可编程FIR滤波器的FPGA实现

介绍了FIR滤波器的基本的线性相位结构及FIR滤波器的抽头系数SD算法编码。给定滤波器的数字指标,用MATLB设计抽头系数,最后用Verilog HDL语言实现了一个16阶的FIR低通滤波器并在QuartusⅡ上仿真,并对仿真结果与理论值进行比较,波形仿真结果和理论值相吻和,最后将编程数据文件下载到FPGA芯片上。对于不同性能的FIR滤波器,抽头系数是变化的,因此只要对本设计的抽头系数重新在线配置,就可以实现不同的FIR滤波器。     

LMS算法的领域快速实现

推导了一种替代时域LMS算法的快速频域算法（FLMS），并对其在语音噪声抵消中的应用进行了计算机仿真。计算机仿真的结果证明：它在自适应滤波器权数超过64时，运算量较时域LMS算法有大幅度的下降，但保持了与时域LMS算法相同的收敛速度，同时对算法的局限性和应用范围进行了讨论。     

基于FPGA的半并行FIR滤波器设计

为了提高FIR滤波器的运算速度和降低资源消耗,本文提出了一种新颖的半并行FIR滤波器设计方法。该方法有固定的延时．可以根据滤波器抽头数的不同,得到不同的最高数据输入速率。仿真结果表明,该滤波器设计方法在高速数字下变频器的设计中有较好的性能．并且通过优化设计．可以在一个FPGA实现多个滤波器模块。     

基于FPGA的半并行FIR滤波器设计

为了提高FIR滤波器的运算速度和降低的资源消耗,提出了一种新颖的半并行FIR滤波器设计方法,该方法有同定的延时,可以根据滤波器抽头数的不同,得到不同的最高数据输入速率。仿真结果表明,该滤波器设计方法存高速数字下变频器的设计中有较好的性能,并且通过优化设计,可以任一个FPCA实现多个该滤波器模块。     

优化FIR数字滤波器的FPGA实现

基于提高速度和减少面积的理念,对传统的FIR数字滤波器进行改良。考虑到FPGA的实现特点,研究并设计了采用Radix2的Booth算法乘法器以及结合了CSA加法器和树型结构的快速加法器,并成功应用于FIR数字滤波器的设计中。滤波器的系数由Matlab设计产生。仿真和综合结果表明,Booth算法乘法器和CSA算法加法器树,在满足FIR数字滤波器的性能要求的同时,在电路实现面积上、尤其是速度上有明显的优化;并且当数据量越多时,优化也越明显。     

无寄生重影和工作绝对稳定的自适应消重影方案及算法

本文结合全电视信号的特点,论述了工作绝对稳定的FIR消重影滤波器。当抽头足够多时存在两种寄生重影的最佳工作状态,并有两种解重影的算法,即反卷积法和相关法,以及相应的两组最佳抽头权系数。     

基于FPGA的FIR滤波器设计

数字滤波器在数字信号处理中占有很重要的地位,该文介绍了FIR滤波器的两种实现算法：乘累加算法和优化的分布式算法,其中分布式算法作为优化算法进行研究。其次,根据FIR滤波器理论,采用线性相位结构优化滤波器的设计。并给出了FIR滤波器的模块划分和FIR滤波器的主要模块的实现,最后对FIR滤波器进行了系统仿真和验证。     

基于FPGA的FIR数字滤波器设计与仿真

采用改进并行分布式算法设计了一种16抽头FIR数字低通滤波器,首先用Matlab工具箱中的FDATool设计滤波器系数,然后使用硬件描述语言Verilog HDL和原理图,实现了子模块和系统模块设计,在Matlab与QuartusII中对系统模块进行联合仿真。仿真结果表明,设计系统性能稳定,滤波效果良好,且实用性较强。     

一种用于数字QAM接收机的盲均衡器实现

提出了一种适用于数字QAM接收机的自适应盲均衡器实现方案。该均衡器采用多模算法(MMA)和最小均方算法(LMS)，称为MMA—LMS算法结合判决反馈结构(DFE)，即采用前向滤波器和反馈滤波器两级滤波器组实现，提高了信道的适应性能和降低均衡器的阶数。仿真结果表明，该均衡器比一般采用恒模算法(CMA)的横式均衡器有更好的性能，更易于硬件实现。     

基于CORDIC算法的数字滤波器设计

FIR和IIR数字滤波器广泛应用于各种数字信号处理系统。从坐标旋转公式出发，阐述了CORDIC算法的原理．同时在FPGA上实现了该算法的设计，并且基于CORDIC算法建立了FIR和IIR数字滤波器的电路模型，使之能在同一电路上通过开关控制集成实现。     

基于SLM-PTS算法融合的NC-OFDM峰均比优化

基于非连续正交频分复用（non-continuous orthogonal frequency division multiplexing，NC-OFDM）模型，提出和研究了选择映射（selected mapping，SLM）算法和部分传输序列（partial transmit sequence，PTS）算法，及其SLM-PTS融合优化技术，设计了融合模型和改进流程。仿真结果与其他文献方法进行了对比，验证了SLM-PTS的融合具有优秀的峰值平均功率比（peak to average power ratio，PAPR）降低能力，但缺点是算法实现复杂度过高。因此，又进一步提出了互补型映射和限幅的联合算法（SLM-Clipping）融合解决方案，并利用深度学习方法建立PAPRnet模型。仿真结果验证了此算法对NC-OFDM系统具有PAPR良好的抑制效果，而且能够提高仿真运算效率。     

一种变步长凸组合LMS自适应滤波算法改进及分析

为了避免单个滤波器在收敛速度与稳态误差上相互制约,从而导致系统性能降低的问题,本文采用凸组合最小均方算法（Combined Least Mean Square ,CLMS ）,将快速滤波器和慢速滤波器并联使用,同时为进一步改善CLMS算法的性能,对已有的变步长凸组合最小均方算法（Variable Step-size Convex Combination of LMS ,VSCLMS ）做出改进,提出了一种新的VSCLMS算法。在该算法中,对快速滤波器选用以最小均方权值偏差（Minimization of Mean Square Weight Error ,MMSWE）为准则的按步分析的变步长滤波器;对慢速滤波器采用以稳态最小均方误差（Least Mean Square , LMS ）为准则的固定步长滤波器。通过理论分析与仿真实验表明,该算法能够在噪声、时变以及非平稳的环境下保持较好的随动性能,且在各个阶段均保持良好的收敛性,与传统的CLMS、VSCLMS算法相比,不仅具有更快的收敛速度,而且拥有稳定的均方性能和较优的跟踪性能,为自适应滤波算法的研究提供了一条可行途径。     

基于切割的检测器生成与匹配算法

 检测器生成和匹配算法直接影响到人工免疫系统的检测效率和非法抗原的检测率.为了改进现有算法存在的生成检测器与识别非法抗原的时间和空间开销较大、对非法抗原检测率较低等问题,本文提出基于切割的检测器生成与匹配算法.针对现有检测器表示方法存在的缺陷,用正超立方体表示检测器,为减少匹配算法的时间和空间开销提供了基础;依据空间包含关系设计基于空间包含的匹配算法,减少了选择检测器和检查抗原的时间和空间开销,使得分析检测器所覆盖的非法抗原较方便;依据自体在论域空间的分布,引入切割空间的方法生成检测器,消除所生成检测器间的冗余信息,减少了检测漏洞,使得所生成的检测器具有较高的非法抗原检测率和检测效率.文中建立了算法的原型系统,构造不同类型的数据集,测试识别非法抗原所需的检测器数量,以及当系统中保存不同数量的检测器时所具有的非法抗原检测率,与现有算法进行比较,验证了基于切割的检测器生成与匹配算法能有效的提高否定选择算法的性能.     

基于C语言的DES与RSA数据加密算法实现与分析

详细分析和介绍了DES和RSA加密算法的原理,通过C语言具体实现两种算法的加密和解密过程。同时对两种算法的差异进行分析和比较,总结出两种加密算法的特点。     

FPGA引脚分配方案的分析与改进

本文研究了二分图算法和蚁群算法,在FPGA引脚分配上的应用,这两种算法各有优缺点。本文在这两种算法的基础上提出了一种混合算法,用于提高FPGA引脚分配的效率。经过验证得知,混合算法能有效提高FPGA引脚的实际分配效率。     

基于SURF和FREAK的移动终端动态背景运动目标检测

针对使用移动终端检测运动目标时出现的背景偏 移,实时性不足等问题,本文提出一种基于 Speeded-Up Robust Features(SURF)和Fast Retina Keypoint(FREAK)算法的动态背景 补偿方法。首 先利用SURF算法检测特征点,接着利用FREAK算法对特征点进行描述,然后对特征点进行汉 明距离匹配, 最后使用随机抽样一致算法(Random Sample Consensus,RANSAC)剔除误匹配点。设计基于 移动终端的背景 补偿实验,结果表明,在旋转角度,光照条件和尺寸不同的情况下,该算法都表现出良好的 匹配效果以及实时性。     

基于LMS算法与RLS算法自适应滤波及仿真分析

自适应滤波器在随机信号处理当中得到了广泛应用.文讲述了LMS算法和RLS算法的基本原理,基于两种算法的推导过程较为繁琐,不便理解,本文以两种算法的主要计算环节为突破口,选取合适的迭代公式,对两种算法进行公式推导,方便读者理解.同时,本文通过原理推导、软件仿真的试验方法,设置输入信号、噪声信号,通过输出信号的图像走势对两种算法的优缺点进行对比分析,使读者对两种算法及滤波器的设计具有直观的认识,有一定的参考意义.     

基于子空间对齐与自适应CSP算法的运动想象脑电信号分类

在脑机接口中,让分类器从一个用户适应到另一个用户是具有挑战性的,但对于减少新用户的训练时间是必要的.但由于每个个体的神经信号存在着差异,常用的特征提取方法训练的分类器,应用于不同的用户时,准确率很低.因此本文提出了一种新的自适应共空间模式的特征提取方法,该算法通过选择合适的候选试验更新协方差矩阵,然后对提取的特征进行子...     

单变量边缘分布算法与蚁群算法的混合算法收敛性分析

智能混杂算法是当前智能优化算法的研究热点,可以融合多种优化算法的优势,提高算法的性能。单变量边缘分布算法具有大范围快速全局搜索能力,但不能很好地利用系统中的反馈信息;蚁群算法是一种并行的分布式正反馈系统算法,但其初期信息素匮乏,求解速度慢。将单变量边缘分布算法与蚁群算法相结合,可以优势互补。基于上述思想,提出一种基于单变量边缘分布算法与蚁群算法混合的算法,并运用马尔科夫随机过程理论对该算法的收敛性进行了分析,结果表明了该算法的优化解满意值序列是单调不增的和收敛的。     

RKR-GST算法在.NET中的分析与实现

针对计算字符串相似度的RKR-GST算法,分析了与该算法相关的技术并给出算法的流程图,然后在Visual Studio 2008中对该算法进行了实现,详细描述了实现过程中涉及的类与数据结构图,最后对算法的复杂度及算法运行过程中一些参数的选取进行了讨论。RKR-GST算法在剽窃检测、DNA序列匹配等领域具有广阔的应用前景,该算法在.NET中的实现具有良好的可移植性与可扩展性,可以在多个应用领域中推广使用。