基于多尺度小波变换的变步长LMS滤波算法

对LMS自适应算法、基于抽样函数的变步长LMS算法和基于多尺度小波变换的自适应滤波算法进行了研究,在此基础上把变步长LMS算法与多尺度小波变换相结合,产生了新算法。该算法一方面可以克服固定步长LMS算法在收敛速度与收敛精度方面与步长因子的矛盾;另一方面,小波变换的引入减少了输入向量自相关矩阵的条件数,提高了收敛速度、跟踪性能和稳定性。最后对算法的性能进行了计算机仿真比较,仿真结果表明:基于多尺度小波变换的变步长LMS滤波算法具有较快的收敛速度和更强的抑噪能力。     

煤矿钢芯输送带缺陷信号非平稳强噪声滤波研究

煤矿钢芯输送带缺陷电磁检测信号易受到煤矿工况中非平稳强噪声影响,因此,提出一种改进阈值小波的变步长LMS自适应滤波算法对缺陷信号非平稳强噪声进行滤波。该方法首先运用改进阈值小波多尺度分解后的高频信号作为自适应滤波的参考噪声信号,然后运用变步长LMS自适应滤波方法对缺陷信号进行滤波。该方法克服了小波软、硬阈值的缺陷和固定步长LMS自适应滤波中收敛速度和稳态误差对步长因子要求不一致的矛盾。并与改进阈值小波滤波方法进行了对比,结果表明:该方法具有更好的滤波效果,能有效地滤除缺陷信号中的非平稳强噪声。     

一种新的变步长LMS自适应滤波算法研究及其应用

变步长LMS自适应滤波算法克服了传统自适应滤波算法的不足,通过构造合适的变步长因子,在提高收敛速度的同时保证了较小的稳态误差,在实际中得到了广泛应用。为进一步改善算法性能,首先对传统的和现有改进的变步长LMS算法机理进行了深入分析,在此基础上,提出了一种新的变步长LMS自适应滤波算法。该算法通过建立一个新的步长因子与误差的非线性函数模型,使得算法在不失精度的情况下,具有较快的收敛速度。论文对新算法的机理进行了较为详尽的阐述,对算法中关键参数的选取对滤波性能的影响进行了深入分析,并给出了算法中关键参数的自适应确定方法。仿真实验表明,相对于其他自适应滤波算法,该算法在收敛速度方面有了很大的提高。将新算法应用于对实际龙口水位监测数据的滤波中,取得了良好效果。     

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.     

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.     

一种新的LMS算法及其在明渠流量计中的应用

针对变步长LMS(least mean square)自适应滤波算法存在收敛速度慢和稳态误差比较大的问题,根据变步长滤波算法步长调整原理,提出了一种新的基于多项式的非线性变步长LMS算法,通过MATLAB仿真分析研究新算法中各参数对收敛速度和稳态误差的影响,并和已有的变步长LMS算法进行对比,结果表明该算法比已有的算法...     

滚动轴承故障监测诊断中的自适应滤波算法

针对滚动轴承故障分析诊断中的载波带选择过程进行研究,提出了基于峭度指标的自适应最优滤波算法,仿真和试验台的研究结果表明,此算法不仅能够准确地诊断出轴承故障,以全自动的方式实现滤波过程,而且自适应最优滤波算法的故障诊断效果远远优于固定滤波算法和基于小波包变换的滤波算法。     

一种基于FPGA的自适应滤波器的设计

在分析了变步长自适应滤波算法的基础上．采用基于RAM的查找表来实现滤波运算中的快速卷积．按照自顶向下的设计思想，将自适应滤波器进行功能划分．采用硬件描述语言实现自适应滤波器的硬件设计，并在Maxplus Ⅱ平台对运算单元进行综合和功能仿真。     

一种新的自适应滤波算法

为了解决SVS_LMS算法中步长更新函数较为复杂的问题,提出一种改进的LMS自适应滤波算法。新的算法利用瞬时误差的幂函数对步长更新进行控制,同时根据MVSS_LMS算法中误差自相关估计补偿原理,采用当前步长因子和上一时刻步长的相关估计对步长因子进行补偿。通过仿真比较,新的算法相较于SVS_LMS和MVSS_LMS的改进算法具有更快的收敛速度及更小的稳态失调误差。     

ALIF-MMPE结合DAG-SVM的滚动轴承故障诊断

针对滚动轴承故障诊断中非平稳振动信号下的有效故障特征提取问题,提出一种基于自适应局部迭代滤波、多元多尺度排列熵和有向无环图算法支持向量机的滚动轴承故障诊断方法。自适应局部迭代滤波通过构建自适应滤波函数,能够有效抑制噪声和模态混叠,经自适应分解后得到若干本征模态函数。仿真结果表明其效果优于经验模态分解。然后利用多元多尺度排列熵对包含显著故障信息的本征模态函数进行信息融合和特征提取,组成故障状态特征集。采用主成分分析对故障状态特征集进行降维,随机抽取部分样本带入有向无环图算法支持向量机中进行训练,其它则作为测试样本进行故障识别和诊断。试验故障诊断结果表明:自适应局部迭代滤波下多元多尺度排列熵优于多个本征模态函数下的多尺度排列熵和经验模态分解下的多元多尺度排列熵;本文方法能准确地识别滚动轴承不同的故障类型及故障程度。