多层前向神经网络在ECG信号滤波中的应用

针对心电信号检测中主要存在的几类噪声，利用BP神经网络的非线性映射能力设计了基于BP神经网络的非线性滤波器，实现了对心电信号中工频干扰、基线漂移、电板移动等噪声的滤除。经仿真与实验验证表明，该方案对于工频干扰、基线漂移、电极移动等噪声均有较好的滤波效果，且算法具有较好的收敛特性，还可以方便地实现非线性滤波。     

基于LMS算法和Matlab的自适应滤波器的设计

根据LMS算法性能特点,在Matlab环境下编写了基于LMS算法的有限长自适应滤波器的程序(*.m),用所设计的滤波器对受白噪声干扰的语音信号及正弦波信号进行滤波.理论分析和仿真结果表明,所设计的自适应滤波器具有快速的跟踪能力和收敛性能,且稳态误差较小.     

多抽样率频率抽样FIR数字滤波器设计

采用多抽样率方法设计频率抽样FIR数字滤波器,可以获得性能优异的滤波器,以消除心电信号ECG中的基线漂移和工频干扰,对目前类似滤波器存在的截止频率不易控制、通带和阻带纹波过大、工频阻带过窄、易受工频波动干扰或消除基线漂移时对ECG的低频部分削得过多等问题,提出了一个较好的解决办法。相对于ⅡR滤波器或模拟滤波器避免了因非线性相位滤波带来的失真问题。     

多通道空间自适应滤波技术研究

针对多通道自适应滤波算法数据运算量较大的缺点,结合空间滤波与最小均方（LMS）自适应滤波优点,提出并研究了空间自适应滤波方法.给出了一种多通道空间自适应滤波器的表达式和实现算法,并以周期噪声和高斯白噪声为噪声背景,将多通道空间自适应滤波算法应用到某一均匀加肋圆柱壳主动振动控制实验中.结果表明,空间滤波技术能够显著抑制噪声信号中的高频成分,提高数据采集精度,有效地降低多通道自适应滤波算法的数据运算量,提高自适应滤波算法的学习效率和收敛速度,并能较好地解决结构控制中多通道自适应控制的空间混淆现象,提高主动振动控制的区域降噪效果.     

基于自适应线性神经网络的心电信号滤波

针对心电信号检测中存在的噪声，将线性神经网络与自适应噪声对消原理结合起来，设计出了自适应线性神经网络滤波器，以实现对心电信号中工频干扰、呼吸引起的基线漂移的滤除。经仿真验证，该滤波器对这两类噪声的滤除均有较好的效果。     

自适应横向滤波器在干涉式光纤陀螺中的应用

干涉式光纤陀螺（IFOG）的信号检测属于微弱信号检测,信噪比较低,而且在变化。基于这个特点,为了得到更好的检测精度。本文提出了自适应滤波方案。应用此方案可改善信噪比,提高信号检测精度。在分析光纤陀螺信号特点的基础之上,设计了基于最小均方算法（LMS）的自适应横向滤波器。经仿真研究证明应用此滤波器能获得较好的效果。     

冲击波超压测试中工频干扰消除方法

消除工频干扰方法可以有效地消除传感器在接收信号的过程中产生的不必要干扰因素.文中通过分析冲击波超压测试中工频干扰产生的原因,提出自适应信号噪声抵消方法与陷滤波方法,利用自适应信号噪声抵消法与陷滤波法对工频干扰进行消除,并运用MATLAB来进行仿真.实验结果表明:在时域上,自适应噪声抵消法的降噪幅度比陷滤波法有一定提高;在频域上,用自适应噪声抵消法处理后的冲击波的有效频率优于陷滤波法.     

基于FPGA的车辆振动信号提取方法

为了从车辆复杂噪声背景中实时提取陀螺仪的有效振动信号,在分析弱信号特征提取方法的基础上,针对自适应滤波算法处理相关信号时收敛速度降低的缺点,提出一种适用于FPGA（Field Programmable Gata Ar-ray）的自适应步长LMS（Least Mean Square）算法。该算法通过建立步长和误差信号相关值之间的非线性关系,使步长仅与输入有用信号相关,降低算法对噪声的敏感度。实验以收敛速度和计算复杂度两个指标对该算法与其他改进算法进行比较,并以真实车辆振动信号提取结果分析验证该算法对车载环境噪声和陀螺仪自身噪声都有较好抑制。在用算法计算基础上,以FPGA平台提出并实现一种可扩展滤波器结构。设计采用一阶滤波单元重用方式完成多阶累加计算,在目前最大规模FPGA芯片上实现8～256阶滤波器。实验表明,该设计充分利用芯片内逻辑资源,处理速度快,可靠性高,并适用于车辆中低速行驶姿态测量系统。     

矢量阵自适应零陷强干扰抑制目标方位估计方法

针对方位范围未知的远场强干扰背景下声呐弱目标信号的检测与方位估计问题，本文提出了将自适应空域矩阵滤波技术、矢量信号处理技术及平面波方位估计技术结合的方法。通过最小化滤波后矢量阵信号输出功率以及约束滤波器通、阻带响应，产生自适应零陷干扰抑制效果，并利用二阶锥凸优化的方法首次求解得到了矢量阵自适应空域滤波器。仿真及试验结果表明：矢量阵自适应空域滤波器空域特性相比声压阵自适应空域滤波器更优，矢量阵数据自适应预滤波后再进行方位估计，方位未知的远场强干扰能够被更有效地自适应抑制，进而能够提升矢量线列阵声呐远程弱目标被动探测性能。     

一种自适应滤波器的设计与仿真

随着科技的高速发展,人们对信号处理的实时性、准确性和灵活性的要求越来越高,自适应滤波器在信号处理中的地位也越来越重要。自适应滤波器是一种含复杂算法的处理器,它的实现主要采用最小均方误差算法,通过调整滤波器系数来实现滤波,以便更好地跟踪信号的变化,最终实现自适应滤波。本文在Matlab环境下设计出自适应滤波器,验证了它的性能。     

图像椒盐噪声的分阶段中值滤波算法

针对自适应中值滤波算法的缺陷---对高密度椒盐噪声图像滤波后留下黑色斑块,提出了一种分阶段中值滤波算法。该算法对图像执行两次小窗口的滤波操作,相较于采用较大窗口的滤波,其在有效去除噪声的同时降低了结果图像的模糊程度。先对所有噪声点进行一次中值滤波消除了盐粒噪声,再用窗口内非噪声点的灰度中值代替胡椒噪声点的灰度值以去除黑色斑块。最后的仿真实验结果表明,本文算法既有像自适应中值算法一样滤除低密度椒盐噪声的良好性能,又有对高密度椒盐噪声图像的降噪能力。     

基于径向基函数神经网络的自适应滤波器

自适应滤波器在信号检测、信号恢复、数字通信等领域中被广泛应用。传统的自适应滤波器主要在时域中实现。通常采用算法简单、稳健性好的自适应LMS算法。但LMS算法对输入信号的自相关矩阵具有很强的依赖性,因而自适应率不高。本文提出利用RBF神经网络实现的自适应滤波,并将其用于语音除噪和脉象信号的除噪。仿真结果表明该方法具有良好的非线性噪声抑制能力。     

输油管道泄漏检测中的自适应滤波

管道在输送流体的过程中,由于管道周围介质的扩散、管道摩阻等影响,使得在管道两端测得的压力与流量信号带有很大的噪声,它的存在势必影响管道泄漏的快速检测和漏点的精确定位。因此选用一种合适的滤波技术消除噪声,有着重要的现实意义。介绍了自适应滤波算法消除噪声的方法,在滤波算法中,采用Widrow-Hoff的最小均方误差算法调整滤波器的权系数,以在泄漏实验中采集的压力信号为例,通过计算机编程对它进行离线自适应滤波处理。结果表明,合理的选取算法中的步长和权系数个数,自适应滤波方法可有效地消除信号中的噪声。这为管道泄漏等方面的研究提供了可靠的数据,对其它信号的处理也有一定的借鉴作用。     

基于新息的神经网络自适应卡尔曼滤波

卡尔曼滤波是一种基于最小方差的递推式滤波算法,系统模型和噪声统计特性的先验知识决定了滤波的性能和估计的准确性,不精确的先验知识将导致滤波性能的明显下降甚至发散。采用BP神经网络对系统进行辨识,获得精确的系统状态方程,利用新息自适应估计卡尔曼滤波算法中的过程噪声和测量噪声协方差矩阵,提出基于新息的神经网络自适应卡尔曼滤波算法。Matlab仿真结果表明,与传统卡尔曼滤波算法相比,改进的卡尔曼滤波算法获得了与原始信号几乎一致的输出信号,噪声得到明显抑制。同时,改进的算法不需要系统精确的数学模型,在实际应用中具有可行性和普适性。     

一种U—D分解自适应推广卡尔曼滤波及应用

为了改善自适应卡尔曼滤波的数值稳定性和计算效率,防止滤波发散,本文在自适应推广卡尔曼滤波的基础上,利用U-D分解滤波,提出一种U-D分解自适应推广卡尔曼滤波新算法,并把该算法应用于飞行状态估计问題,仿真及实际飞行数据计算结果证明了本文方法的有效性.     

针对脉冲噪声的双窗口自适应中值滤波方法

针对中值滤波效果随滤波窗口大小和噪声密度而显著变化的不足,提出了将噪声检测和噪声滤除窗口相分离的方法,采用大窗口检测噪声和小窗口滤除噪声的策略、自适应脉冲噪声滤除策略以提高图象滤波性能。实验表明,该方法在噪声检测的准确性和噪声滤除的有效性方面均有极大提高,并且对不同密度的椒盐噪声都具有很好的滤波性能。     

应用盲源分离法消除旋转机械振动信号噪音与干扰

工业过程状态检测和故障诊断的信号,会受到相邻设备振动信号的干扰及噪音信号污染,影响对机器运行状态的准确判断和诊断.提出扩展干扰或噪音为一个源向量方法,利用盲源分离技术,研究机械源为线性卷积混叠模型,建立盲源分离技术消除振动干扰或噪音的算法.应用在风机轴振动信号试验表明,经盲源分离处理风机转子失衡引起轴振动信号的功率谱,优于未经处理的信号功率谱,证明了盲源分离技术消除机械设备间振动干扰和噪音信号的有效性.     

Unsupervised FIR adaptive filtering and its frequency domain analysis

An unsupervised minimum mean square error FIR adaptive filtering(UAF) algorithm is proposed to estimate the system’s input signal.The algorithm only uses the system’s output signal and noise variance without requiring knowledge of a reference signal.The frequency analysis shows that the UAF is a multi-spot bandpass filter with passing frequency determined by the system’s input signal.Namely,the UAF chooses the expected frequency and extremely restricts the unwanted frequency signal by using weight-updating scheme in time domain.However,the UAF presents the Gibbs phenomenon since the ideal filter is infinitely long which is unrealizable.The simulation and experimental results show that the UAF could effectively reduce the amplitude of the noise and improve the signal to noise ratio.     

基于自适应线性神经网络的噪音处理的研究

在信号处理中具有高稳定性能的滤波器一直是处理噪音干扰所追求的目标.本文通过利用线性自适应神经网络中的LMS算法来对噪音处理进行研究.研究表明基于自适应线性神经网络的降噪处理,从本质上是可以消除迭加的噪音信号.     

基于鲁棒性神经模糊网络的脉冲噪声滤波算法

在一个简单有效的脉冲噪声检测器和一个鲁棒性神经模糊(robust neuro-fuzzy, RNF)网络的基础上,对于被脉冲噪声污染的彩色图像,提出了一种新的脉冲噪声滤波算法。该算法可分两步进行,首先对RNF网络进行优化训练,然后用优化后的网络对被噪声污染的彩色图像进行噪声滤波。在该算法中,采用一个简单有效的脉冲噪声检测器,它能快速有效的检测出彩色图像中的噪声像素。经过优化的RNF网络仅对噪声像素进行滤波,而对非噪声像素则保持不变。在RNF网络的构造中,采用一个新的隶属函数,使该算法对于脉冲噪声具有鲁棒性。实验结果证明,与一些传统的非线性、多通道滤波器相比,该滤波器具有较好的滤除噪声能力,并且能较好的保留图像的边缘和细节,具有很好的鲁棒性。