自适应滤波器的设计与制作

自适应滤波器是一种能够根据噪声特性实时修改自身参数,从而达到最佳滤波效果的滤波器,目前广泛应用于数字信号处理的各个领域。设计了一款完整的自适应滤波器展示装置,首先使用加法器和移相器电路对原始信号进行加噪处理,将加噪后的信号和原始噪声经过模数(AD)转换后输入FPGA,并在FPGA平台上构建了基于最小均方误差(LMS)算法自适应滤波器,最后将滤波器输出的信号经过数模(DA)转换后在示波器上进行观察。实验结果表明,该自适应滤波方案能在1-200KHz的频带范围内有效地滤除与原始信号频率差大于10Hz的正弦波、三角波和高斯噪声等噪声信号。     

用于混沌时间序列自适应预测的一种少参数二阶Volterra滤波器

研究了二阶Volterra滤波器的一种乘积耦合近似实现结构及其非线性NLMS自适应算法,并用这种少参数二阶Volterra滤波器(RPSOVF)研究了一些混沌信号的非线性自适应预测性能.仿真研究结果表明:所给出的非线性NLMS自适应算法能够保证这种RPSOVF的稳定性和收敛性,且RPSOVF用这种非线性NLMS自适应算法能够自适应预测一些混沌时间序列. 关键词： 混沌 非线性自适应预测 Volterra滤波器 非线性NLMS自适应算法     

互补型自适应滤波器在心磁信号处理中的应用

将心磁信号从干扰噪声中加以提取并有效地消除噪声干扰是心磁信号处理中尤为重要的环节 .从改进算法的角度出发，提出互补型自适应滤波器结构以实现心磁信号的消噪处理.该滤波器针对心磁这类非平稳信号进行设计，有效地解决了常规自适应滤波器应用于心磁信号处理时收敛速度和稳态误差的矛盾.通过仿真实验和心磁实验结果表明，该算法能有效地消除心磁信号的背景噪声和工频干扰噪声.同时该算法也可用于其他非平稳信号的消噪处理. 关键词： 自适应滤波 心磁图 最小均方误差     

多尺度变步长最小均方自适应算法在光纤陀螺数据处理中的应用

为有效抑制光纤陀螺(FOG)随机噪声,提出将一种多尺度变步长最小均方(MVSLMS)自适应算法应用于FOG数据处理中。根据FOG输出数据的特点,构建了MVSLMS自适应滤波器,提出了FOG信号滤波算法的实现步骤。对FOG实测静态数据、振动数据和速率测试数据进行了滤波实验,结果表明所提算法对FOG随机噪声的抑制效果明显,相比LMS滤波,MVSLMS自适应滤波后的静态数据零偏稳定性数值减小了72.0%,振动数据在振前、振中、振后零偏稳定性数值分别减小91.5%,77.4%和96.5%,速率测试数据标准差减小了54.4%。摇摆测试滤波实验结果表明所用算法对FOG真值信号具有较好的跟踪能力。     

混沌通信系统中非线性信道的自适应组合神经网络均衡

针对混沌通信系统的非线性信道干扰问题,基于混沌信号重构理论和函数型连接神经网络理论,提出了一种横向滤波器与函数型连接神经网络组合(combination of transversal filter and functional link neural network,CFFLNN)的自适应非线性信道均衡器,并给出基于低复杂度归一化最小均方(NLMS)的自适应算法,并对该均衡器的稳定性以及收敛条件进行了分析.该非线性自适应均衡器充分利用了横向滤波器的快速收敛,以及函数型连接神经网络通过增大输入空间提高非线性逼近能力的特点,进一步提高均衡器的收敛速度和降低稳态误差.仿真研究表明：所提出的非线性自适应均衡器能够有效地消除线性和非线性信道干扰,均衡器输出信号能反映出混沌信号的特性,具有良好的抗干扰性能;且该均衡器的结构简单,收敛稳定性较好,易于工程实现. 关键词： 非线性信道 自适应均衡器 混沌吸引子 神经网络     

改进LMS的光谱信号去噪算法

微型光谱仪在检测高浓度比背景下多种痕量重金属离子浓度时,光谱吸收信号易受外部环境和内部电路的随机噪声干扰,多种痕量重金属离子的光谱吸收信号微弱易被噪声所淹没,严重影响了光谱定量分析结果的准确性和重复性,需要对光谱吸收信号进行去噪预处理。然而,大多数光谱去噪算法的一些关键细节参数的设置不仅需要通过反复的实验进行测试验证,还取决于研究者的现有经验和待解决对象的特征。针对这些关键参数对滤波效果影响大、选择难的问题,提出了一种基于sigmoid误差约束的改进型LMS自适应去噪算法。首先对标准LMS算法原理进行了分析,并结合微型光谱仪的数据干扰情况对标准LMS算法的滤波器结构进行优化改进,利用sigmoid函数具有误差约束的特性,对标准LMS算法的误差计算模块进行优化改进,降低算法对噪声敏感性;然后针对改进后的最小均方误差损失函数是一个非凸函数,提出了一种类交叉熵损失函数,将非凸问题转化为一个凸优化问题,在利用梯度下降法逐步最小化损失函数时,保证了局部最优解也是全局最优解,同时结合Adam算法来自适应地调整学习率因子,保证了算法具有较快的收敛速度;最后为了验证改进后的自适应去噪算法具有较强的去噪性能,通过交叉验证进行实验验证。对四种金属离子混合溶液的实测光谱吸收信号,添加不同信噪比的随机噪声后使用该改进的算法进行测试验证,实验结果表明:在处理信噪比低的吸收光谱信号过程中,所提方法相对于标准LMS算法、 SG去噪算法、小波软阈值算法、小波硬阈值算法,信噪比分别提高了9.225%, 19.678%,7.591%和12.042%;均方误差分别降低了59.647%, 63.070%, 53.600%和57.793%。该方法不仅能够有效地抑制强噪声,还原了光谱信号中的一些重要真实细节特征,而且也避免了关键细节参数需要依靠主观判断选择的问题,为分析低信噪比下的光谱信号提供了一种新的解决思路。     

连续混沌信号的离散余弦变换域二次实时滤波预测

提出了少参数二阶Volterra滤波器的一种离散余弦变换(DCT)域二次滤波实现结构及其NLMS自适应算法，并用这种DCT域二次滤波预测器研究了三种连续混沌信号的非线性实时多步预测性能. 仿真研究结果表明：(1) 这种DCT域二次滤波预测器比少参数二阶Volterra滤波器的一步预测均方误差性能提高了100倍，表明这种实现结构简单、易实现，且具有更好的收敛性能；（2）采用这种滤波预测器对三种连续混沌时间序列的实时多步预测性能明显优于局域法的多步预测性能. 关键词： 混沌 实时预测 NLMS自适应算法     

改进的变步长自适应最小均方算法及其数字信号处理

针对紫外光通信中传统自适应最小均方(LMS)算法存在的不足,提出了一种新的变步长LMS(VSS-LMS)算法,利用MATLAB仿真验证了该算法的可行性,以TMS320VC5509为核心设计了数字信号处理(DSP)最小化硬件系统和VSS-LMS算法的软件流程,在硬件上实现了传统LMS算法和新的VSS-LMS算法的自适应滤波,并进行了对比分析,结果表明所提出的VSS-LMS算法具有较快的收敛速度和较小的稳态误差,这对紫外光通信接收系统的设计和优化具有一定的参考意义。     

基于自适应EKF的弱GNSS信号跟踪算法

弱GNSS信号跟踪技术是卫星导航接收机关键技术之一,跟踪技术的好坏将直接影响卫星导航接收机在弱信号条件下的跟踪性能;在动态环境和先验信息不充分的情况下,由于扩展卡尔曼滤波(EKF)的固定设计使其不能满足要求,针对此不足引入一种自适应扩展卡尔曼滤波(AEKF)的信号跟踪算法;该自适应滤波算法能够实时监测残差或滤波器新息的动态变化,来修正观测噪声方差和状态噪声方差,以此调整滤波器增益,观测值和控制预测值在滤波结果中的权重;理论分析和结果表明,该算法能够充分利用观测信号的统计特性,克服了传统EKF算法不足,获得更好的跟踪性能。     

一种自适应滤波中步长因子调节的算法

本文在研究时变信道的自适应匹配中,采用了多途信道的横向滤波器模型(MA模型),为求滤波器权系数应用的是最小均方误差滤波方法。在最小均方误差滤波中无论是采用最徒下降法(Steepst Descent Method),还是最小均方算法(LMS Algorithm),在叠代方程中都要引入步长因子μ.以往对μ的取值只推导出一个范围0<μ<1/λ_(max),λ_(max)为采集信号自相关矩阵的最大本征值,且在叠代过程中是一个常数。但究竞取多大值?取小了自适应叠代方程收敛慢,取大了误差能量函数产生振荡,甚至发散。为寻找一种快速收敛的自适应滤波方法,以适应信道的时变特性时发现,对叠代步长因子μ作自适应调节,会使收敛速度有明显提高。     

Least mean square error difference minimum criterion for adaptive chaotic noise canceller

The least mean square error difference (LMS-ED) minimum criterion for an adaptive chaotic noise canceller is proposed in this paper. Different from traditional least mean square error minimum criterion in which the error is uncorrelated with the input vector, the proposed LMS-ED minimum criterion tries to minimize the correlation between the error difference and input vector difference. The novel adaptive LMS-ED algorithm is then derived to update the weights of adaptive noise canceller. A comparison between cancelling performances of adaptive least mean square (LMS), normalized LMS (NLMS) and proposed LMS-ED algorithms is simulated by using three kinds of chaotic noises. The simulation results clearly show that the proposed algorithm outperforms the LMS and NLMS algorithms in achieving small values of steady-state excess mean square error. Moreover, the computational complexity of the proposed LMS-ED algorithm is the same as that of the standard LMS algorithms.     

Robust modeling of acoustic paths using a sparse adaptive algorithm

Acoustic impulse response functions are generally sparse in nature and traditionally these are modeled by adaptive finite impulse response (FIR) filters trained using a least mean square (LMS) algorithm. The conventional LMS algorithm is not effective in modeling sparse systems and sparse LMS algorithms have been recently developed to improve the modeling in such scenarios. However, the traditional sparse LMS algorithms are not robust to disturbances at the error sensor and may diverge in some scenarios. With an objective to overcome this limitation of conventional sparse adaptive algorithm, this paper presents a robust sparse adaptive algorithm. The new algorithm has been shown to effectively model sparse systems in a robust manner. In addition, the algorithm has been successfully applied in modeling the acoustic feedback path in a behind the ear digital hearing aid.     

燕麦干草品质的近红外光谱定量分析

应用近红外漫反射光谱（NIRS）分析技术,采用偏最小二乘回归法(PLS),建立了适合不同品种类型和不同生长发育时期的NIRS测定燕麦全株干草的粗蛋白（Crude Protein,CP）、秸秆中性洗涤纤维(Neutral Detergent Fiber,NDF)和酸性洗涤纤维(Acid Detergent Fiber,ADF)含量的稳定校正模型。结果表明,采用二阶导数（2st Deriv）+平滑处理（Norris）、多元散射校正（MSC）+二阶导数（2st Deriv）+平滑处理（Norris）、多元散射校正（MSC）,分析谱区为9 668～4 518,9 550～5 543,8 943～4 042 cm-1建立粗蛋白、中性洗涤纤维和酸性洗涤纤维的校正模型,其校正和预测效果最佳。其中CP与NDF的建标决定系数（r2_cal）和交叉检验的决定系数（R2_cv）均在0.95以上,各项误差均小于3%,RPD值均大于3,逼近了化学分析的精确度,具有较好的预测效果。ADF的建模效果较CP与NDF差,其建标决定系数和交叉检验决定系数分别为0.912 0,0.855 3,建标误差（RMSEC）和检验误差（RMSECV）分别为2.33%,2.62%,接近了化学分析的精确度,且RPD值大于2.5,说明所建的ADF模型也可用于近红外预测。     

交通流量序列混沌特性分析及DFPSOVF预测模型

以实际采集的交通流量序列作为研究对象, 分别应用互信息法和虚假邻点法确定其延迟时间和最佳嵌入维数, 完成交通流量序列的相空间重构. 通过计算交通流量序列的饱和关联维数和最大Lyapunov指数判定其混沌特性. 以最小均方(LMS)算法为基础, 构建了一种基于Davidon-Fletcher-Powell方法的二阶Volterra模型(DFPSOVF), 其应用了一种可随输入信号变化而实时变化的基于后验误差假设的可变收敛因子技术. DFPSOVF模型避免了在Volterra模型中采用LMS自适应算法调整系数时参数选择不当引起的问题. 将DFPSOVF模型应用于具有混沌特性的短时交通流量预测, 结果表明: 当模型记忆长度与交通流量序列的嵌入维数选择一致时, 模型的预测精度较高, 可以满足交通诱导和交通控制的需要, 为智能交通控制提供了新方法、新思路及工程应用参考. 关键词： 交通流量 混沌 DFPSOVF模型 预测     

基于有效端元集的双线性解混模型

光谱解混是用于定量分析高光谱图像中成分含量的一项重要技术方法,主要包括线性解混模型和非线性解混模型。线性解混模型构造简单,但并未考虑不同成分光子间的相互影响,导致解混结果在很多实际图像上不够精确。常用的非线性混合模型中的双线性解混算法,随着图像中端元数量增加,虚拟端元的数量也随之快速增加,计算精度受到很大的影响。论文报道改进了双线性解混的模型,并提出一种有效端元子集的选择算法。首先结合欧氏距离和光谱夹角,按照与混合像元的距离,将所有端元排序;然后利用排序结果和误差变化情况选择实际参与混合的端元子集。从而降低了未参与特定混合像元混合的端元对解混结果的影响,提高了解混精度。对模拟图像的测试效果证明了该算法可以减小光谱的重构误差,对实际航拍高光谱溢油图像的分析结果也进一步说明了算法的有效性。     

反卫星激光武器发展现状与动态

空间军事化使反卫星激光武器再度受到重视，在阐述反卫星激光武器特点和作用原理的基础上，详细综述了地基、空基和天基等多种平台反卫星激光武器的发展现状和重要发展动向。     

语音信号序列的Volterra预测模型

对给定的英语音素、单词和语句进行了采集并完成预处理. 分别应用互信息法和Cao 氏法确定了实际采集的语音信号序列的延迟时间和嵌入维数, 以完成语音序列的相空间重构. 通过计算实际采集的语音信号序列的最大Lyapunov指数, 完成了语音信号的混沌特性识别, 判定其具有混沌特性. 引入Volterra级数, 提出了一种具有显式结构的语音信号非线性预测模型. 为克服最小均方误差算法在Volterra模型系数更新时固有的缺点, 在最小二乘法基础上, 应用基于后验误差假设的可变收敛因子技术, 构建了一种基于Davidon-Fletcher-Powell算法的二阶Volterra 模型(DFPSOVF), 并将其应用于具有混沌特性的语音信号序列预测. 仿真结果表明: DFPSOVF非线性预测模型对于单帧和多帧语音信号均具有更好的预测精度, 优于线性预测模型, 并且能够很好地反映语音序列变化的趋势和规律, 完全可以满足语音预测的要求; 可以根据语音信号序列的嵌入维数选取预测模型的记忆长度. 所提出模型可以为语音信号重构和压缩编码开辟一条新途径, 以改善语音信号处理方法的复杂度和处理效果.     

A comparative study between LMS and PSO algorithms on the optical channel estimation for radio over fiber systems

In this paper the particle swarm optimization (PSO) and least mean square (LMS) algorithms are comparatively studied to estimate the optical communication channel parameters for radio over fiber systems. It is observed that especially in low noise one tap optical channels, the convergence of LMS algorithm is approximately same with PSO algorithm. On the other hand, as a communication medium, selecting high noisy fiber optical channels or free space optical channels; PSO reaches better mean square error values. The computational complexity which is one of the most important features for optimization algorithms has also been taken into account.