基于自适应引导滤波的子带分解多尺度Retinex红外图像增强

利用引导滤波的边缘保持特性及梯度保持特性,提出一种基于自适应引导滤波的子带分解多尺度Retinex红外图像增强算法.首先利用自适应引导滤波对光照分量进行精确估计,生成光谱不重叠的Retinex子带,然后对各个子带进行自适应增强,最后将各个增强后的子带加权融合.实验证明,该算法可有效消除光晕现象及凸显红外图像细节.     

分布式子带自适应滤波算法

为了解决分布式最小均方算法在输入信号相关性较高时收敛速度较慢、分布式仿射投影算法计算复杂度较高等问题,本文提出了两种分布式子带自适应滤波算法,即递增式和扩散式子带自适应滤波算法.分布式子带自适应滤波算法将节点信号进行子带分割来降低信号的相关性,从而加快收敛速度.由于用于子带分割的滤波器组中包含了抽取单元,所以分布式子带自适应滤波算法和对应的分布式最小均方算法的计算复杂度相近.仿真结果表明,与分布式最小均方算法相比,分布式子带自适应滤波算法具有更好的收敛性能.     

子带分解的自适应滤波器的FPGA实现

基于子带分解的自适应滤波器在提高收敛性能的同时又可以节省一定的计算量。采用Altera 公司的仿真软件Altera DSP Builder 和Quartus Ⅱ7.2进行子带分解的NLMS算法的自适应滤波器现场可编程门阵列设计, 利用Simulink和ModelSim对设计方案进行了模型仿真和功能仿真,达到较好的效果。     

适合硬件实现的自适应滤波算法

文章给出了一种适合硬件实现的自适应算法——改进的LMS算法。对算法的收敛性进行了详细的证明，并使用C语言验证了该算法与基本LMS算法的收敛速度是相同的。     

基于神经网络的自适应滤波技术

本文在Ｈｏｐｆｉｅｌｄ神经网络和ＴＨ线性优化网络的茂盛耻，提出了自适应滤波算法的神经网络实现，理论和计算机模拟均表明该算法的神经网络硬件实现，将大大提高自适应滤波器的时效性。     

基于快速子空间分解的组滤波自适应杂波抑制算法

针对部分相关，中等起伏目标的最佳检测，本文提出了基于快速空间分解的组滤波自适应杂波抑制算法，由于采用了快速了空间分解方法，明显降低了算法运算量而使其易于实时实现，文中所采用的最小二乘同组滤波相结合的方法使得即使在非平稳的条件下也要以获得良好的杂波谱估计，进而可以有针对性地完成特定多普勒域的目标提取，实现在变化杂波条件下的有效杂波抑制和目标检测。     

一种变正则化矩阵的改进多带结构子带自适应滤波算法

定正则化因子的改进多带结构子带自适应滤波(IMSAF)算法在取得收敛速度快和稳态失调误差小之间存在冲突.根据系统噪声抵消原理,设定子带后验误差功率等于子带噪声功率,本文提出了变正则化矩阵的IMSAF算法来解决这一问题.仿真结果证明,所提算法可以同时达到收敛速度快、稳态失调误差小以及追踪速度快等优势.     

MPEG中子带滤波的算法优化和仿真实现

子带滤波器组是MPEG数字音频编解码的重要模块。介绍了在音频编码中滤波器组的作用和地位，描述了滤波器组的工作原理并且以减少运算量和数据量为目的对标准中的子带滤波算法进行优化。同时以MATLAB作为评估平台验证了该优化算法的正确性和高效性。     

基于子带处理与Volterra自适应滤波的广播音频信号相似性检测方法

由于广播节目受众广,影响力大,其播控要求高,对错播、插播、漏播等异常播出情况容忍度低。针对广播节目播出实时监测问题,本文提出了一种快速的广播音频信号相似性检测方法。该方法计算Pearson相关系数来判别两广播音频信号是否相似。然后,为了抵消编解码器、收发设备及传输信道的影响,应用自适应Volterra滤波器来处理信号。最后,用子带分解技术将全频带信号分解为子带信号,并仅对功率最高的子带进行分析预处理,以降低计算量。实验结果表明,在考虑了真实的传输影响后,通过不同条件的比较,该方法具有良好的检测准确度,且计算量较小,可以满足实时处理的要求。      

自适应滤波LMS类算法探究

在传统的LMS(Least Mean Square)算法中,固定步长的选取影响收敛速度与稳态误差,而且两者不可兼得。因此,为在相应的领域内合理使用此类算法,针对这个问题在对多种自适应滤波LMS类算法进行原理分析后,得出此类算法在不同领域的特点,对今后不同人群的合理使用提供了良好条件。     

一种变步长LMS自适应滤波算法及分析

本文对变步长自适应滤波算法进行了讨论,建立了步长因子μ与误差信号e(n)之间另一种新的非线性函数关系.该函数比已有的Sigmoid函数简单,且在误差e(n)接近零处具有缓慢变化的特性,克服了Sigmoid函数在自适应稳态阶段步长调整过程中的不足.由此函数本文得出了另一种新的变步长自适应滤波算法,并且分析了参数α,β的取值原则及对算法收敛性能的影响.该算法有较好的收敛性能且计算量少.计算机仿真结果与理论分析相一致,证实了该算法的收敛性能优于已有的算法.     

偏差补偿符号子带自适应滤波器

自适应滤波器在系统辨识、回声消除、信道均衡等领域获得了广泛应用.符号子带自适应滤波器（Sign Subband Adaptive Filter,SSAF）具有较强的抗脉冲干扰能力,但当输入信号受到噪声干扰时,其对未知系统系数向量的估计会产生偏差.为了解决上述问题,本文基于无偏估计准则,提出了一种偏差补偿符号子带自适应滤波器（Bias-Compensated Sign Subband Adaptive Filter,BC-SSAF）.为了解决定步长自适应滤波器需要在收敛速度和稳态失调之间进行折中的问题,本文采用随机梯度法来更新正则化参数,提出了变正则化参数偏差补偿符号子带自适应滤波器（Variable Regularization Bias-Compensated Sign Subband Adaptive Filter,VR-BC-SSAF）.仿真结果验证了BC-SSAF和VR-BC-SSAF性能的优越性.     

自适应滤波算法综述

分析了最小均方误差滤波和递归最小二乘滤波算法、自适应滤波的神经网络方法、基于QR分解的方法、统一模型下的自适应滤波及基于高阶累积量的自适应算法的优缺点,并对自适应滤波算法的未来发展做了展望。     

一种改进的变步长LMS自适应滤波算法

传统的固定步长的LMS算法难于同时获取较快的收敛速度与较小的稳态误差,基于这一矛盾,将变步长算法与变换域算法相结合,提出一种改进的LMS自适应算法以获得较快的收敛速度和较小的稳态误差。仿真结果表明,此算法在收敛速度与稳态误差的性能上均不同程度地优于其他同类算法,尤其是在低信噪比的情况下,其性能的优越性更为突出。     

一种新的变步长最小均方自适应滤波算法

将步长因子与误差信号和测量噪声方差之间的一种函数关系引入自适应滤波器,提出了一种变步长最小均方自适应滤波算法.与已有算法相比,本文算法的步长因子更易于设计和控制.仿真结果表明本算法具有很好的收敛性能,同时也证实了本文算法的有效性.     

基于变换域全相位FIR自适应滤波算法

基于一种全相位FIR自适应滤波器,将重叠滤波思想引入变换域LMS算法,提出了DFT、DCT和DST变换域的带窗重叠自适应滤波算法(WO-TLMS).与传统的变换域LMS(TLMS)算法相比,WO-TLMS算法提高了收敛速度同时具有较低的稳态均方误差.理论分析了算法的收敛性,实验中通过和TLMS算法的比较验证了WO-TLMS算法的优越性.     

An Adaptive Acoustic Echo Cancellation Algorithm Based on Subband Decomposition and Conjugate Gradient Method

1 Introduction In speech communication applications ,the presence ofcoupling fromloudspeaker to the microphone often re-sults in undesired acoustic echo that seriously degradesspeech quality.Current solutions for removingthis echoare based on the real ti me identification of the acoustici mpulse response by using adaptive filtering or AdaptiveEcho Cancellation (AEC) filter techniques . Several AEC algorithms have been proposed for thisproblem. An acoustic echo canceller based upon inputort…     

一种类箕舌线函数的变步长归一化自适应滤波算法

在综合考虑自适应滤波算法设计中收敛速度、稳态误差、计算复杂度和跟踪性能等指标的基础上,该文提出一种类箕舌线函数的变步长归一化自适应滤波算法,用类箕舌线函数代替Sigmoid函数作为步长迭代公式,引入基于相关误差的变步长调整原则,在大大增强算法稳定性的同时大幅度提升了算法的收敛速度、跟踪性能,减小了算法的计算复杂度。在Matlab平台上分析了改进的步长函数中参数\begin{document}$\alpha $\end{document},以及的不同取值对算法的影响,并将该文算法与已有的基于Sigmoid函数和基于箕舌线函数的变步长LMS算法进行了比较,仿真结果表明,该文算法有更快的收敛速度、更好的跟踪能力以及较小的稳态误差和较强的鲁棒性。