用一种少参数非线性自适应滤波器自适应预测低维混沌时间序列

基于混沌动力系统的相空间延迟坐标重构，利用混沌序列固有的确定性和非线性，提出了用 于混沌时间序列预测的一种少参数非线性自适应滤波预测模型.该预测模型在Volterra自适 应滤波器的基础上引入sigmoid函数来减少待定参数.实验研究表明，这种少参数非线性自适 应滤波预测器仅需用50个样本经20次预训练后，就能有效地预测一些低维混沌序列，且这种 少参数非线性自适应滤波预测器更便于工程实现.  

非线性时间序列的小波分频预测

基于噪声的小波变换特点，结合小波包分解和模极大重构来抽取含噪信号的主分量，提出了一种基于最佳尺度分解和Volterra自适应滤波的分频预测算法，使用较少的模型训练样本，同时具有强的抗噪能力.该算法克服了传统小波分解尺度选取的盲目性及单纯Volterra预测器抗噪性能的不足，数值仿真表明，针对含强噪声的非线性信号可进行有效预测.  

基于自适应滤波器的大气湍流噪声抑制

为了解决大气湍流效应所引起的光无线通信系统中的衰落问题,建立了与大气湍流噪声及其它加性噪声有关的信号模型,实现了最大输出信噪比可提高3-20dB的匹配滤波器。根据最大似然比准则,推导了强度调制/直接探测(IM/DD)的光无线通信系统的最佳判决门限。采用自适应滤波器实现了对探测门限中所含的信号和湍流的统计值的预测,该自适应门限探测技术对大气湍流噪声有很好的抑制作用,在强湍流情况下,可降低系统的误码率到10-5以下。  

供热负荷时间序列混沌特性分析及预报模型研究

为揭示供热负荷时间序列蕴含的内在动态特性,采用非线性分析方法对供热负荷时间序列混沌特性进行识别.以集中供热热源和热力站负荷时间序列为研究对象,进行相空间重构,求得了饱和关联维数和最大Lyapunov指数,验证了供热负荷时间序列的混沌特性,为供热负荷预报研究提供了混沌理论基础.针对现有供热负荷预报方法多为主观模型方法,本文提出了一种基于Volterra自适应滤波器的供热负荷预报方法,该方法不必事先建立主观模型,而直接根据负荷序列本身的特性进行预报,避免了负荷预报的人为主观性.最后,给出了供热负荷预报算例,仿真结果表明二阶Volterra自适应滤波器模型预报精度较高,可满足供热工程节能控制及热力调度的需要. 关键词： 供热节能 负荷预报 混沌 Volterra自适应滤波器  

计算机辅助消声

利用自适应信号处理的有源噪声控制技术具有改变噪声谱形伏的独特能力,系统的操作灵活、维护费用较低,其性能和可靠性继续在改进,初装费用不断下降,它必将成为各种噪声控制工程的优选方案。 有源噪声控制用电信号激励扬声器产生相反波形的声音以进行噪声抵消。自适应数字信号处理技术用传声器接收不需要的噪声,经ⅡR自适应滤波器处理,然后由扬声器产生声波抵消。扬声器和误差传声器的信号特性由另一自适应滤波器用无规噪声连续修正并  

场景自适应的红外焦平面成像动态范围调整技术

针对红外焦平面对辐射强度较大的目标输出动态范围不足的问题,提出了一种场景自适应的红外焦平面成像动态范围调整技术。包括3个方面的内容:从图像中提取目标灰度特征,获取动态范围自适应依据;结合最小均方自适应滤波算法,对调整依据进行滤波预测后给出调节值;把灰度调节值转换成电平值,利用电平值设置红外焦平面偏置电压完成焦平面成像动态范围自适应。最后,对整体方案进行了实验验证。通过在红外焦平面成像系统中实验证明了基于场景成像动态范围自适应方法的可行性,并获得了很好的效果,成像质量有明显提高。  

A modified fractional least mean square algorithm for chaotic and nonstationary time series prediction

A method of modifying the architecture of fractional least mean square （FLMS） algorithm is presented to work with nonlinear time series prediction. Here we incorporate an adjustable gain parameter in the weight adaptation equation of the original FLMS algorithm and absorb the gamma function in the fractional step size parameter. This approach provides an interesting achievement in the performance of the filter in terms of handling the nonlinear problems with less computational burden by avoiding the evaluation of complex gamma function. We call this new algorithm as the modified fractional least mean square （MFLMS） algorithm. The predictive performance for the nonlinear Mackey glass chaotic time series is observed and evaluated using the classical LMS, FLMS, kernel LMS, and proposed MFLMS adaptive filters. The simulation results for the time series with and without noise confirm the superiority and improvement in the prediction capability of the proposed MFLMS predictor over its counterparts.  

自适应滤波器在机载武器测试系统中的应用

针对飞机机载武器设备特点和测试维修要求,在分析了自适应滤波器的结构、最优评估等特性基础上,根据现场可编程门阵列(FPGA)的设计过程,构建了基于最小均方误差(LMS)算法的横向自适应滤波器.仿真结果和使用表明:设计实现的自适应滤波器,在FPGA中开辟512 kB的随机存储器(RAM)存储空间,能够实现权值系数向量的自动调节,且适应信号变化的特性,滤波后的信号测试误差不大于5%,且LMS算法在0.1 ms内可收敛到最优,满足数据处理的实时性和机载武器系统测试的要求.  

基于分数阶最大相关熵算法的混沌时间序列预测

为提高最大相关熵算法对混沌时间序列的预测速度和精度，提出了一种新的分数阶最大相关熵算法.在采用最大相关熵准则的基础上，利用分数阶微分设计了一种新的权重更新方法.在alpha噪声环境下，采用新的分数阶最大相关熵算法对Mackey-Glass和Lorenz两类具有代表性的混沌时间序列进行预测，并分析了分数阶的阶数对混沌时间序列预测性能的影响.仿真结果表明：与最小均方算法、最大相关熵算法以及分数阶最小均方算法三类自适应滤波算法相比，所提分数阶最大相关熵算法在混沌时间序列预测中能够有效地抑制非高斯脉冲噪声干扰的影响，具有较快收的敛速度和较低的稳态误差.  

Real-time adaptive noise cancelling for signal-to-noise enhancement in direct absorption spectroscopy

An adaptive filter for cancelling noise contained in the direct absorption spectra is reported. This technique takes advantage of the periodical nature of the repetitively scanned spectral signal, and requires no prior knowledge of the detailed properties of noises. An experimental system devised for measuring CH 4 is used to test the performance of the filter. The measurement results show that the signal-to-noise (S/N) value is improved by a factor of 2. A higher enhancement factor of the S/N value of 5.4 is obtained through open-air measurement owing to higher distortions of the raw data. In addition, the response time of this filter, which characterizes the real-time detection ability of the system, is nine times shorter than that of a conventional signal averaging solution, under the condition that the filter order is 100.