一种变正则化矩阵的改进多带结构子带自适应滤波算法

定正则化因子的改进多带结构子带自适应滤波(IMSAF)算法在取得收敛速度快和稳态失调误差小之间存在冲突.根据系统噪声抵消原理,设定子带后验误差功率等于子带噪声功率,本文提出了变正则化矩阵的IMSAF算法来解决这一问题.仿真结果证明,所提算法可以同时达到收敛速度快、稳态失调误差小以及追踪速度快等优势.

基于Windows平台的音效增强系统设计与实现

针对消费电子类产品中扬声器体积小型化所导致的低频重放能力有限、动态范围较小、频响曲线不佳、声场过窄等问题,开发了i Surround音效增强算法,包括扬声器均衡、图示均衡器、立体声增强、虚拟低音、动态范围压缩和自动音量控制等。在Windows平台上以虚拟声卡的形式实现该算法,最后运用主观听音实验的方法,证明了i Surround音效增强算法在低音表现力、声场宽度、空间环绕感等方面有明显提高。同时,也与目前主流音效算法就行了比较。

一种稀疏系统辨识的子带自适应滤波算法

利用改进的多带结构子带自适应滤波(IMSAF)算法辨识具有稀疏特性的未知系统。代价函数引入加权的l_1范数作为附加约束,并结合次梯度分析方法推导出新的更新方程。根据加权矩阵选取的不同,提出了两个l_1范数约束的IMSAF算法:l_1-IMSAF和l_1-RIMSAF。仿真结果表明,在未知系统具备稀疏特性的条件下,相较于传统的IMSAF算法,两个新算法的收敛性能具有显著提高。

用于块稀疏系统辨识的混合范数约束LMS算法

系统辨识是自适应滤波算法的一个重要应用场景。传统自适应滤波算法只是利用已知的输入信号和输出信号，通过迭代更新的方式估计未知系统向量。然而，在实际的应用场景中，未知系统自身的结构特性（例如块稀疏性）可以被用于改善算法的收敛性能。