基于TH神经网络的引信泄漏信号对消器

本文阐述了自适应干扰对消的基本原理,详细讨论了利用神经网络求解自适应滤波器最佳加权矢量的方法,并在此基础上介绍了一种基于神经网络的用于对消引信泄漏信号的自适应对消器。这种神经网络可以在电路时常数数量级内给出与最佳加权矢量任意接近的近似加权矢量,而且不存在编程复杂性问题。     

一种适于散射自适应选频通信的信号分析

根据对流层散射信道的时变衰落特性,提出了散射自适应选频通信的技术思想,分析了其可行性以及相对传统分集接收技术所具有的优势。使用自适应选频通信方式,可以集中所有发射功率在最佳频率上发射信号,避免传统分集技术使用固定频率发射信号衰落时产生的信号功率浪费。散射自适应选频信道,可以看作是能量和带宽双受限信道,通过对多种信号形式的时域和频域特性分析,提出了自适应选频散射通信的信号形式选取原则,分析结果表明α=0·6时的IJF-OQPSK信号形式非常适合于散射自适应选频通信。     

自适应算法在DSSS信号分集接收中的应用

分集接收技术由于能够获得分集增益,可提高多径信号的接收质量,因此在直接序列扩频系统中被广泛采用。常用的信号分集合并方法主要有选择性合并、等增益合并和最大比合并三种,其中最大比合并效果最佳,但需要准确地计算每路信号的信噪比,而采用自适应算法有效解决了准确计算信噪比的问题。因此,提出一种将RLS自适应算法与多径信号分集接收相结合的方法,它首先将接收到的多径信号分离为多路不同延时的信号,然后应用RLS自适应算法根据最小方差准则计算每一路信号的加权系数,通过对加权系数的更新获得最大分集增益,通过对不同的信号合并方式在多径信道下的性能进行仿真比较可知,采用RLS自适应算法的信号合并方式取得的性能最好。     

声信号噪声滤除算法研究

文中分析了声信号中随机噪声去除的可能性,讨论了在时域上滤除随机噪声的算法。在分析和比较了固定滤波,自适应滤波等在时域上滤除噪声方法的基础上,提供和最小均方自适应滤波的方法,研究了最佳滤波因子的获得和滤波参数的选择。用很小的运算量取得了较好的效果。     

自适应滤波器阶数与稳态均方误差

本文详细讨论了自适应滤波器的阶数（LMS算法中为加权数目）与输入信号相关性和稳态均方误差的关系。通过公式推导，从理论上证明了增加阶数并不能保证减小稳态均方误差。对于具体的输入信号，存在一个最佳（或准最佳）的阶数，使稳态均方误差最小，再增阶数，稳态均方误差有增大的可能。作者以强相关的直流信号和弱相关的正弦信号分别作为自适应滤波器的输入信号进行了计算机仿真实验，实验结果与公式推导结果一致。该理论为自适应滤波器设计时阶数的选择提供了理论指导，有实际意义。     

抖动偏频激光陀螺抖动信号的自适应对消

根据抖动偏频激光陀螺的输入、输出信号模型,提出利用自适应噪声对消技术消除陀螺抖动信号.使用恰当的算法,自适应噪声对消器能够自适应地跟踪并最佳地消除抖动信号,提取所需的惯性角速率信息.     

基于TMS320C6701的自适应滤波器设计与调试

与普通的FIR、IIR滤波器相比,自适应滤波器可以按照某种准则自动地达到最佳滤波效果,因此,自适应滤波器已广泛应用于系统模式识别、通信、电子、信号处理、医疗等领域。对TMS320C6701芯片作一简单介绍,给出了一种基于C6701的自适应处理器的硬件实现和调试方法,并验证了这种自适应处理器良好的实时性和滤波效果。     

自适应正弦数字滤波在微弱信号提取中的研究

针对强正弦干扰信号背景下微弱信号的提取提出一种新方法-自适应正弦滤波.自适应正弦滤波是将信号分解成不同频率信号的线性组合,按照最小均方误差准则自动调节各频率的权重以实现对实际信号的最佳逼近,利用算法收敛结果便可精确地得到所求信号的幅值和相位.MATLAB仿真结果证明,与数字相干检测法相比该方法能更快速地提取微弱信号.     

多路自适应噪声消除器

在设计通常的(固定参数的)最佳滤波器时,必须对信号和噪声的统计特性具备先验知识。但是,在实际上,往往无法预先知道这些统计特性,或者,它们是随时间而变化的,这时,便无法实现最佳滤波。自适应滤波器的特点是。它可以“自动”地调节其自身的参数;而在设计这种自适应滤波器时,需要很少的、或根本不需要任何信号和噪声的先验(统计)知识。自适应噪声消除器(ANC)就是利用自适应的方法来实现一维纳(Wiener)滤波器。它可以在对信号和噪声不具备先验知识的条件下,利用一自适应滤波器(AF)来“自动”地实现维纳滤波。 本文简述和分析了AF、ANC和自适应运算的工作原理;根据实际需要(诊断一种疾病),采用多路ANC来提取强噪声背景下的有用信号。在计算机上进行了单路、多路ANC的模拟试验。试验结果表明:利用多路ANC,可以在对信号和噪声具备极少先验知识的条件下,有效地提取在强噪声背景下的有用信号。     

几种典型自适应杂波抑制算法的分析

研究自适应杂波抑制技术时，对应不同的信号和杂波的分布模型有不同的算法．本文针对已形成的几种典型算法，从自适应滤波、杂波噪声及信号空间分解的角度进行了分析说明，比较了不同算法所得的输出信扰比和检测特性的差异．这种分析比较，有利于在采用自适应杂波抑制技术时，估计其输出信扰比和检测概率，从而可以针对不同信号和杂波背景设计出最佳的自适应算法。     

FastICA及自适应相干处理的胎儿心电信号提取

针对胎儿心电信号检测难的问题,提出基于FastICA及自适应相干处理的胎儿心电信号提取方法。首先利用自适应相干抵消进行基线漂移和母体心电的预处理,随后使用FastICA对数据进行分离和处理,从分离结果可以看出迭代次数为18时胎儿的心电信号最佳,然后对FastICA分离通道数进行讨论和实验,明确分离通道数目,最后使用频谱图观察处理后的胎儿心电信号质量,可以看出该方法收到了良好的效果。     

一种基于自适应滤波的语音降噪方法研究

分析和研究自适应滤波和小波变换法的原理及方法,提出了一种新的综合使用自适应滤波和小波变换法的语音降噪方法。该方法首先用仿生小波变换法对带噪声的语音信号进行小波分解,将小渡变换法分离出来的噪声信号作为自适应滤波器的输入。最后选择用最小均方误差（LMS）的自适应算法对带噪声语音信号进行降噪处理,实现了信噪分离,去除语音信号中的噪声信号。实验结果表明,该方法对语音信号有较为明显的降噪效果。     

时空二维信号的非自适应准最佳处理＊

本文提出了一种时空二维信号的非自适应准最佳处理新方法。用时间和空间对消器分别对消掉与目标同方向的主杂波和与目标同多普勒频率的副瓣杂波,然后用时间和空间滤波器滤除其余杂波,与其它方法相比,该方法运算量最小,能实现实时处理,且性能接近最佳。     

基于正交约束的导航接收机空时自适应方法

卫星导航系统容易受到干扰,空时自适应处理在导航接收机抗干扰方面拥有明显的优势,即系统自由度显著提高,但是传统空时自适应处理应用于导航接收机抗干扰中却面临信号失真的难题。该文提出一种基于正交约束的导航接收机空时自适应处理方法。该方法从空时自适应处理的原理入手修改传统空时自适应处理优化的约束项,消除了不同时延信号对合成信号的影响,保证了空时自适应处理在有效抑制干扰的同时不影响导航信号的捕获和解码。理论分析和仿真结果表明,该方法能有效解决空时自适应处理中的导航信号失真问题。     

四频差动激光陀螺自适应程长控制技术

为了减小四频差动激光陀螺(FMDLG)对外界干扰的敏感性,设计了自适应程长控制系统使之工作于最佳工作点。对FMDLG的程长进行小抖动正弦调制,利用相敏检波技术从光强中提取调制信号的基波和二次谐波幅度。上述两个信号和光强一起用来实现自适应程长控制,它包括自动增益控制、自动调制幅度控制和程长控制3个环路。实验表明,自适应控制可有效消除光学和电子元件参量以及光强变化对控制系统的影响,而且可使FMDLG稳定地工作在最佳工作点上,从而降低其磁灵敏度。     

基于LMS算法的自适应滤波器仿真实现

为了达到最佳的滤波效果,使自适应滤波器在工作环境变化时自动调节其单位脉冲响应特性,提出了一种自适应算法:最小均方算法(LMS算法)。这种算法实现简单且对信号统计特性变化具有稳健性,所以获得了极为广泛的应用。针对用硬件实现LMS算法的自适应滤波器存在的诸多缺点,采用Matlab工具对基于LMS算法的自适应滤波器进行了仿真试验。仿真结果表明,应用LMS算法的自适应滤波器不仅可以实现对信号噪声的自适应滤除,还能用于系统识别。     

采用最大熵法的自适应脈冲多卜勒雷达信号处理

脉冲多卜勒雷达信号处理的功能是检测所存在的目标和估计它们的径向速度。如果目标被埋没在严重的非平稳杂波和噪声环境中,那么除非采用某些自适应信号处理方法,否则检测损失也许会达到不可容忍的地步。当前关于距离门脉冲多卜勒雷达系统自适应多卜勒滤波用的几种待选算法的研究,证明了Burg提出的最大熵法(MEM)的优越性。本文慨述采用最大熵法的自适应信号处理器的基本要求,并示出推导自适应多卜勒滤波器响应函数的典型最大熵法,这些响应函数是从严重杂波环境下仿真的和实际的雷达回波两者中得到的。应用最大熵法,可在一个波束停留期内完成对严重杂波环境的自适应,从而使信号对杂波加噪声的性能接近最佳。     

具有模糊信息和自学习权重的分布式检测算法

本文研究了一种由局部自适应模糊检测器和在线自学习融合算法所构成的分布式信号检测系统的设计方法。由模糊集对不精确信号参数的局部检测器进行建模,该模糊模型可自适应不精确信号参数的变化。融合中心以最佳融合规则作为目标函数在线自学习局部判决的权重。局部模糊检测器的鲁棒性和自学习融合算法的自适应性使该分布式检测系统在不确定环境下的检测性能得到提高。也使该系统能够处理未知分布的未知参数以及非随机未知参数的分布     

自适应抵消技术在随钻测井信号处理中的应用

随钻测井中,井场上的机电干扰和工业干扰对信号有明显的影响,为此提出了利用自适应噪声干扰抵消技术滤除噪声,提高信噪比。自适应噪声抵消器是自适应滤波的一种重要应用,它利用对消的方法抑制干扰,而把被污染的信号提取出来,因此可以将一路以有用信号为主同时含有部分噪声干扰和另一路主要是噪声信号的两路信号分别作为自适应噪声干扰抵消器的原始输入和参考输入进行自适应滤波。实验结果表明,自适应噪声抵消器能够有效滤除井场噪声,提高信号的信噪比。     

基于FRFT的LFM信号自适应滤波算法及分析

针对线性调频(LFM)信号自适应滤波问题,利用分数阶傅里叶变换(FRFT)对LFM信号良好的能量聚集性的特点,提出了一种分数阶傅里叶域LFM信号自适应滤波算法.算法采用分级迭代运算的方法确定最佳变换角度,保证参数估计精度的同时,降低了运算量.结合泄漏LMS(LLMS)和归一化LMS(NLMS)算法,对传统LMS自适应算法的跟踪和滤波性能进行了改进,并给出了算法的收敛条件.在加权矢量的迭代公式中引入泄露因子,降低了记忆效应对滤波器的影响;并对自适应步长进行功率归一化,提高了收敛速率.仿真分析了参数对算法收敛性能的影响,结果表明,当输入LFM信号频率变化较快时,算法有较好的收敛性能和较小的均方误差,同时在低信噪比(SNR=10 dB)下也有良好的滤波效果.