回波消除器快速收敛算法的研究

提出一种基于有效选取训练序列而大大缩短回波消除器训练时间的快速算法.理论分析和计算机模拟结果表明:新算法比传统的随机梯度算法快5～10倍,剩余均方误差比信道噪声低3dB.     

基于动态数据的上浆率在线增量软测量

针对浆纱过程产生的实时动态数据,提出一种基于增量学习的在线软测量建模方法,实现对上浆率的预测.将增量学习的思想引入软测量算法,去除冗余数据,提高算法效率;使用改进式山峰算法确定数据中心,通过自适应方法确定去噪半径,完成对噪声数据的筛选;选取软测量算法进行建模.实验所用数据采集自真实浆纱过程.仿真结果表明:该算法预测精度较高,具有一定的抗噪性能,均方根误差最小可达0.263 3,最大绝对误差最小为0.633 1,适用于多种智能算法的在线更新.     

基于IACO-BP算法的洪涝灾害应急物资需求预测

为了提高洪涝灾害应急物资需求预测的准确性,提出了一种改进蚁群优化BP神经网络智能算法.以受灾转移人数为预测对象,选取受灾人口、最大降雨量、洪水等级、降雨等级、受灾范围、房屋倒塌数、降雨时长和预报水平等洪涝灾害指标为研究因素,获得基于IACO-BP算法的受灾转移人数预测模型.结合库存管理知识间接预测洪涝灾害应急物资需求量.结果表明:IACO-BP算法获得预测值的均方误差比BP和PSO-BP算法获得的均方误差分别小93.62%和90.91%;IACO-BP、PSO-BP和BP网络运行时间分别为3、10和33 s;IACO-BP算法具有更高的精度和网络迭代效率.     

基于星座图改进的QAM盲均衡算法

针对多模辅助算法均方误差高的缺点,提出了两种基于星座图改进的盲均衡算法.首先利用16QAM星座图信息,增加多模辅助算法代价函数中信号点的均衡数目,得到改进的多模辅助算法,与多模辅助算法相比,改进后的算法稳态均方误差更低,而且收敛速度略有提高;其次将改进的多模辅助算法和判决引导算法相结合,根据均方误差调整两种算法的比例,得到的混合算法进一步降低了稳态均方误差.水声信道仿真结果表明:提出的两种算法都可以有效地降低均方误差,适用于对精度要求较高的场合.     

工作空间噪声主动控制ChFxLMS算法

为改善滤波x最小均方（Filter-x Least Mean Square,FxLMS）算法不能同时兼顾稳态误差与收敛速度的不足,提出一种基于cosh函数的变步长FxLMS(Cosh-FxLMS,ChFxLMS)算法.通过cosh函数建立误差信号与步长因子间的联系,使得步长因子按照cosh函数特性实时调整;分析不同参数对ChFxLMS算法性能的影响,为算法参数选取作指导;分别将正弦信号和实测织机信号作为输入信号,对ChFxLMS算法性能进行验证,并与FxLMS算法、基于sigmoid函数的变步长FxLMS(Sigmoid-FxLMS,SFFxLMS)算法进行对比.仿真结果表明,ChFxLMS算法性能在时域和频域上都取得较好的控制效果.分析结果表明,该算法能较大地降低稳态误差和提高收敛速度.该研究成果可为工作空间噪声主动控制提供一种新思路.     

一种改进BM3D的图像去噪增强方法

针对已有图像增强方法对内核算法要求高、信噪比提升小、增强效果差的问题,提出一种运用改进三维块匹配滤波(BM3D)算法的图像去噪增强方法.该方法以改进图像块搜索方式的BM3D为内核,将去噪后图像加到原始噪声图像上,进行图像去噪增强.仿真结果表明,改进BM3D算法相比BM3D算法,提高了图像的峰值信噪比和降低了图像均方误差;与BM3D算法和改进BM3D算法相比,去噪增强方法具有更好的去噪效果.     

噪声1/3倍频程计权声级算法

提出一种基于FFT谱分解进行噪声倍频程谱分析和插值法求计权声级的算法,以解决传统1/3倍频程谱分析和计权声级算法复杂且精度不高的问题.深入分析了基于FFT频谱求1/3倍频程谱、噪声频谱幅值还原成实际声压值和通过加窗FFT减少幅值误差的方法,研究了计权网络的插值应用方法,并对总声压级求取过程中的易错点进行了剖析.噪声分析试验结果验证了所提出的算法具有精度高、速度快等特性.     

一种基于自适应KLMS的卫星网络流量预测算法

针对传统预测模型已不再适用于卫星网络的问题,提出了一种自适应步长和自适应核宽度的核最小均方算法（AKLMS）.通过核函数将非线性数据从低维输入空间映射到高维特征空间进行操作,并且在迭代过程中根据瞬时误差自适应地调整步长和核宽度.仿真结果证明,与核最小均方算法（KLMS）和最小均方算法（LMS）相比,AKLMS算法在收敛速度和预测流量精度方面都有大幅提升,为卫星网络的流量规划和路由设计提供了强有力的决策支持.     

一种新的噪声自相关估计方法

通过分析带噪语音、纯净语音和噪声的自相关关系,在均方误差最小准则下给出了一种基于最优平滑滤波和能量最小算法相结合的噪声自相关无偏估计算法,与传统的噪声自相关估计不同,该算法直接从带噪语音自相关中估计噪声自相关。实验表明,该算法优于传统的噪声自相关估计算法,在非平稳噪声环境下,估计器的性能得到改善。     

电力线扩频通信中窄带干扰的自适应抑制

利用电力线进行扩频通信时,需要抑制信道中的多个大功率、ＳＳＢ调制的窄带干扰。本文提出了两种能够有效抑制上述窄带干扰的自适应算法。一种是时域的自适应非线性滤波算法,它以自适应线性预测为基础,同时针对预测噪声呈非高斯分布的特性引入一个非线性修正算子,使得收敛时的"额外均方误差"小于传统的线性预测算法;另一种则是基于ＳＴＦＴ（短时付立叶变换）的频域自适应滤波算法,它遵循了变换域自适应滤波的基本思想,结合了频域限幅器与时域自适应滤波两者的优点,具有比时域处理更快的收敛速度。     

基于小波变换的电能质量监测

针对噪声系数的幅度随着尺度增加而减小的特点,提出了一种改进的基于小波分解层数的波段自适应降噪算法.利用Matlab仿真软件建立了电压暂降的系统模型,运用小波分析的方法对污染白噪声的电压暂降信号进行了时频分析和降噪处理,分析了软硬阈值降噪方法.实验结果表明,该方法通过调整两个可调参数获得较优的小波系数阈值估计,与常见的三种典型算法相比不仅较好地去除了噪声干扰,且信噪比更高,均方误差更小,同时具有更优的信息保全能力.     

改进的l0范数LMS算法与分析

提出一种改进的基于l0范数的最小均方( LMS)算法。采用误差的相关函数值调整权系数步长因子以及零吸引项,增强系统的抗噪声性能;并且引入一种修正的权系数步长因子更新方法,进而使系统具有较快的跟踪速度。对提出的算法进行理论分析,最后在不同信噪比下进行仿真验证并与已有的基于l0范数的LMS算法进行比较。理论分析结合仿真验证都表明新提出算法具有较快的跟踪速度和较强的抗噪声性能。     

基于最小均方误差和稀疏特征的欠定盲源分离

针对欠定条件下的盲源分离问题,即观测信号个数小于信源个数的情况,提出了一种基于最小均方误差和稀疏特征的算法.首先,利用变换后信源的稀疏特征,采用一新的势函数通过聚类算法估计混叠矩阵.然后利用混叠矩阵和信源自身的相关性,通过寻找信源在聚类方向时间点上的精确值,以均方误差最小为准则寻找最佳分离矩阵实现信源的分离,克服了传统的分离算法在寻找最佳分离子矩阵方面的缺点.仿真结果显示使用该方法分离的信号具有更高的信噪比,和其他同类方法相比具有更优越的分离性能.     

基于改进BPNN-MPF算法的锂离子电池SoE估计

为了提高锂离子电池能量状态（SoE）估计的准确性,考虑到电流或电压传感器噪声会累积误差,提出了一种基于改进反向传播神经网络（BPNN）与模型预测滤波（MPF）相结合的SoE估计方法。基于一阶RC等效电路模型,采用MPF算法估计电池的SoE,并使用改进BPNN对MPF算法的估计结果进行误差补偿。在NEDC工况下验证了本文方法的准确性。结果表明,与传统MPF算法和BPNN-MPF算法相比,本文方法的SoE估计值能较好地收敛到真实值,且最大绝对误差和均方根误差均在1%以内。     

基于PSO优化极限学习机神经网络的空气质量预报

为了提高空气质量预测精度,提出一种基于粒子群算法优化极限学习机的空气质量预测模型.运用粒子群算法优化极限学习机的初始权值和偏置,在保证预测误差最小的情况下实现空气质量最优预测.选择平均绝对百分比误差、均方根误差和平均绝对误差作为评价指标,通过PSO-ELM、GA-ELM、SOA-ELM、DE-ELM和ELM五个模型预测结果对比发现,PSO-ELM可以有效提高空气质量预报的预测精度,可为空气质量预测提供新的方法和途径.     

回波消除器快速收敛算法的研究

提出一种基于有效选取训练序列而大大缩短回波消除器训时间的快速算法。理论分析和计算机模拟结果表明：新算法比传统的随机梯度算法快５－１０倍，剩余均方误差比信道噪声低３ｄＢ。     

基于离散余弦变换的MMSE信道估计算法

为了弥补在基于OFDM系统的最小均方误差（MMSE）信道估计方法中采用奇异值分解（SVD）使得算法的性能下降,提出一种利用DCT的能量压缩特性消除信道残留噪声的MMSE信道估计算法．计算机仿真结果表明,该算法的精度有了较大的改善．     

基于顶点预测的特征保持网格光顺算法

为了特征保持地光顺带噪声的三角网格,提出一种基于顶点预测的光顺算法. 分析了三角网格的每个顶点与一阶邻域顶点和二阶邻域三角形之间的几何关系,应用带平均曲率权的双边滤波器和准Laplacian光顺算子,通过三步预测顶点的坐标位置,把三角网格的原始顶点单步移动到预测的新坐标,得到光顺后的三角网格.该算法在光顺的同时有效地保持了原始三角网格的特征.实验结果表明,此网格光顺算法处理小噪声和大噪声都是有效且鲁棒的.     

基于支持向量机和误差修正算法的风电短期功率预测

基于风电功率预测单一算法带来的预测精度较低问题,提出一种新型的基于粒子群优化支持向量机结合误差修正算法的短期风电功率预测组合算法。该方法首先对原始数据进行分析和清洗;然后通过粒子群算法对支持向量机参数进行寻优,对风电功率进行一次预测,通过经验模态算法对一次预测进行滤波,达到降噪效果,同时得到一次预测误差;最后,利用误差修正算法对一次预测误差进行修正,得到最终的预测值。仿真和测试结果表明,相较于传统的单一算法,该组合算法能更好地提高预测精度。     

噪声向量模值最小的水声网络TDOA目标定位方法

由于水下环境的复杂性导致水声网络节点通常存在一定的漂移,从而引起网络节点自定位的不准确;又因为水下测距不准确导致TDOA测距中也存在一定的误差。以上两类前期噪声误差均会降低网络对目标定位时的精度。针对以上问题,本文提出一种基于噪声向量模值最小的高精度水声网络TDOA目标定位方法。该方法利用LS(least-squares)算法得到目标定位的初值,通过考虑节点自定位误差和TDOA测距误差对算法精度的影响,经过一系列转换得到目标函数,使得上述两种前期噪声误差对定位精度的影响达到最小;根据初值及目标函数,采用模拟退火智能优化算法得到目标位置。仿真结果表明:与WLS(weighted least-squares)算法、CTLS(constrained total least-squares)算法相比较,本文算法定位精度高且前期误差对算法性能影响小,鲁棒性强。