中的应用

分析了将现有方向自适应中值滤波器算法应用到注塑产品图像预处理过程中遇到的问题。结合注塑产品图像预处理对于滤波器性能的要求,提出了一种改进的方向自适应中值滤波器算法,通过噪声检测和区域检测实现了对图像中各像素点特性的判别,进而根据各像素点自身特性的不同,有的放矢地确定相应的滤波处理方法。在有效抑制注塑产品图像中噪声的同时,提高了算法的边缘保护能力,大幅缩减了计算用时,很好地满足了注塑产品图像预处理的要求。仿真实验表明了该方法的有效性。     

基于信噪比估计的自适应频谱感知算法

针对传统能量检测不能对低信噪比条件下的信号进行准确感知,容易造成误判的缺点。为了提高在低信噪比条件下的频谱感知性能并缩短感知时间,结合循环特征检测具有较高的检测性能和鲁棒性但计算复杂度高的特点,提出了基于信噪比预估计的自适应频谱感知算法。该算法通过预估计待检信号与信道噪声的信噪比,当高于信噪比选择阈值时,采用改进后的自适应门限能量检测,降低运算复杂度;若低于选择阈值则进行循环特征检测,保证良好的检测精度;并可以根据系统对检测精度和感知速率的要求,自适应调整选择阈值的大小。仿真结果表明,所提算法有效的提高了低信噪比条件下频谱感知的准确性,缩短了平均感知时间。     

一种基于经典遗传算法的自适应随机共振系统

针对实际工程中微弱信号的检测要求,根据双稳态随机共振系统原理和信号、噪声和非线性系统之间的关系,设计了一种基于经典遗传算法的自适应随机共振系统。该系统利用以输出信噪比为目标函数和对系统参数进行联合编码的遗传算法获取双稳态随机共振系统的最佳参数,再根据所得系统参数对接收信号进行最优随机共振处理。仿真结果表明,在低信噪比情况下,系统能始终保持最佳随机共振状态,快速地实现输出信噪比最大化和处理增益达到15~20dB,从而保证低信噪比条件下微弱信号的有效检测和处理。     

基于自适应倒谱距离的强噪声语音端点检测

在有噪声干扰的情况下,传统的语音端点检测方法的检测准确度明显下降。为了在强背景噪声环境下有效区分出语音信号和非语音信号,针对倒谱距离端点检测方法进行了研究,提出了一种基于自适应倒谱距离的强噪声语音端点检测方法。本方法引入倒谱距离乘数和门限增量系数,针对不同信噪比采用不同的倒谱距离乘数,并采用自适应判决门限的方法进行语音端点检测。MATLAB仿真实验结果显示,在不同背景噪声和不同信噪比下,本方法对于语音端点检测具有较高的检测正确率,其端点检测效果明显优于传统端点检测方法,适用于强背景噪声下的端点检测。     

一种公共网络攻击数据挖掘智能算法研究

公共网络的开放性和自组织特性导致网络容易受到病毒干扰和入侵攻击,对攻击数据的准确高效挖掘能确保网络安全。传统方法采用时频指向性波束特征聚类方法实现攻击数据挖掘,在信噪比较低时攻击数据准确挖掘概率较低。提出一种基于自适应滤波检测和时频特征提取的公共网络攻击数据挖掘智能算法。首先进行公共网络攻击数据的信号拟合和时间序列分析,对含噪的攻击数据拟合信号进行自适应滤波检测,提高信号纯度,对滤波输出数据进行时频特征提取,实现攻击数据的准确挖掘。仿真结果表明,采用该算法进行网络攻击数据挖掘,对攻击数据特征的准确检测性能较高,对干扰的抑制性能较强,能有效实现网络安全防御。     

基于粒子群算法的图像椒盐噪声去除算法

针对图像中的椒盐噪声消除问题,提出了一种基于粒子群算法的自适应开关中值滤波算法。提出的滤波器算法主要由两大阶段组成:噪声检测阶段和噪声滤除阶段。与标准中值滤波相比,提出的自适应开关中值滤波算法能够生成污染图像的噪波图。通过噪波图可以得到图像的污染和未污染像素信息。在滤除过程中,滤波器计算出未污染相邻像素的中值并且替换污染像素。仿真实验结果证实了所提算法的有效性,其能够有效地提高图像的峰值信噪比和图像质量;相比现有其他方法,所提算法的去噪效果更好。     

基于薛定谔方程的随机滤波算法

针对一步预测问题,本文提出一种新的自适应滤波算法,该算法通过神经网络来调制薛定谔方程的势场函数.这种算法就是所谓的量子递归神经网络(RQNN),它可以过滤嵌入在真实信号中的非平稳噪声且不需要信号和噪声的任何先验信息.本文通过RQNN与RLS算法的仿真结果比较,表明:RQNN在过滤嵌入在直流信号,正弦信号,阶梯信号和语言信号中的高斯平稳噪声,高斯非平稳噪声或非高斯平稳噪声更准确和有更好的自适应性.实验结果表明:RQNN在过滤正弦信号中的高斯噪声时,输出信噪比相对于输入信噪比提高了20dB,这比RLS滤波器高10dB.     

基于粒子滤波的弱目标检测前跟踪算法

针对低信噪比条件下机动目标的检测跟踪问题,提出了一种改进型的基于多模型的粒子滤波检测前跟踪算法.由于粒子退化问题,在目标信号微弱、目标发生机动或者信号幅值波动较强势,粒子滤波的TBD算法的检测概率和跟踪精度将会下降.本算法在粒子滤波的基础之上改进,即在每次循环之前加入新粒子,新粒子的分布是由平均法和前一时刻的目标估计结果进行确定.给出了粒子滤波的TBD算法推导以及数值计算过程.仿真实验表明:基于改进型粒子滤波检测前跟踪算法能够检测低信噪比的目标.     

基于修正Gram-Schmidt算法预白的水下目标检测方法

将基于最小二乘问题的修正Gram—Schmidt算法运用于白化滤波器，提出一种基于修正Gram—Schmidt算法的白化滤波器。推导了该白化滤波器的权值表达式，分析了其白化性能和滤波器阶数的选择应注意的问题。提出了基于修正Gram—Schmidt算法预白的水下目标回波检测方法。蒙特卡洛仿真显示该方法的检测性能优于传统的基于AR模型预白的检测方法，尤其是在低信混比或（和）低多普勒的情况下。     

基于噪声检测和动态窗口的图像去噪算法

针对中值滤波算法在去除脉冲噪声时易造成图像细节丢失的问题,提出了一种基 于噪声检测和动态窗口的自适应滤波方法。首先借鉴 BDND 方法,将图像的像素初分成信号点 和疑似噪声点,以减少需要处理的像素点;然后设计一种窗口自适应的噪声检测方法对疑似噪 声点进一步检测,判断其是真噪声点还是细节点,以加强图像细节信息的保护;最后通过改进 的自适应中值滤波器滤除检测出的噪声,并融入窗口自适应控制,窗口的大小可以根据噪声情 况自适应地调整,在去除噪声的同时尽可能地保护图像细节。实验表明,该算法在噪声处理和 细节保护上要优于其他典型算法,能有效地提高图像的峰值信噪比,对于高密度噪声的图像, 也可以获得较好的去噪效果。     

基于级联随机共振的直接序列扩频信号的捕获方法

在直接序列扩频信号的捕获中,针对低信噪（SNR）比以及大频偏对信号捕获产生影响的问题,提出了一种基于级联随机共振的直接序列扩频信号的捕获方法。首先将输入信号通过部分匹配滤波器进行处理,当本地伪码和输入信号伪码相位对齐时,输出信号仅剩下了残余多普勒频偏;然后将该信号进行级联随机共振,从而提高信号的输入信噪比;最后通过快速傅里叶变换（FFT）谱分析,可以在频谱上得到清晰的谱峰,进而求出多普勒频偏值。通过理论分析和实验仿真可知,在输入信噪比为-26 dB的情况下,所提方法能够提高直接序列扩频信号的捕获灵敏度,并且通过两级级联随机共振系统后输出信噪比提高了15 dB左右;同时与传统捕获算法相比,该方法的正确检测概率提高了4 dB左右。所提方法不但能抑制噪声,而且能将部分噪声能量转换为信号能量,同时能够改善大多普勒频偏的影响,在捕获弱信号方面有着极大的优越性。