基于DSP的自适应滤波器的实现

在数字信号处理过程中,常常要处理一些无法预知的信号、噪声或时变信号,如果采用具有固定滤波系数的数字滤波器无法实现最优滤波。实现较好的滤波,必须设计自适应滤波器,以跟踪信号和噪声的变化。主要根据自适应滤波的结构及原理并对最小均方误差(LMS)算法进行了研究,同时在DSP的集成开发环境下利用C语言编程设计一个16阶LMS自适应滤波器,并在软件模拟器上实现了仿真。通过不断调整滤波器的自适应步长,对实验结果进行对比分析,最后给出了结论。     

手术机器臂前端控制器双重滤波的噪声抑制

医生在机械臂的辅助下手术时常会因为末端抖动而导致手术不稳定.小波滤波和自适应滤波相结合的方式对前端控制器信号进行滤波,由于自适应滤波器具有可以实时滤波的特性,采用自适应滤波器对含有不同方差的高斯白噪声的正弦信号模拟的信号进行滤波,均方根误差和误差率作为评价标准.实验结果表明,使用小波滤波预滤波后的信号通过自适应滤波可以实时有效地滤除前端控制器中的噪声,对噪声信号进行抑制.     

免疫算法自适应滤波器对白噪声的抑制

实际信号经常会受到白噪声及高次谐波的影响,由于白噪声频谱分布在整个实数域,常用的滤波器很难将其滤除。讲述了自适应滤波器的原理及用免疫算法自适应滤波器,对白噪声及高次谐波进行抑制的方法。通过免疫算法对自适应滤波器的权向量进行优化,并用均值滤波的方法对自适应滤波器的滤波结果进行进一步滤波,然后用MATLAB对该算法进行仿真。将免疫算法自适应滤波器的仿真结果和LMS滤波算法的仿真结果进行比较,表明免疫算法自适应滤波器能对白噪声及高次谐波进行有效的抑制。     

自适应MEMS加速度计滤波算法

简要分析了微机电系统（MEMS）加速度计使用模型中的噪声来源,介绍了一种自适应平滑滤波器的设计方法,通过增设滤波阈值来调节滤波系数,实现了对 MEMS 加速度数据的动态降噪处理。实验结果表明：自适应平滑滤波器能有效抑制加速度计输出信号中的高频噪声,滤波前噪声信号均方根误差为2.32×10－5 m/ s2,经过滤波后,噪声信号均方根误差为4.79×10－7 m/ s2,提高了加速度计的测量精度,取得了良好的滤波效果。     

基于MATLAB与DSP的自适应滤波器设计与实现

滤波是滤除信号中某些特定频率的波形的技术,在数字信号处理中,主要用于滤除噪声和干扰信号。由于噪声和干扰信号的不确定性,采用固定滤波系数的数字滤波器无法达到最佳的效果。自适应滤波器能够随着环境的改变而改动滤波器自身的参数和结构,从而能够随着噪声和干扰信号的不断变化修正滤波器的参数和结构,最终实现较理想的滤波。本文研究了最小均方差(LMS)算法,并结合自适应滤波器的结构和原理,设计出FIR结构自适应滤波器。最后给出MATLAB仿真结果,并利用DSP验证自适应滤波器的性能。     

基于RLS自适应滤波算法的MIMO-OFDM信道估计

对于传统递归最小二乘算法信道估计性能的抗噪声问题,提出一种基于自适应滤波的RLS估计算法。该算法通过在时域内加入自适应滤波器,对信道中的估计结果进行自适应滤波。经过仿真分析,将自适应滤波的RLS算法与传统的RLS算法在误码率(BER)的性能进行比较,得出基于自适应滤波的RLS算法是一种高精度抗噪声的信道估计算法。将系统的输入含有噪声的信号进行自适应滤波,得到输出信号波形,与输入信号波形进行对比,来验证自适应滤波对噪声抑制作用。     

数学形态滤波在振动信号分析中的应用研究

本文介绍了数学形态滤波的基本原理与形态滤波器的构建。针对环境试验振动信号中存在的非线性噪声问题,我们提出一种基于开、闭运算的级联组合数学形态滤波器的新方法。通过将数学形态滤波器用于复杂锥筒结构振动信号中的脉冲干扰的实例分析与运算,说明该方法对振动信号的干扰噪声有很好的滤波效果,亦表明数学形态滤波有很好的的应用前景。     

基于自适应滤波原理的扩频窄带干扰对消技术

本文在介绍了扩频通信的基本原理的基础上,重点研究了用自适应滤波原理对扩频信号中的窄带干扰进行消除的方法,并建立模型进行了仿真分析。结果表明,用两个自适应滤波器组成的双环噪声消除器对扩频信号中的窄带干扰可以起到非常理想的抑制作用。     

混合式自适应Kalman滤波算法

采用虚拟噪声补偿模型误差和有偏的噪声方差估值器、滤波器收敛性判据相结合的方法来解决自适应Kalman滤波发散的问题。首先若模型不准确,则引入虚拟噪声对模型误差进行虚拟补偿,然后采用有偏的噪声方差估值器、滤波器收敛性判据对噪声方差估计值进行监控,阻止滤波器发散。采用混合式自适应Kalman滤波算法对Gill公司的风向风速仪实时采集的数据进行处理,实验结果表明,该方法能有效的提高性能、抑制滤波发散,具有较强的实用性、自适应能力。     

基于形态学与小波变换的信号自适应去噪算法

针对常规的ECG（electrocardiogram）信号去噪算法存在的缺陷,提出了一种基于形态学与小波变换的自适应综合去噪算法。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,对ECG信号进行自适应滤波处理,最后得到去噪后的ECG信号。实验表明,本算法是一种有效的去噪算法。     

基于噪声检测和动态窗口的图像去噪算法

针对中值滤波算法在去除脉冲噪声时易造成图像细节丢失的问题,提出了一种基 于噪声检测和动态窗口的自适应滤波方法。首先借鉴 BDND 方法,将图像的像素初分成信号点 和疑似噪声点,以减少需要处理的像素点;然后设计一种窗口自适应的噪声检测方法对疑似噪 声点进一步检测,判断其是真噪声点还是细节点,以加强图像细节信息的保护;最后通过改进 的自适应中值滤波器滤除检测出的噪声,并融入窗口自适应控制,窗口的大小可以根据噪声情 况自适应地调整,在去除噪声的同时尽可能地保护图像细节。实验表明,该算法在噪声处理和 细节保护上要优于其他典型算法,能有效地提高图像的峰值信噪比,对于高密度噪声的图像, 也可以获得较好的去噪效果。     

一种改进的形态-小波阈值降噪方法

现场采集的旋转机械振动信号中一般存在强脉冲干扰和白噪声,小波阈值滤波对白噪声的滤波效果好,但对脉冲干扰的滤除效果不佳,而形态滤波虽然可以有效地剔除脉冲干扰,但不易滤除白噪声。针对这些问题,提出了一种基于形态滤波和改进的小波阈值滤波相结合的综合滤波方法。该滤波方法结合了两种滤波方法的优点,能够同时有效地滤除旋转机械振动信号中的脉冲干扰和白噪声。通过仿真信号和现场采集的转子振动信号进行了实验验证,结果表明,形态滤波与改进的小波阈值滤波相结合的滤波方法很好地滤除了转子振动信号中的噪声成分,进而提取出淹没在噪声中的转子振动信号。     

Digital signal processing methods for impedance microfluidic cytometry

Impedance microfluidic cytometry is a non-invasive, label-free technology that can characterize the dielectric properties of single particles (beads/cells) at high speed. In this paper we show how digital signal processing methods are applied to the impedance signals for noise removal and signal recovery in an impedance microfluidic cytometry. Two methods are used; correlation to identify typical signals from a particle and for a noisier environment, an adaptive filter is used to remove noise. The benefits of adaptive filtering are demonstrated quantitatively from the correlation coefficient and signal-to-noise ratio. Finally, the adaptive filtering method is compared to the Savitzky–Golay filtering method.     

基于自适应卡尔曼滤波器的MEMS陀螺零点漂移的研究

随机噪声是影响MEMS陀螺精度的一个重要因素。本文基于时间序列分析方法建立MEMS陀螺的随机漂移AR模型后,使用自适应卡尔曼滤波器对信号进行滤波。通过比较陀螺原始信号和自适应卡尔曼滤波后的信号,可以得出结论：自适应卡尔曼滤波器在处理MEMS陀螺零点漂移中具有良好的滤波效果。     

一种改进的自适应中值滤波算法

在图像的平滑处理过程中,如何在噪声滤除的同时保护图像的细节一直是人们研究的热点问题。针对这一问题,在Hwang和Haddad提出的一种自适应中值滤波算法(ranked-order based adaptive median filter,RAMF)的基础上,提出了一种改进的自适应中值滤波算法。该算法在以下3方面做了改进:①对可疑噪声点实行噪声二次检测;②对高密度噪声区的噪声点利用滤窗内的信号点进行滤波;③对低密度噪声区的噪声点根据滤窗内图像的纹理走向进行滤波。仿真实验结果表明,该算法的滤波效果理想。     

A New Delayless Subband Adaptive Filtering Algorithm for Active Noise Control Systems

Subband adaptive filtering (SAF) techniques play a prominent role in designing active noise control (ANC) systems. They reduce the computational complexity of ANC algorithms, particularly, when the acoustic noise is a broadband signal and the system models have long impulse responses. In the commonly used uniform-discrete Fourier transform (DFT) -modulated (UDFTM) filter banks, increasing the number of subbands decreases the computational burden but can introduce excessive distortion, degrading performance of the ANC system. In this paper, we propose a new UDFTM-based adaptive subband filtering method that alleviates the degrading effects of the delay and side-lobe distortion introduced by the prototype filter on the system performance. The delay in filter bank is reduced by prototype filter design and the side-lobe distortion is compensated for by oversampling and appropriate stacking of subband weights. Experimental results show the improvement of performance and computational complexity of the proposed method in comparison to two commonly used subband and block adaptive filtering algorithms.      

一种基于听觉特性的自适应小波语音增强方法

提出一种基于人类听觉特性的自适应小波滤波算法。该方法用听觉感知小波变换对含噪语音信号进行小波分解,这样可以保证对信号频率和幅值的听觉特性,将经听觉感知小波变换所分离出来的噪声成分作为自适应滤波器的输入。通过采用递推最小二乘算法从而实现信噪分离的最佳滤波,以保证去除信号中的相关噪声。结果表明,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,提高了语音的清晰度和可懂度。     

基于谱减和LMS的自适应语音增强

针对宽带噪声背景下的语音增强问题,将短时语音视为非平稳或宽平稳信号,基于谱减法和自适应滤波的最小均方（LMS）算法,提出了一种FIR型自适应滤波算法（SSLMS）：用减谱法由短时噪声观测语音估计期望信号,作为滤波器输出信号的参考信号;用滤波器的输出与参考信号的差值为误差信号,用LMS算法求得滤波器权系数修正量,并修正滤波器。权系数最速下降调整中,采用了归一化LMS、符号LMS、块LMS技术,以简化保证权系数收敛的步长选择、减少权系数修正的运算量,从而提高自适应速度。对不同的语音在各种信噪比下仿真实验,并与改进的谱减法比较,结果表明,该法增强效果优于谱减法;在信噪比为3 dB时该法的增强效果仍然令人满意。