一种新的变步长LMS自适应滤波算法性能分析

在简单介绍了基本的LMS,NLMS自适应滤波算法的基础上,介绍了一种新的可变步长LMS自适应滤波算法,并将该算法应用于自适应噪声对消系统的仿真中.通过计算机仿真,给出了LMS、NLMS和新的可变步长LMS自适应滤波三种算法的性能对比,结果表明该算法具有较快的收敛速度和较小的稳态误差.     

一种MCG信号的自适应预测滤波方法

与心电圈相比较,心磁检测具有无需电极,对某些局部心肌电流高度敏感,可以用于早期心脏疾病的诊断。但心脏磁场信号在检测过程中会被噪声所污染,使得信号本身的可辨识性降低,因此需要对该信号进行降噪处理。在单通道信号采集系统无噪声参考输入端的情况下采用自适应滤波方法,需要对待处理信号进行线性预测,本文提出的改进LMS（Least Mean Square）算法的自适应预测滤波器,无需噪声参考信号即可对心磁信号进．彳亍滤波,通过三种不同噪声的滤波仿真结果可见,采用自适应预测滤波器处理后明显提高了信噪比,具有一定的学术意义和实用价值。     

基于自适应滤波算法的超声波气体流量计

针对超声波气体流量计在使用过程中普遍存在的测量精度不高、稳定性差等问题,提出并实现了基于时差法和新型自适应滤波算法的超声波气体流量计。该流量计硬件部分由STM32F103主控芯片、高精度计时芯片TDC-GP22等组成,保证了系统的计量精度;软件部分采用了一种改进型卡尔曼滤波算法,在保证滤波效果的同时有效提高响应速率,并且将其与算术平均滤波相结合,根据流体渡越时间差的变化率提出了新型自适应数据滤波算法。通过实验对比发现,该新型滤波算法有效降低了系统的测量误差,在0.25～40 m³/h流量范围内,系统的最大测量误差为1.08%,满足1.5级精度标准,同时使得系统零漂减小为原来的一半,大大提高了系统的稳定性,满足了实际工程应用的需要。     

自适应滤波算法消除泥浆脉冲信号中的泵冲噪声

随钻测量系统中自适应噪声抵消器可根据泥浆脉冲信号的特点,运用自适应噪声抵消算法抑制噪声干扰,但同时也会抵消掉部分有用信号,影响后续解码的可靠性。在分析泥浆脉冲信号噪声干扰及自适应滤波算法的基础上,提出一种新的滤波算法,用自适应陷波器来降低主通道信号与参考信号的相关性,保护有用信号不被抵消,克服了以往单采用自适应噪声抵消器存在的最大弊端。实验结果表明,自适应陷波器、自适应噪声抵消器相配合的自适应滤波算法,能在任何信噪比情况下有效滤除泵冲噪声并保护有用信号的能量,简单可靠且适用性强,对提高泥浆脉冲信号的信噪比,降低随钻测量通信的误码率,具有较高的实用价值。     

稳健的仿射投影符号自适应滤波算法

非高斯的冲击噪声在现实世界广泛存在,严重影响了基于l2范数优化准则的自适应滤波算法的性能。在各类自适应滤波算法中仿射投影符号算法(APSA)结合了仿射投影算法(APA)良好的收敛特性和符号算法对非高斯冲击噪声干扰的抑制能力,因而其在非高斯冲击噪声条件下具有良好的性能。但是该算法的步长选择是固定的,且未考虑系统稀疏特性,因而在参数选择和收敛速度方面有一定的局限性。将变步长的方法和比例矩阵的思想融合到一起,引入步长函数,提出了一种稳健的仿射投影符号自适应滤波算法—变步长的改进比例仿射投影符号算法(VSS-IPAPSA)。该算法不仅可以缓解收敛速度与稳态失调之间的矛盾,同时也可以增加其对系统的不同稀疏特性和噪声特性的适应性。理论分析和仿真实验结果验证了其稳健性和有效性。     

基于RBF神经网络的语音信号的噪声消除

针对语音识别中背景噪声的消除问题,提出采用RBF神经网络实现的自适应消噪系统.本文设计的RBF神经网络噪声抵消系统不需要关于输入语音信号和背景噪声的先验知识,非线性映射能力强.采用自适应噪声抵消基本原理,构造RBF神经网络自适应滤波器,然后针对该系统,进行仿真.仿真结果表明该方法对采集的语音信号的背景噪声有良好的抑制能力.     

非平稳信号自适应滤波的小波模型与滤波方法

分析自适应滤波和小波滤波的原理与方法,建立非平稳信号的自适应滤波的小波模型和滤波方法。利用小波变换的多尺度分解,将分离出来的噪声成分作为自适应滤波器的输入信号。通过自适应滤波器组能同时实现对多种噪声成分的最佳滤波,是实现信噪分离的最佳滤波方法,具有优良的滤波性能。模型验证和工程实例应用表明,该方法能实现非平稳信号在同频段对噪声成分和有用信号的最佳估计。     

小波变换的流体压力信号自适应滤波方法研究

为了有效地消除流体压力信号中的噪声,提出了一种基于小波变换的自适应滤波算法,该算法针对信号和噪声经小波变换后在不同尺度上的特征不同,先对信号进行小波多尺度分解,然后对各尺度分解的信号分别选用不同的滤波参数,进行自适应滤波处理,并用该方法对液压系统运行中采集的压力信号进行降噪处理.试验结果表明,该方法比普通的自适应滤波方法能更有效地消除流体压力信号中的噪声.     

修正自适应滤波算法的道路噪声主动控制系统

针对车内道路噪声主动控制系统中传感器直流偏量引起的系统失稳问题,建立了一种新的修正多通道自适应滤波的道路噪声主动控制算法。首先,以多重相干为综合评价指标,以实车道路试验下测得的24个加速度信号为基础,选取了4个加速度信号作为参考信号;其次,以2个车载扬声器为次级声源,驾驶员头枕位置为控制目标,在Simulink环境下搭建4个参考信号、2个扬声器和1个麦克风的多通道车内道路噪声主动控制系统,并用不同路面（比利时路面、粗沥青路面）不同车速下采得的数据进行了仿真验证;最后,搭建了基于dSPACE的主动控制系统硬件在环试验平台,以验证不同工况下系统的有效性。结果表明：仿真结果与试验结果相一致,在不同工况下都可以取得稳定有效的降噪效果,验证了修正算法的有效性。     

一种基于噪声连接分量的自适应层次中值滤波算法

针对椒盐噪声污染图像的降噪,提出一种基于噪声连接分量的自适应层次中值滤波算法。首先根据椒盐噪声像素点的邻接关系和分布特点,对噪声定位图像实施标记处理;然后计算各连接分量集合中元素的个数,将噪声定位图像分层,得到层次噪声定位图像;最后按照由低层到高层的顺序,逐层对噪声污染图像进行标准中值滤波处理,而标准中值滤波的窗口大小则依据连接分量自适应地进行调整,最终得到滤波结果。将该算法与标准中值滤波、自适应中值滤波进行仿真实验,并与其他中值滤波算法就指标PSNR进行比较,均表明该算法降噪效果优良。     

Selective noise filtration of image signals using wavelet transform

This paper examines the technique of denoising and signal extraction using wavelet transform scale space decomposition. The noisy signal is decomposed into multiple scales by the dyadic wavelet transform. At a given position, the level of correlation is used to deduce the presence or absence of significant feature of signals or images, which is then passed through the filter. By comparing the correlation information of the data at that scale with those at larger scales, noise is preferentially removed from the data. In the wavelet transform domain, the desired features are identified and retained because they are strongly correlated across scales compared to noise. This denoising algorithm can be used to reduce noise to a high degree of accuracy, while preserving most of the important features of the signal. In this paper, this technique of scale space filtering is applied to sample signals and images. Representative results are presented which shows that considerable noise content in signals and images can be reduced while preserving the value of the desired signal.     

基于经验与变分混合分解的超声回波信号噪声消除方法

超声缺陷检测结果易受超声回波信号中复杂噪声的干扰,为了提高超声缺陷检测的准确度,提出一种基于混合分解的 超声回波信号噪声消除方法。 采用经验模态分解算法结合相关系数指标对超声回波信号进行预处理,得到消除低频噪声分量 的超声回波预处理信号。 基于变分模态分解将该预处理信号分解为一系列窄带本征模态函数,引入互信息指标估计变分模态 分解的最优模态数量,并根据窄带本征模态函数与预处理信号的相关系数提取有用的模态分量,实现对超声回波信号去噪结果 的重构。 通过仿真和实测超声回波信号验证了本文方法的去噪性能,并与现有方法进行了对比。 结果表明,本文方法可同时消 除超声回波信号中的高频和低频噪声,在不同信噪比条件下 EMD、VMD 和本文方法去噪结果的 SNR 均值分别为 10. 01、9. 48 和 16. 09 dB,验证了本文方法对于超声回波信号噪声消除的优越性。     

Automatic estimation and removal of noise on digital image

An spatially adaptive noise detection and removal algorithm is proposed.Under the assumption that an observed image and its additive noise have Gaussian distribution,the noise parameters are estimated with local statistics from an observed degraded image,and the parameters are used to define the constraints on the noise detection process.In addition,an adaptive low-pass filter having a variable filter window defined by the constraints on noise detection is used to control the degree of smoothness of the reconstructed image.Experimental results demonstrate the capability of the proposed algorithm.     

基于分离谱技术的自适应带通滤波法在超声检测中的应用

超声检测是无损检测的一项重要内容,本文通过分析超声波检测反射回波的特点,结合线性带通滤波法和非线性分离谱滤波法的优缺点,应用了一种可利用于超声检测的有效的滤波方法——基于分离谱技术的自适应带通滤波法,并通过实际检测的钢板超声信号进行验证表明该方法具有良好的效果。文章内容涉及超声检测、自适应滤波和分离谱等。     

基于超声传感器和Kalman滤波的塔式起重机防碰撞研究

针对塔式起重机间的碰撞及其与周边建筑物碰撞事故频率增高的问题,提出了基于超声传感器和Kalman滤波的塔式起重机防碰撞方法,从传感器布置、障碍物定位和障碍物跟踪等方面进行了讨论。结果表明,该技术能够快速、准确地对障碍物进行跟踪,为操作者提供了预警信息,使塔式起重机能够安全、稳定的运行。     

Adaptive tuning piecewise cubic Hermite interpolation with Wiener filter in wavelet domain for scanning electron microscope images

Image processing is introduced to remove or reduce the noise and unwanted signal that deteriorate the quality of an image. Here, a single level two‐dimensional wavelet transform is applied to the image in order to obtain the wavelet transform sub‐band signal of an image. An estimation technique to predict the noise variance in an image is proposed, which is then fed into a Wiener filter to filter away the noise from the sub‐band of the image. The proposed filter is called adaptive tuning piecewise cubic Hermite interpolation with Wiener filter in the wavelet domain. The performance of this filter is compared with four existing filters: median filter, Gaussian smoothing filter, two level wavelet transform with Wiener filter and adaptive noise Wiener filter. Based on the results, the adaptive tuning piecewise cubic Hermite interpolation with Wiener filter in wavelet domain has better performance than the other four methods.     

应用正则化影响函数扩散模型的星图噪声滤波

由于恒星星图的噪声滤波对保持星点的边缘细节要求较高,本文以塔基（Tukey）扩散模型与改善的PM（Perona-Malik）模型为基础,提出了一种基于正则化影响函数扩散模型的星图噪声滤波方法。该方法通过导数算子提取边界点集,利用图像中原始像素和噪声像素的空间分布特性对图像进行噪声滤波处理,并通过给定边界条件恢复图像边缘。由于避免了方差稳定（VS）变换,该方法可以直接处理高斯噪声。对普通图像和添加高斯噪声星图进行了仿真测试,并与普通扩散函数算法进行了比较。实验结果表明：提出的算法表现出了较好的噪声滤波能力,同时有效地保持了特征图像的边缘。相对于普通扩散函数算法其平均绝对误差降低了13.6%,峰值信噪比平均提高了6.1%。得到的数据显示,本方法的滤波能力优于普通的扩散函数方法,特别适用于星图的噪声滤波处理。