归一化子带自适应滤波器步长控制

定步长子带自适应滤波器必须在快的收敛速度和低的稳态失调之间进行折中。根据自适应滤波器系数向量均方偏差与步长之间的函数关系,该文采用使自适应滤波器系数向量均方偏差在每次迭代更新时最速下降的方法,提出一种步长控制算法来解决上述问题。该算法可以兼得快的收敛速度和低的稳态失调。实验结果验证了该方法的有效性。     

基于子带分解的自适应滤波

本文对基于子带分解的自适应滤波做了研究，给出子带分解下的包含子带间滤波的最优维纳解和ＬＭＳ算法，并分析了其收敛性能和计算复杂度，与传统的ＬＭＳ算法相比，基于子带分解的自适应滤波具有更好的性能，计算机模拟结果也体现了这一点。     

小波神经网络用于双模噪声的消噪

小波神经网络利用了小波变换的良好的时域和频域的分析能力以及神经网络的自学习能力,具有良好的容错能力和逼近能力。针对双模斯噪声,提出基于小波神经网络的双模噪声背景下信号的消噪算法,介绍了双模噪声的3种简化模型,阐述了小波神经网络的基本概念以及基于此方法的消噪算法。将小波神经网络用于此3种双模噪声背景下信号的消噪。实验结果表明,该方法能有效地消除已知信号中的双模噪声。     

基于几何特征的模糊神经网络去噪方法研究

提出一种新的基于几何特征的模糊神经网络去噪方法.首先用裂缝8个种类的几何特征向量对噪声点的估计作为输入,建立起一个模糊神经网络系统(FNN),并对大量的噪声图像进行训练,然后将训练好的FNN用于判断图像点是否为噪声点,如果是噪声点,则用传统的中值滤波进行去噪,否则不作任何操作,保留原图像作为重构输出图像.实验结果表明,该方法既消除了噪声,又很好的保留了图像的细节,效果令人满意.     

基于改进的FXLMS算法的主动降噪耳机系统研究

为了有效解决主动降噪耳机系统的低频噪声,采用变步长FXLMS自适应滤波算法,克服传统定步长收敛速度与稳态误差相互制约的不足,通过构造合适的变步长因子,不但改善算法的收敛速度,而且减少了稳态误差.构建主动降噪耳机模拟控制系统,模拟次级通道路径,对噪声进行处理,仿真实验表明,该算法可以有效降低频噪声,相较于传统算法,该算法具有较好的性能.     

一种子带分频段信道估计算法

针对当前高速率通信中信道阶数很长导致信道估计和均衡困难的问题,利用子带 滤波器组近似完全重构的特点,提出一种在子带内进行分频段信道估计、在全频带综合信道 参数的估计方法。该方法较全频带信道估计收敛速度快,收敛误差小,能很好适应恶劣的信 道情况。虽然总的计算量大于全频带信道估计,但由于采用并行计算,所以能大大减少运算 时间。仿真试验表明,在重构误差足够小的情况下,子带数目越多,收敛越快,收敛残差比 全频带信道估计小5 dB左右。     

基于BP神经网络的数字语音去噪方法研究

利用设计的BP神经网络滤波器对引入噪声的数字实验语音信号进行去噪试验 ,并在此试验的基础上对其去噪效果与FIR维纳滤波器去噪效果进行分析和比较 ,结果表明利用BP神经网络滤波器对数字实验语音信号进行去噪具有良好的效果。     

基于粒子重采样滤波算法的红外图像消噪

针对红外图像消噪的特性,提出粒子重采样滤波算法。首先通过Chapman-Kolmogorov方程对粒子群系统空间状态的概率密度函数预测状态;然后重采样去除小权值粒子,保留复制权值较大的粒子,且大权值粒子多次采样;接着有效粒子数阈值防止粒子退化,划分粒子权值为大、中、小三类,中权值粒子保留,大、小权值粒子合并产生新粒子,通过Thompson-Taylor算法随机挑选新粒子重采样;最后消噪模型采用两种噪声迭加成的混合双模噪声模型,给出了算法流程。仿真结果表明,本文算法在有效保留图像重要信息的同时对噪声的抑制效果更为理想。     

基于BP神经网络的数字语音去噪方法研究

利用设计的BP神经网络滤波器对引入噪声的数字实验语音信号进行去噪试验,并在此试验的基础上对其去噪效果与FIR维纳滤波器去噪效果进行分析和比较,结果表明利用BP神经网络滤波器对数字实验语音信号进行去噪具有良好的效果.     

基于BP神经网络的数字语音去噪方法研究

利用设计的BP神经网络滤波器对引入噪声的数字实验语音信号进行去噪试验,并在此试验的基础上对其去噪效果与FIR维纳滤波器去噪效果进行分析和比较,结果表明利用BP神经网络滤波器对数字实验语音信号进行去噪具有良好的效果.     

噪声有源控制的人工神经网络方法

讨论了有源噪声控制（ＡＮＣ）问题,提出一种基于人工神经网络的非线性噪声有源自适应控制方法,给出了一种基于误差梯度下降的学习算法,证明了闭环控制系统在Ｌｙａｐｕｎｏｖ意义下的稳定性。     

自适应主动噪声控制系统的仿真研究

对主动噪声控制系统的前馈型、反馈型和混合型3种控制方式进行了比较,利用Simulink设计了实现FxLMS算法的模块,并进行仿真。结果表明,前馈型控制方式可降低与参考信号相关的噪声;反馈型控制方式可降低可预测的噪声;而混合型控制方式可同时降低这2种噪声。     

有源电力滤波器新型神经网络控制方法

基于神经网络理论和瞬时无功功率理论，提出了一种新型有源电力滤波器控制方法，消除了电源电流在负载电流发生突变处产生的锯齿抖动。这种方法实时检测负载电流的二阶导数，判断负载电流是否发生突变。发生突变则采用基于神经网络理论的程序模块进行补偿电流控制。神经网络模块采用离线训练方法，应用误差反向传播(BP)算法，选择前向三层人工神经网络的模型得以实现。这种方法可以应用在单相、三相电力系统的滤波电路中。仿真结果证明了这种算法的有效性。     

基于神经网络的风机管道噪声有源控制的实验研究

通过实验来考察空气流动对传声器测量信号的影响，给出了基于神经网络的风机管道噪声有源控制的实验结果。实验结果表明，风机管道中空气流动对传声器测量信号的影响很大。在实验中采用了几项保护措施，使得次级路径的辨识结果对风机管道中空气流动不再敏感。实验结果表明了基于神经网络的风机管道噪声有源控制系统的有效性。     

内模型神经网络在有源噪声控制中的应用

采用IMC结构与人工神经网络方法解决了无法得到参考信号和系统非线性的问题，设计内模型神经网络控制器对噪声进行控制。通过仿真和实验证明，该控制结构能有效消除噪声中所含的周期噪声。非线性系统的仿真实例表明，内模型神经网络控制方法明显优于线性滤波X-LMS算法。     

基于神经网络噪声检测的自适应中值滤波器

针对椒盐噪声污染图像的滤波问题,提出了一种基于前馈神经网络的噪声检测器。基于这种噪声检测方法,采用自适应中值滤波算法,依据像素点的不同属性采用不同的滤波策略。实验结果表明,该算法在有效去除椒盐噪声的同时更好地保留了图像的边缘和细节,是一种有效的图像去噪方法。     

一种归一化QPLL的未知时变谐波噪声主动控制算法

针对船舶机械未知时变谐波噪声的主动控制问题,基于正交锁相环原理,提出了一种归一化QPLL（Quadrature Phase Locked Loop）的未知时变谐波噪声主动控制方法.通过在相位/频率更新结构中引入参数调整因子,形成一种改进的QPLL结构;引入次级通道,设计并提出了基于QPLL的未知时变谐波噪声控制算法.首先,通过平均化理论和线性化方法,分析该算法的稳定性,指出了次级通道特性和谐波信号幅值对该算法收敛性能的影响;其次,基于分析结果,引入次级通道、幅值归一化措施,形成一种归一化的未知时变谐波噪声主动控制算法,提升稳定性能和收敛速度;最后,通过仿真验证了归一化改进措施对未知时变谐波噪声主动控制算法综合性能的改善效果.     

一种递归模糊神经网络自适应控制方法

构造了一种递归模糊神经网络(RFNN),该RFNN利用递归神经网络实现模糊推理,并通过在网络的第一层添加了反馈连接,使网络具有了动态信息处理能力.基于所设计的RFNN,提出了一种自适应控制方案,在该控制方案中,采用了两个RFNN分别用于对被控对象进行辨识和控制.将所提出的自适应控制方案应用于交流伺服系统,并给出了仿真实验结果,验证了所提方法的有效性.     

基于改进Hopfield神经网络的自适应二维噪声对消器

提出了基于连续型Hopfield神经网络(CHNN)的自适应二维噪声对消器,讨论了神经网络的结构和原理及相应的自适应滤波算法,并从理论上进行了论证.仿真结果表明相对于采用最小均方算法的二维线性噪声对消器,CHNN噪声对消器能更有效实现二维噪声的消除,保持原信号的完整性,获得较好的去噪声效果.     

DSP在有源噪声控制中的应用

DSP技术已广泛应用于噪声及振动控制的各个领域,由于其本身的结构特点,如具有并行的硬件法器、流水结构以及快速的片内存储器等资源,特别适合于有源噪声控制中的信号处理。介绍了DSP在有源噪声控制中的噪声控制原理、应用及其于DSP的噪声控制算法实现,最后给出了实现结果。实验结果表明,降噪效果明显。