一种针对拖尾噪声的鲁棒神经网络信号检测算法

与高斯噪声相比,拖尾有更多的异常值,利用传统的神经网络不能有效的检测信号。该文提出一种基于中值滤波的鲁棒神经网络进行处理,首先利用中值滤波抑制异常值,进一步利用BP (Back Propagation) 神经网络消除残留噪声,检测目标信号。基于误差分析的实验结果表明,与传统神经网络相比,所提出的方法不仅能更好地消除拖尾噪声,有效检测信号,而且能有效检测高斯噪声中的目标信号,具有很好的鲁棒性和自适应特性。     

一种白噪声幅度平坦度补偿算法的研究

针对传统设计实测带内幅度平坦度较差的系统缺陷,文中提出了一种白噪声功率谱平坦度补偿方法。该方法基于M序列产生带限白噪声序列,采用一种补偿函数和FIR数字滤波器有效补偿了白噪声在带内的功率幅度下降,改善幅度为3dB。理论分析和MATLAB仿真结果证明了该方法的正确性和有效性。     

多通道有源噪声控制算法的仿真研究

由于FXLMS算法结构简单、性能稳定和具有全局收敛的特点,在各种自适应有源噪声控制领域中,多采用FXLMS算法及其改进形式。着重讨论了3种多通道有源噪声控制算法,对3种算法收敛性进行了比较,并利用实际采集的车内噪声对算法性能进行了验证。仿真结果表明3种多通道算法能有效地降低车内的低频段噪声。