基于自适应滤波的宽带多信道校准技术研究

基于自适应滤波的自适应均衡技术在通信、雷达中已得到大量应用,这里对基于自适应均衡的宽带多信道校准算法进行了研究,利用自适应滤波原理综合出一个数字滤波器,对各信道的增益失配与相移失配进行精确的通道均衡补偿,该方法解决了电子战多通道接收机之间的信道校准问题。其中给出了仿真结果,验证了算法的有效性,并且采用FPGA或DSP实现数字滤波器是一项成熟的技术,所以通过设计特定的数字滤波器来实现宽带多信道的校准在工程上是可实现的。     

基于迫零算法的二相码旁瓣抑制滤波器设计

为了解决大时宽带宽积二相编码信号脉压旁瓣抑制滤波器设计过程中易出现局部最优问题,提出了基于迫零算法的失配滤波器设计方法.从时域波形人手分析了二相编码信号的脉压失配滤波,将旁瓣抑制滤波器的设计转换为迫零均衡问题,对迭代运算中的步长因子和误差向量进行了自适应修正,在提高了算法收敛速度的同时增加了稳健性.对不同码长m序列的仿真结果表明,基于迫零算法的失配滤波器设计方法,可以有效解决大时宽带宽积二相编码信号旁瓣抑制滤波器设计中局部最优的困扰,所设计的失配滤波器具有较好的峰值旁瓣电平性能.     

一种散斑模式的噪声统计模型与自适应滤波方法

本文介绍了一种实际散斑模式的数学模型和噪声统计模型,并提出了一种针对这种模型的自适应次优滤波方法。文中在分析了散斑模式及其噪声性质的基础上,利用其局部方向性特征,结合最优线性滤波器和非线性滤波器的特点,对线性最小均方误差滤波器进行了自适应逼近。实验结果表明,对散斑模式而言,本文的滤波方法与其它常用的图象滤波方法相比,具有更好的去噪和边缘保护性能,并且具有较好的滤波韧性。     

基于局部自适应中值滤波的红外背景抑制方法

介绍了利用中值滤波进行背景预测和背景抑制的基本原理,分析了局部中值滤波和局部最大中值滤波器处理图像的特点.根据这些特点,设计了一种能充分利用两种滤波器优越性的局部自适应中值滤波器.实验证明,利用这种滤波方法进行背景抑制具有处理速度快,滤波效果好的特点.     

一种针对失配信号的可调自适应检测器

针对有用信号存在失配条件下的自适应检测问题,该文提出了一种新的参数化自适应检测器.对失配信号稳健的自适应匹配滤波器,或对失配信号敏感的双归一化自适应匹配滤波器都可以作为该检测器的一种特例,并可以利用参数控制检测器对失配信号的检测能力和对干扰信号的抑制能力.推导了该检测器的虚警概率和对失配信号的检测概率.计算机仿真分析表明,通过选择合适的参数,可以保证该检测器对少许失配的有用信号的检测性能,以及对严重失配的干扰信号的抑制性能.      

一种散斑模式的噪声统计模型与自适应滤波方法

本文介绍了一种实际散斑模式的数学模型和噪声统计模型，并提出了一种针对这种模型的自适应次优滤波方法。文中在分析了散斑模式及其噪声性质的基础上，利用其局部方向性特征，结合最优线性滤波器和非线性滤波器的特点，对线性最小均方误差滤波器进行了自适应逼近，实验结果表明，对散斑模式而言，本文的滤波方法与其它常用的图象滤波方法相比，具有更好的去噪和边缘保护性能，并且具有较好的滤波韧性。     

基于DSP6713实现的IIR格型A适应滤波器

区别于普通的FIR,IIR滤波器,为了使滤波器能够按照某种准则自动且较快地达到最佳滤波效果,采用了LMS自适应算法和格型滤波结构相结合的方法。它利用DSP技术在TMS320C6713开发板上构建了验证该音频信号处理算法的硬件平台,并在集成开发环境CCS通过DSP的软件编程完成其工程实现。实验结果表明,该滤波器计算复杂度低,实现速度快,具有良好的实时性和滤波效果。     

EMI滤波器设计

EMI滤波器是电磁兼容设计及抑制电磁干扰的重要技术.电子电路设计人员应掌握EMI滤波器基本原理和各种类型滤波器的基本特性和使用方法,根据实际工作中的具体情况合理选择滤波元件,设计有效的EMI滤波器,从而实现EMC设计或抑制EMI的目的.在本文中主要阐述了EMI滤波器的相关理论,包括公模噪声、差模噪声、阻抗失配原则、滤波...     

基于小波变换与形态学运算的ECG自适应滤波算法

针对ECG信号常用滤波算法存在的缺陷,提出了基于小波变换与形态学运算的自适应滤波新算法。该算法利用形态学滤波器去除基线漂移信号,用小波滤波器去除高频干扰信号,并将这两部分所得到的心电噪声分量作为自适应滤波器的参考输入信号,利用自适应滤波器调整对含噪ECG信号进行滤波处理。最后,经实验验证了本文算法的有效性。     

雷达杂波谱参量估计及其在自适应滤波中的应用

本文结合自适应滤波技术在地面监视雷达信号处理中的工程应用,提出一种利用自相关法实时估计杂波谱参量,并根据统计参量自适应控制滤波器的方法.采用门限判决法,改善了杂波空域分布不均匀和目标引入对杂波谱参量估计带来的误差.文中特别对自适应滤波技术的实际工程应用问题进行分析讨论.经理论分析和计算模拟论证了该方法的正确性和可行性.最后结合工程实践,给出采用TMS32020数字信号处理器实现杂波谱参量估计和自适应控制滤波器的方案设想.     

基于改进变步长自适应滤波的密集假目标干扰抑制方法

提出了一种基于改进变步长自适应滤波的密集假目标干扰抑制方法。该方法首先采用stretch去斜处理,消去信号的二次项,并在频域上分离目标回波与干扰,从而得到频率不同的信号分量;然后用基于类箕舌线函数的变步长自适应滤波方法,对stretch处理后的回波信号滤波;最后对消密集假目标干扰,将对消后的信号作逆stretch处理恢复目标回波。所提出的类箕舌线函数调节自适应滤波方法中的步长,能有效地抑制距离目标回波较近的假目标干扰。仿真结果表明,改进变步长自适应滤波方法在目标回波与干扰时延差较小时,也可有效地对回波信号滤波,干扰对消效果明显;与基于定步长的滤波方法相比,所提方法在信干比较低的环境下仍具有良好的鲁棒性,并能有效抑制密集假目标干扰。     

基于自适应滤波的宽带阵列信号处理技术

自适应滤波是近30年以来发展起来的一种滤波方法。它是在维纳滤波、Kalman滤波等线性滤波基础上发展起来的一种最佳滤波方法。由于它具有更强的适应性和更优的滤波性能,因此在实际工程中,尤其在信息处理技术中得到了广泛的应用。这里将自适应滤波技术应用于电子对抗领域,解决电子战多通道宽带接收机之间的幅度、相位不一致性问题,并实现了基于自适应滤波的宽带波束形成方法。     

Motion artifact cancellation in NIR spectroscopy using Wiener filtering

We present a Wiener filtering based algorithm for the elimination of motion artifacts present in Near Infrared (NIR) spectroscopy measurements. Until now, adaptive filtering was the only technique used in the noise cancellation in NIR studies. The results in this preliminary study revealed that the proposed method gives better estimates than the classical adaptive filtering approach without the need for additional sensor measurements. Moreover, this novel technique has the potential to filter out motion artifacts in functional near infrared (fNIR) signals, too.     

An adaptive speckle suppression filter for medical ultrasonic imaging

An adaptive smoothing technique for speckle suppression in medical B-scan ultrasonic imaging is presented. The technique is based on filtering with appropriately shaped and sized local kernels. For each image pixel, a filtering kernel, which fits to the local homogeneous region containing the processed pixel, is obtained through a local statistics based region growing technique. The performance of the proposed filter has been tested on the phantom and tissue images. The results show that the filter effectively reduces the speckle while preserving the resolvable details. The simulation results are presented in a comparative way with two existing speckle suppression methods.     

高炮校射中弹目图像的滤波方法研究

运用基于数字图像处理技术进行高炮武器系统射击诸元校正工作中,针对弹丸与目标的图像在获取和传输过程中会受到来自电气系统和外界的干扰而产生一定的噪声信号,需要首先对图像进行预处理,滤除噪声信号这一问题,在综合分析目前典型地滤波方法的基础上,提出了采用自适应中值滤波算法进行弹目图像预处理,制定了具体的滤波算法工作流程,并通过滤波算法的仿真效果对比,证明了自适应中值滤波算法能够有效地滤除图像中的噪声,是一种快速有效的弹目图像预处理方法。     

Two-dimensional signal processing techniques for airborne laserbathymetry

The application of two-dimensional (2D) signal processing to data collected in airborne laser bathymetry is investigated. Specifically, a type of 2D filter for the suppression of impulsive noise in irregularly-spaced data based on order-statistics filtering is developed. An algorithm which incorporates this type of filter along with a sophisticated 2D interpolation technique is constructed to automate the filtering process. An adaptive 2D filtering technique that can be applied to raw bathymetric profiles to remove wideband noise is then discussed. The results obtained show that each type of filtering enhances the accuracy of bathymetric measurement quite significantly     

从混合有色噪声背景中提取正弦随相调频信号的方法

提出了从混合有色背景噪声中提取正弦随机调频信号方法－－基于高阶累积量FIR自适应滤波方法。其主要特点是：FIR自适应滤波系数是用输入信号的四阶以上累积量进行更新的；FIR自适应滤波器是收敛于与有用信号类型匹配的滤波器。因此，它既能有效地提取有用信号（匹配信号），又能有效地抑制混合有色噪声（非匹配信号）。仿真结果表明，与短时相关方法相比，该方法是很有效的。     

基于模数的干涉相位自适应中值滤波法

为了改善对干涉相位噪声的抑制效果而又确保有用相位跳变信息不被滤除,该文首先研究了模数滤波算法,并提出了一种基于最短子区间搜索的干涉相位模数估计算子对其进行改进,在进一步分析模数估计参数与相位分辨率之间关系的基础上,提出了一种局部相位中心随干涉相位质量自适应变化的中值滤波方法。该方法不仅克服了模数滤波导致的条纹边缘模糊问题,还解决了传统空域滤波进行一致性处理所造成的过滤波和欠滤波问题,而且具有较高的运算效率。最后通过对仿真和实测TerraSAR–X数据的处理和分析,验证了该方法的有效性。     

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。     

Adaptive lattice bilinear filters

Two fast least-squares lattice algorithms for adaptive nonlinear filters equipped with bilinear system models are presented. The lattice filter formulation transforms the nonlinear filtering problem into an equivalent multichannel linear filtering problem, thus using multichannel lattice filtering algorithms to solve the nonlinear filtering problem. The computational complexity of the algorithms is an order of magnitude smaller than that of previously available methods. The first of the two approaches is an equation error algorithm that uses the measured desired response signal directly to compute the adaptive filter outputs. This method is conceptually very simple, but results in biased system models in the presence of measurement noise. The second is an approximate least-squares output error solution; the past samples of the output of the adaptive system itself are used to produce the filter output at the current time. Results indicate that the output error algorithm is less sensitive to output measurement noise than the equation error method