自适应滤波在有源消声中的应用

从分析有源消声的难点出发 ,综述了自适应滤波算法在有源消声中的应用 ,给出了相应的实例 .对自适应滤波在有源消声中应用的未来发展趋势作了展望 .     

基于微机控制实现的自适应有源消声

提出一个以微机为核心的自适应有源消声系统,该系统能为研究不同系统结构的有源消声提供一个灵活的实验平台。文中采用ＬＭＳ算法为自适应滤波控制器,能自动补偿背景噪声、环境参数和电声参数变化对消声效果的影响,能在较宽频带内取得显著的消声量。实验结果表明：在双次级源的自由空间布放方式下,该系统对５０～４００Ｈｚ范围内的单频、窄带随机噪声取得的最大消声量在４０ｄＢ以上。     

基于对称非线性函数的变步长LMS自适应滤波算法

为解决自适应最小均方误差（least mean squares,LMS）滤波算法难以平衡稳态误差和收敛速度的问题,提出了基于对称非线性函数的变步长LMS自适应滤波算法。通过自变量取绝对值、叠加非线性拉伸量改进Sigmoid函数,构造一个对称非线性函数用于刻画步长因子与稳态误差的非线性关系。该对称非线性函数具有能够根据误差动态调整步长、更快达到收敛状态的特点。根据构造的对称非线性函数和输入信号功率生成归一化变步长因子,解决噪声逐级放大的问题,进一步提高算法的滤波效果同时,加速收敛。实验表明：该算法在低信噪比、信噪比变化、信号频率变化、滤波器阶数变化、延迟采样点数变化条件下均具有更好的滤波效果、更优的稳定性和更快的收敛速度。     

融入粒子群优化的UPF算法研究及其导航应用

粒子滤波易出现粒子多样性损失,粒子退化等问题,且在初始未知时,需要粒子数较多,收敛较慢。针对上述缺陷,在UKF和PF滤波基础上,将改进了搜索因子的粒子群优化算法融入U粒子滤波算法,提出了一种新型粒子滤波算法,加速了算法的收敛速度。将其应用于地形匹配导航算法中,仿真结果表明该新型算法明显优于UPF及PF算法,更适应于大误差的初始条件下,收敛速度快,具有更高的导航精度和抗噪特性。     

一种基于估计熵的自适应模糊滤波器及其在箭遥信号处理中的仿真应用

介绍了一种基于估计熵的自适应模糊滤波器 ,并将其应用于宽带噪声中火箭遥测速变信号的数字滤波。讨论了自适应模糊滤波算法 ,给出了应用实验结果。分析和实验表明 ,这种新型滤波器能根据信号的复杂程度自动调节其参数 ,对宽带噪声中非平稳随机信号有较好的滤波效果     

数字化扩频接收机的自适应抗干扰滤波方案研究

讨论了自适应抗干扰滤波在最小频移键控的直接序列扩频(DS-MSK)数字化接收机中的应用问题,对非线性滤波加以改进,提出了部分解扩非线性滤波(PDNF)结构,将快速更新子带自适应滤波(FRSAF)算法用于PDNF结构以提高收敛速度。结合FRSAF算法的PDNF自适应抗干扰滤波方案在收敛速度、稳健性和输出信噪比等方面明显优于结合LMS算法的传统非线性抗干扰滤波方案,仿真结果验证了上述结论。     

自适应补偿H_∞滤波器在组合导航中的应用

针对传统递推式鲁棒H∞滤波收敛条件在工程中较难满足的问题,提出了一种自适应补偿的递推式鲁棒滤波算法。在分析滤波器收敛条件的基础上,对滤波器中迭代矩阵进行补偿程度自适应的修改,并结合实际系统要求给出了滤波误差定量度量指标,即响应时间、偏离度、波动程度,以验证算法的正确性。GPS/IN S等组合导航系统仿真结果表明,此方法滤波误差下降速度、无偏性及平稳性均优于改进前滤波算法,且计算量几乎不增加;此方法克服了收敛条件不满足导致滤波精度下降的缺陷,扩大了递推式鲁棒滤波的应用范围,具有较大的工程应用价值。     

基于估值修正的分布式传感器网络最小均方算法

为使分布式传感器网络自适应滤波算法在具有快速收敛和低稳态误差的同时,具有对脉冲干扰的鲁棒性,在扩散LMS自适应滤波算法基础上,提出一种基于参数估值p阶范数修正的变步长最小均方自适应滤波算法,算法通过使用参数估值的p阶范数增抗其对脉冲噪声的抗干扰能力,通过合理设置变步长控制因子使得算法在收敛初期的收敛速度及收敛后期的稳态误差在一个较小的范围取得一个较好的平衡。对比实验表明,相比已有算法,所提算法性能更优且具有较好的鲁棒性。     

自适应控制中的Hartley块算法及实验

针对小波包自适应控制子频带内包含大量卷积和相关运算导致算法收敛速度慢的问题,提出基于Hartley块的小波包滤波最小均方算法。将快速Hartley变换引入块算法,实现频域内快速卷积和相关运算;在子频带内应用Hartley块算法生成控制信号,通过重叠保留法提出基于Hartley块的小波包滤波最小均方算法;通过仿真和实验研究了定频和扫频两种工况下的隔振性能和控制效果。结果表明,基于Hartley块的小波包滤波最小均方算法不仅可以大幅缩短收敛时间,还能显著提高控制精度,且鲁棒性和稳定性良好,能够很好地应用在工程实际中。     

基于SVD的机动目标自适应滤波研究与仿真

由于计算误差等因素的影响,致使滤波协方差阵不对称或负定,从而导致滤波器发散,影响滤波算法的收敛速度和稳定性.该研究在机动加速度"当前"统计自适应卡尔曼滤波算法的基础上,引入了基于奇异值分解(SVD)的协方差平方根滤波的自适应卡尔曼滤波算法.仿真结果表明,该算法可以较好地跟踪机动目标,具有精度高、稳定好、收敛快等特点.     

变步长自适应算法在GPS空时抗干扰中的应用

针对基于FROST阵列处理的最小均方算法(FROSR-least mean squares,FLMS)收敛速度较慢的缺点,将FLMS算法和变步长技术相结合,采用了一种基于Sigmoid函数的变步长快速自适应算法(variable step-size FROSR-least mean squares,VFLMS)。将该算法应用于GPS接收机空时自适应处理系统中,理论分析和计算机仿真表明,VFLMS算法能够抑制大于阵元个数的多个宽、窄带干扰,效果理想。     

一种改进的变步长归一化LMS算法

在以往的基于ＬＭＳ算法的研究中，归一化ＬＭＳ算法（ＮＬＭＳ）增大了算法的动态输入范围，但该算法对噪声很敏感。引入自相关的变步长ＬＭＳ算法（ＶＳＳＬＭＳ）不仅加快了收敛速度，可在非平稳状态下进行快速跟踪，而且消除了独立噪声的干扰，但它无法适应大范围的动态输入。本文综合它们的优点而得到的算法，在低信噪比和大范围的动态输入情况下都有良好的性能。     

双变因子LMS自适应滤波算法

为提高最小均方(LMS)自适应滤波算法的性能,在步长因子与误差信号满足一种改进的Sigmoid函数关系式的基础上,提出了一种双变因子控制下的变步长LMS自适应滤波算法。该算法具有初始状态收敛速度快、稳定状态均方误差小、抗噪声性能好、适应系统跃变能力强的优点。计算机仿真结果验证了该算法的优越性。     

一种基于LMS的时域相干累积算法研究

为了克服低信噪比条件下传统的自适应滤波算法抑制高斯噪声效果差的缺点,提出了基于最小均方(LMS)的时域相干累积新算法。计算机仿真结果表明,该算法具有良好的抑制高斯噪声的性能,对于低信噪比下信号的增强效果明显优于传统的自适应滤波算法。     

基于改进量子遗传算法的有源噪声控制方法

提出了一种基于改进量子遗传算法的格型IIR滤波器结构的有源噪声控制方法——改进的量子遗传算法(IQGA)。其核心是在对量子门更新过程进行改进的基础上,引入群体灾变和自适应搜索网格的策略。IQGA不仅收敛速度快,还可以改变基本遗传算法(GA)的局部搜索能力,克服基本遗传算法存在的未成熟收敛问题。仿真结果表明,该算法可以有效地实现噪声控制。     

自适应逆控制FXLMS算法有源噪声控制仿真研究

前馈有源噪声控制方法可在较宽的频带有效,使之获得了广泛的应用.在前馈有源噪声控制中,直接使用传统的FXLMS算法时,由于次级通道传递函数往往是非最小相位系统,导致系统的性能下降.文中提出一种基于非最小相位系统逆控制的自适应前馈有源噪声控制FXLMS算法,用带宽随机噪声信号和实测风机通风管道噪声信号进行仿真实验研究,结果表明,较传统的FXLMS算法有明显的改进.     

基于BP网络的管道自适应有源消声研究

由于管道有源消声系统的参数时变性和本质非线性,基于传统自适应算法的控制系统稳定性不够,容易产生振荡.文章采用神经网络BP算法,利用Matlab6.0建立了管道有源消声的仿真控制系统.通过与采用传统自适应算法的控制系统进行仿真研究对比,证明采用神经网络BP算法的控制系统消声效果更加明显.     

增量元学习IDBD算法在轴频电场信号检测中的应用

为了提高海洋环境电场背景中微弱舰船轴频电场的检测能力,针对传统的最小均方误差算法进行了改进,提出了一种基于增量元学习IDBD算法的自适应线谱增强器。利用所提算法对舰船缩比模型产生的实测轴频电场信号数据进行处理,结果表明该算法在低信噪比的情况下能够有效地将微弱轴频电场信号从宽带背景噪声中分离出来。所提算法相比于普通的自适应线谱算法,在改善信号的信噪比方面效果更加显著,且具有更快的收敛速度和更小的稳态误差,极大提高了舰船轴频电场的检测能力。     

基于LMS2UKF的主/被动雷达融合算法

在主/被动雷达双传感器目标跟踪背景下,针对IMM算法的计算量大,提出一种基于变结构多模型思想的LMS2UKF分布式融合算法。该算法将LMS算法和UKF滤波算法结合进行矩阵加权融合。与IMM2UKF算法进行仿真比较,结果表明在相同情况下,本算法有较好的稳定性和较好的定位精度。     

基于正态分布曲线的分段式变步长LMS算法

针对传统最小均方误差(Least Mean Square, LMS)自适应滤波算法由于步长固定,在解决稳态误差与收敛性之间的关系时,始终处于矛盾状态的问题,在对传统的固定步长LMS自适应滤波算法分析的基础上,根据变步长LMS自适应滤波算法的步长调整原则,通过构造步长因子与误差信号的非线性函数,提出了一种基于正态分布曲线的分段式变步长LMS自适应滤波算法,并分析了参数取值对算法性能的影响。针对实际信号处理过程中参考信号难以选取的问题,提出了一种基于分裂阵的参考信号选取方法。理论和海试数据分析结果表明:该算法的收敛速度和稳态误差明显优于固定步长的LMS自适应滤波算法和基于Sigmoid函数的变步长LMS自适应滤波算法。