分享到:

基于模糊自适应滤波器的噪声对消系统

引言线性滤波方法在信号处理领域中得到了极为广泛的应用,其主要原因有二:第一,线性滤波方法分析简单,实现方便;第二,许多噪声都可近似地认为是高斯噪声,在这种情况下,线性滤波器性能良好.但是,在实际应用中,噪声的性质往往会发生变化.例如在移动通讯信道、卫星通讯链路、回音对消、电话交换等应用场合中,常常混杂着非高斯噪声;又如在语音增强等应用场合中,希望滤处掉噪声干扰而不致使信号本身受到任何平滑处理.在这些情况下,线性滤波器的性能会严重恶化.为此,人们研究开发了多种非线性滤波器来取代线性滤波器,以期取得更好的效果.近年来,人们对Sugeno模糊推理方法进行了大量研究[1,2,3],取得了很大进展.Buckley[4]的报告指出:一个Sugeno模糊推理系统可以从任意精度上一致逼近任意定义在致密集上的非线性函数,因此具有反向传播学习算法的模糊推理系统可以做为任意非线性动态系统的辩识器,进而组成非线性自适应滤波器.本文给出了一种模糊非线性自...  (本文共5页) 阅读全文>>

《信号处理》1998年01期
信号处理

基于最小离差准则的自适应滤波器设计

一、概述基于二阶统计理论的信号处理方法很好地解决了对于高斯分布信号的处理,也为高斯噪声的去除寻求到一些最优的滤波方法,如纺纲滤波器、卡尔曼滤波器。但实际应用时,存在大量的非高斯噪声,如低频大气噪声、多数的人造噪声、雷达的海杂波、电话线路中的差错模式以及通讯线路中的一些非高斯突发干扰,它们或多或少具有脉冲性质”·“‘-41,这是一类十分重要的服从稳定分布的噪声,它们虽与高斯分布具有相似的某些特性,如均满足稳定性与中心极限定理,但其密度函数具有代数拖尾而非指数拖尾,由此其二阶及二阶以上统计量均不存在,所以传统的基于二阶理论的有效性受到限制。采用最小均方误差准则设计的滤波器,如维纳滤波器、卡尔曼滤波器,处理这一类噪声时已不再是最优滤波器。在这种情况下,实数维低阶矩理论成为处理这一类信号的工具。本文根据最小离差准则,设计了基于最小绝对误差算法(LMAD)的自适应滤波器,并用该滤波器对被服从标准。稳定分布(s。s)噪声污染的实际语音信号进...  (本文共5页) 阅读全文>>

《实验技术与管理》2018年02期
实验技术与管理

自适应滤波器综合实验设计

现代数字信号处理课程是高等院校信息处理专业学生的必修课,不仅是相关专业博士研究生入学考试科目,而且也是研究生的重要课程。自适应滤波理论是现代信号处理课程中的重要内容。它广泛应用于系统辨识、语音预测、回波消除、自适应信道均衡、天线阵波束形成、噪声消除等领域[1-3]。自适应滤波器的工作参数随输入信号统计特性的变化而自适应调整,可以得到较好的滤波效果[4-10]。自适应滤波器理论性强且内容抽象,所涉及到的数学知识面广,公式复杂。本文针对上述问题设计综合实验,并制作了基于MatlabGUI的实验界面。通过该实验可以使学生理解自适应滤波器的理论、掌握算法、并能够联系到实际应用中去,加强学生的实践能力。1自适应滤波器综合实验设计思路自适应滤波器综合实验分为信号产生、信号传输、自适应滤波及显示4部分,实验模型见图1。信号产生部分由零均值白噪声v1(n)通过线性时不变(lineartime invariant,LTI)系统H1(z)产生一个随...  (本文共3页) 阅读全文>>

《华南理工大学学报(自然科学版)》2017年12期
华南理工大学学报(自然科学版)

去除移动心电中运动干扰的前馈组合自适应滤波器

移动心电信号中的运动干扰会降低心电信号的质量[1],使其难以被辨认而导致误诊[2].由于运动干扰与移动心电信号的频率类似[3],很难被去除,为了解决上述问题,通常使用自适应滤波器去除移动心电信号中的运动干扰[4].由Widrow和Hoff等[5]提出的最小均方自适应滤波器(LMS-AF)是最常使用的自适应滤波器,由于其固定步长μ与失调成正比,与收敛速度成反比,因此,传统的LMS-AF在收敛速度和失调上存在矛盾.通常解决上述矛盾的方法是使用变步长自适应滤波器(VSS-LMS-AF)[6].运算开始时VSS-LMS-AF会使用大的步长来加速算法的收敛速度,步长会随着迭代次数的增加而减小,以保证收敛精度.VSS-LMS-AF可以优化LMS-AF的性能.一些判据可以用来调整步长,例如瞬态均方误差[7]、相邻梯度的符号变化[6]、瞬态均方误差的梯度[8]、误差信号的自相关[9]、误差信号自相关系数的均值[10]、输入信号和误差信号的方差[...  (本文共6页) 阅读全文>>

《数码世界》2017年07期
数码世界

自适应滤波器在语音信号识别中的应用

1自适应滤波器设计1.1自适应滤波器原理自适应滤波器技术以自适应算法的性能问题为核心,根据统计特性中的未知与变化部分,对自身参数进行调整,使某种最佳准则需求得到满足,并分别被称为“学习”过程与“跟踪”过程;就本质而言,自适应滤波器属于一种能够对自身参数进行自主调节的特殊维纳滤波器。在设计过程中,必须要提前对输入信号与噪声统计特性的相关知识有所了解,它可以在工作过程中对需要的统计特性进行预估,基于此对自身参数进行自动调整,使滤波效果达到最佳。如果输入信号的统计特性有所变化,它还可以对这一变化进行跟踪,对参数进行自动调整,以此实现滤波器最佳性能的达成。以自适应噪声滤波器为例,其原理图如下所示。图1自适应滤波器原理框图自适应滤波器涉及到两个输入端,即初始输入端与参考输入端,将有用信号与噪声的混合假设为初始信号,那么参考输入信号就采用一个有关于噪声分量的噪声,通过自适应滤波器,在噪声抵消器的输出端就可以抵消噪声被,实现有用信号的获取。2...  (本文共1页) 阅读全文>>

《微型电脑应用》2012年03期
微型电脑应用

免疫算法自适应滤波器对白噪声的抑制

0引言在机械故障中,有各类故障信号,包括齿轮故障,不对中故障,裂纹故障等,在分析其故障信息时,根据频谱分析和谐振情况来判断故障类型,但经常因白噪声的干扰使测量结果出现偏差而无法得到正确的结果[1,2],因此如何去除白噪声的干扰是提高故障诊断精度是一个关键问题。在信号处理中,已有很多的针对白噪声的滤波方法,关键是看对有用信号了解多少先验知识,并结合实际应用。对于已知的信号,受到白噪声干扰后,想恢复信号的波形时,常用的方法是基于LMS(Least mean square)算法的自适应滤波。自适应滤波器实际上是一种能够自动调整本身参数的特殊维纳滤波器,免疫算法是近些年来发展起来的优化算法,它是一种是高度并行的自适应搜索方法,对于优化滤波器的性能具有十分重要的意义,所以免疫算法能够被引入到自适应滤波器的参数优化中[3,4]。本文将免疫算法的自适应滤波器应用到白噪声抑制,从带有白噪声的多频信号中提取单频信号,通过仿真验证了该方法的可行性。...  (本文共5页) 阅读全文>>