基于Volterra滤波器的参量阵扬声器互调失真补偿研究

针对单边带调制方法预处理的参量阵扬声器系统在复杂信号输入情况下存在明显互调失真的问题,引入Volterra滤波器模型和简化的一维Volterra滤波器模拟了其互调失真。设计了相应的逆滤波器,并对其抑制系统互调失真的性能进行了实验对比。结果表明,所设计的逆滤波器都能有效降低系统的互调失真,而后者具有较低的计算复杂度。

一种全解耦的RLS自适应Volterra滤波器

本文研究了Volterra自适应滤波器解耦问题,提出了一种全解耦的RIS自适应Volterra滤波器.按照Volterra滤波器的伪线性组合结构,采用RIS滤波原理和约束优化理论,导出了满足最小累计平方误差指标的具有分块对角形输入相关矩阵的全解耦Volterra标准方程,据此设计了一种全解耦的RLS自适应Volterra滤波器,给出了滤波器权向量自适应修正的一套公式.仿真结果验证了本文方法的有效性.

一种总体最小二乘算法及在Volterra滤波器中的应用

针对输入输出观测数据均含有噪声的滤波问题,提出了一种鲁棒的总体最小二乘自适应算法.该算法利用滤波器的增广权向量的瑞利商为损失函数,导出了其自适应迭代公式,并利用随机离散学习规律对权向量模的分析进行算法梯度修正,提高了算法的噪声鲁棒性,而且使得算法简单,稳定性好,收敛精度高.将该算法应用于Volterra滤波器,可使滤波器在非线性系统中的信噪比达到10dB,在学习因子为0.01时,算法仍然能够保持良好的收敛性.仿真结果表明,即使在高噪声环境或使用较大学习因子的情况下,该算法的鲁棒抗噪性能和稳态收敛精度均明显高于其他总体最小二乘方法.

基于稀疏Volterra滤波器混沌时间序列自适应预测

针对混沌时间序列预测问题,提出了一种稀疏Volterra滤波器,该滤波器采用归一化最小均方自适应算法进行多次训练,每次训练只保留滤波系数矢量和输入信号矢量的有效分量进行下一次训练,从而将Volter-ra滤波器的有效滤波系数个数减至最少,降低了预测模型的复杂性。四种混沌时间序列的预测实验表明:该滤波器可同时实现对混沌流和混沌映射的建模与预测,可有效地减少滤波器的滤波系数个数,能在不损失预测精度的前提下,降低预测模型复杂性。

基于自组织法求解的Volterra滤波器应用于洪水预报

采用自相关函数法选取时间延迟、伪邻近点法选取嵌入维数,并通过相空间重构,计算得到正的最大Lya punov指数,证明了洪水序列具有混沌特性.并将m阶截断求和的Volterra级数滤波器作为洪水序列的全局预测函数.鉴于Volterra级数滤波器系数的个数随阶数按幂次快速增加,而导致在应用上难以实现的特点,引入自组织法(GMDH),通过逐层建立模型,最终解得Volterra级数滤波器的理想表达式.应用实例表明,基于GMDH求解的Volterra级数滤波器不仅增强了计算效率,而且可以得到足够的计算准确度.

基于Volterra滤波器的混沌背景弱信号检测

针对混沌背景弱信号检测问题,提出了一种基于Volterra滤波器的混沌背景弱信号检测算法。在Volterra滤波系数计算过程中,采用了解线性方程组算法代替原有的自适应算法,提高了混沌预测精度以及混沌背景中弱信号检测性能。仿真结果表明,本文所提出的算法在信混比达到-70dB时,仍能检测混沌背景中微弱信号。

短期负荷预测Volterra滤波器间隔采样模型

针对现有Volterra滤波器模型按混沌轨道逐点训练的模式易发生训练不充分或过拟合现象并最终影响短期负荷预测效果的问题,提出了依据相空间邻近轨道演化相似性特点,建立基于高阶非线性Volterra滤波器(HONFIR)的短期负荷预测多步预测模型(MSF-HONFIR)。通过定义距离相似度、趋势相似度来衡量轨道演化相似性,提出了负荷吸引子邻近轨道判别的新方法。在MSF-HONFIR模型基础上将原始负荷序列分解为多个子序列并分别对各个子序列建立预测模型,显著削弱了系统累积误差。短期负荷预测仿真结果表明MSF-HONFIR模型的多步预测性能优于原有HONFIR模型。

基于自适应Volterra滤波器的非线性系统辨识

为了识别非线性系统的参数,本文提出了一种基于自适应Volterra滤波器的非线性系统辨识方法。给出了自适应Volterra滤波器的LMS和RLS算法。数值仿真结果表明,该方法对于非线性定常和时变系统都有效。

EEG信号的Volterra滤波器自适应预测研究

基于 Takens的相空间延迟坐标重构及大量的非线性系统可以用 Volterra级数表征这一特性 .研究了利用 FIR乘积耦合近似实现的三阶 Volterra级数滤波器结构对具有高维混沌特性的 EEG信号进行预测 .数值仿真结果表明 ,这种滤波器结构能够有效地对 EEG信号进行预测 .

基于格型预处理的二阶自适应Volterra滤波器

虽然Volterra LMS(VLMS)算法简单,计算量小,但是由于Volterra滤波器系统是非线性的,使得输入向量自相关矩阵包含了输入信号的高阶统计量,导致矩阵特征值扩展很大,因此其收敛速度一般很慢。为加快收敛速度,利用格型滤波器后向预测误差的正交特性,提出采用两个格型滤波器正交预处理的自适应Volterra滤波算法。仿真结果表明,该算法具有比VLMS算法和GPV算法更为优越的收敛性能。

一种改进的自适应Volterra滤波器

针对部分耦合LMS自适应Volterra滤波器存在的不足,提出了一种改进的自适应Volterra滤波器。改进滤波器通过运用修正LMS Newton算法,大大减弱了步长因子对滤波器收敛性能的影响。与部分耦合LMS自适应Volterra滤波器相比,改进滤波器的收敛速度和精度都有了较大的改进。计算机仿真结果验证了该滤波器的有效性。

Volterra滤波器在混响背景下信号检测中的应用

混响是主动声纳检测中主要的背景干扰,它是一种有色干扰噪声,并常被看作是一个非平稳的随机过程,这使得工作在白噪声条件下检测器的性能在一定程度上受到限制。关于混响背景下信号的检测问题是人们一直关注的问题,通常人们将混响视为随机信号进行建模,而忽视它的混沌特性。将混响视为混沌噪声并进行混沌建模,利用Volterra滤波器实现混响时间序列预测,实现混响背景噪声下信号的检测,并通过仿真得到预期结果。

多级Volterra滤波器的非线性系统建模(英文)

提出多级Volterra滤波器非线性建模方法 ,该滤波器等价于文献 [1]给出的分块解耦Volterra滤波器 ,此方法简化了文献 [1]中复杂的推导过程 .通过比较两种滤波器的均方误差 ,进一步分析其与标准Volterra滤波器的性能差异 ,给出刻画该性能差异的误差量 .

基于Volterra滤波器的机械振动信号消噪

为了滤除机械振动信号所含高斯噪声和脉冲干扰,提出一种基于Volterra级数的机械振动信号滤波方法.依据Volterra泛函级数建立了机械振动信号的非线性滤波器模型,并采用遗传算法对其核参数进行优化调节,使理想输出与实际输出间的均方误差最小,从而达到滤除噪声的目的.通过与均值滤波、中值滤波及Wiener滤波的仿真实验对比分析表明:该方法对机械振动信号的消噪效果优于其它方法.

基于Volterra滤波器的非线性窄带主动噪声控制系统

窄带主动噪声控制(narrowband active noise control,NANC)技术已广泛用于窄带噪声的抑制中。但是实际声学环境中,往往存在非线性扰动,使得初级噪声在相消点易产生非线性扭曲,单纯的线性NANC系统难以将其滤除。考虑到实际中窄带噪声受非线性扭曲后表现出的特点,提出了一种基于Volterra滤波器的新型非线性NANC系统。该系统最大的特点为线性滤波器与非线性滤波器是独立的,不但能有效的降低受非线性影响的窄带噪声,而且通过线型滤波器可以剔除噪声中的基频部分,只需单独调节非线性滤波器便可以滤除噪声中的高次谐波,为以后系统中非线性部分的进一步研究提供了依据。并使用了一种基于滤波-X LMS(FXLMS)的算法得到控制滤波器权值更新方程,通过大量的仿真实验验证了Volterra滤波器的非线性NANC系统在抑制受非线性扰动或扭曲的窄带噪声中的有效性。

UFMC系统中基于Volterra滤波器的非线性失真补偿方案

为实现通用滤波多载波(UFMC)通信系统高效、可靠的通信性能,需在最大程度上补偿由记忆型高功率放大器(HPA)引起的非线性失真.为解决HPA造成的失真问题,本文提出了一种基于Volterra滤波器的非线性失真补偿(V-NLDC)技术.该技术利用了Volterra级数的稀疏特性和能够模拟任意精度非线性系统的性质以逐次逼近的方式对信号进行预失真.将预失真后的信号传送至HPA,然后采用噪声消除器做进一步噪声消除处理,以达到更小失真度的目的.同时,本研究采用收敛速度快、性能稳定的自适应最小二乘法(RLS),可根据环境变化自适应地计算Volterra滤波器和噪声消除器的系数.通过大量蒙特卡罗仿真实验证实了所提出的非线性失真补偿技术可以很好的补偿由记忆型HPA非线性失真所造成的影响,从而优化系统性能.

图像边缘提取的自适应Volterra滤波器设计

Ｖｏｌｔｅｒａ滤波是研究信号高阶统计冗余性的一种有效途径．我们提出了一种用于提取图像边缘的自适应二次Ｖｏｌｔｅｒａ滤波器设计方法．这种滤波器是推广型Ｔｅａｇｅｒ基滤子的线性组合，其系数用基于极小化最小均方能量函数的共轭梯度法确定；它兼有局域平均和高通特性，因而可均衡去除噪声和增强图像边缘．文章还给出了计算实例．

基于混沌特性分析和Volterra滤波器的光伏出力预测

在混沌理论中,现有嵌入维数计算方法往往难以获得时间序列的最佳嵌入维数,不同计算方法获得的嵌入维数稍有不同,相应光伏出力的预测结果也就不同。为减小嵌入维数对预测结果的影响,在分析光伏出力时间序列非线性动力学特性的基础上,设计了一种基于多嵌入维数的Volterra组合预测模型。组合模型采用神经网络对各嵌入维数下的Volterra单一模型进行组合,单一预测模型均采用性能表现最好的2阶Volterra滤波器。仿真结果验证了组合模型的可行性和有效性。

数值稳健的自适应二阶Volterra滤波器

本文采用广义多信道模型，利用ＱＲ分解方法，实现了自适应二阶Ｖｏｌｔｅｒｒａ滤波器。计算机模拟结果表明该实现收敛速度快、数值性能好。

α稳定分布下Volterra滤波器的自适应数据块算法

基于分数低阶统计量原理提出了α稳定分布下Volterra滤波器的数据块滤波算法。该算法对Volterra滤波器权向量的线性项部分和非线性项部分分别采用不同的收敛因子,克服了传统只采用一个收敛因子的Volterra滤波器算法收敛性能差缺点,利用更多的输入信号和误差信号信息,更好地估计梯度,更精确地调节自适应滤波器权向量,提高了收敛速度。仿真结果验证了该方法的优越性。