应用于助听器反馈抑制系统的变步长归一化子带自适应滤波算法

为减小自适应滤波算法中较快的收敛速度与较低的失调量之间的矛盾,提出了一种变步长归一化子带自适应滤波(VSS-NSAF)算法,并将其用于助听器声反馈抑制系统.该算法基于滤波器系数短时平均和长时平均之间的归一化距离,将滤波器的更新状态分为收敛状态、过渡状态和平稳状态.滤波器可在不同更新状态下自适应地使用不同步长,收敛状态下使用大步长以保证快速收敛,过渡状态下则使用逐步减小的阶梯状步长以进一步降低失调量,平稳状态下使用小步长以保证系统收敛至稳态解.仿真实验结果表明,与传统的归一化最小均方误差(NLMS)算法及其他子带自适应滤波算法相比,所提算法的收敛速度更快,平均稳态失调量更低.

基于功率谱的非均匀子带自适应滤波

根据输入信号的功率谱特征,非均匀滤波器组能够动态调整子带滤波器的带宽和位置,可以获得比均匀滤波器组更好的收敛性能.根据子带最小均方(least mean square,LMS)自适应算法的收敛特性,以提高其收敛速度为目标,提出了一种基于功率谱信息的非均匀子带自适应滤波方法,并详细讨论了非均匀滤波器组实现结构和信号重建性能.计算机仿真实验和分析表明,与现有的均匀和非均匀滤波器组设计方法相比,在子带数目相同的条件下,本文提出的方法能有效地降低子带信号的最大特征值扩散度,而信号重建性能基本相同.

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。

分布式子带自适应滤波算法

为了解决分布式最小均方算法在输入信号相关性较高时收敛速度较慢、分布式仿射投影算法计算复杂度较高等问题,本文提出了两种分布式子带自适应滤波算法,即递增式和扩散式子带自适应滤波算法.分布式子带自适应滤波算法将节点信号进行子带分割来降低信号的相关性,从而加快收敛速度.由于用于子带分割的滤波器组中包含了抽取单元,所以分布式子带自适应滤波算法和对应的分布式最小均方算法的计算复杂度相近.仿真结果表明,与分布式最小均方算法相比,分布式子带自适应滤波算法具有更好的收敛性能.

零吸引符号子带自适应滤波算法

现实生活中,普遍存在非高斯冲击噪声导致基于l_2范数的归一化子带自适应滤波算法(Normalised Subband Adaptive Filter,NSAF)性能退化甚至失效的问题,而符号子带自适应滤波算法(Sign Subband Adaptive Filter,SSAF)可有效克服此问题,在非高斯冲击噪声环境下改善算法性能。但是,该算法未考虑许多实际应用系统具有的稀疏特性。根据稀疏性的特点,在传统的符号子带自适应滤波算法中引入零吸引因子,使得算法在运算系统中占主要地位的小系数时具有更快的收敛速度,从而提高算法的整体收敛速度。仿真结果表明,提出的算法无论在非高斯还是在高斯噪声下,对稀疏系统均有较快的快敛速度和较小的稳态误差。

利用直接矩阵求逆和临界采样子带自适应滤波器的快速系统辨识

在许多应用中,子带自适应滤波器结构已经显示了其在计算和性能上的优点。基于最近提出的一个采用临界采样滤波器组的子带自适应结构,该文引入了子带直接矩阵求逆(DMI)算法。在保持了该算法快速收敛优点的同时,利用相关矩阵块三对角的特殊结构,降低了该算法的计算复杂度。理论分析及计算机实验显示,子带直接矩阵求逆算法只需经过较少的更新次数——自适应子滤波器自由度的两倍,就能够收敛到高于最小均方误差的3dB附近。

结合房间声学特点的子带自适应滤波声学回音抵消算法

子带自适应滤波算法是处理长阶声学回声抵消问题的重要方法之一。结合房间声学的特点,对各子带采用不同长度的FIR滤波器进行滤波,将有限的资源进行更合理的分配,节省了资源和计算量,并在一定程度上提高了收敛速度。

应用于声反馈抑制的变步长归一化子带自适应滤波算法

针对自适应滤波算法中稳态失调量和收敛速度之间的矛盾,提出了一种新的变步长归一化子带自适应滤波算法。该算法在系统噪声抵消原理的基础上,用迭代收缩的方法估计得到无噪先验子带误差的功率,对每个子带步长进行更新。对所提出的算法进行数学分析,可以得出该算法是稳定的和收敛的。在长回声路径和短回声路径两种情况下,将该算法应用于助听器声反馈抑制系统中。相对于其他归一化子带自适应滤波算法,仿真实验表明,所提算法实现了更快的收敛速度,获得了更低的失调量。

改进子带自适应滤波算法及其在回波抵消中的应用

本文提出了两种基于多带结构的仿射投影符号子带自适应滤波器(Affine Projection Sign Subband Adaptive Filter,AP-SSAF)的改进方法。针对稀疏系统的系统识别,设计了两种子带自适应滤波器。首先给出了AP-SSAF的变正则化参数更新方程,文中采用随机梯度下降法来更新正则化参数,来使系统的均方偏差最小化,该方法能同时兼顾快速收敛及低稳态失调。其次将权重分布矩阵引入AP-SSAF得到系数比例AP-SSAF,该方法能够利用系统的稀疏性提高AP-SSAF的收敛性能。仿真中将本文所提算法用于一般系统识别以及回波抵消,实验结果验证了本文的算法对脉冲噪声具有稳健性,具有较好的跟踪性能,并具有较快的收敛速度及低稳态失调。

偏差补偿符号子带自适应滤波器

自适应滤波器在系统辨识、回声消除、信道均衡等领域获得了广泛应用.符号子带自适应滤波器(Sign Subband Adaptive Filter,SSAF)具有较强的抗脉冲干扰能力,但当输入信号受到噪声干扰时,其对未知系统系数向量的估计会产生偏差.为了解决上述问题,本文基于无偏估计准则,提出了一种偏差补偿符号子带自适应滤波器(Bias-Compensated Sign Subband Adaptive Filter,BC-SSAF).为了解决定步长自适应滤波器需要在收敛速度和稳态失调之间进行折中的问题,本文采用随机梯度法来更新正则化参数,提出了变正则化参数偏差补偿符号子带自适应滤波器(Variable Regularization Bias-Compensated Sign Subband Adaptive Filter,VR-BC-SSAF).仿真结果验证了BC-SSAF和VR-BC-SSAF性能的优越性.

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.

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。

柴油机辐射噪声无延迟子带自适应滤波算法

针对柴油机辐射噪声低频梳状谱线控制问题,提出采用无延迟子带自适应滤波算法(DSAF)实现柴油机辐射噪声控制。对比分析DSAF算法与FxLMS算法、DSAF算法在不同子带数目下的降噪性能。在此基础上进行柴油机辐射噪声自适应控制试验研究,结果表明:DSAF算法可以显著节省计算资源,并且不会影响收敛性能,当噪声源为多线谱噪声时可以实现更大的降噪量,且在宽频段控制效果优于FxLMS算法;采用512个子带的DSAF算法比FxLMS算法提高了0.8 dB的降噪量,计算复杂度仅为FxLMS算法的79.6%。

一种新的子带滤波器组的设计

子带自适应滤波器系统的自适应滤波器系数是动态更新的,子带信号通过具有任意幅度和相位响应的滤波器时,完全重构滤波器组消除混叠影响的性能就得不到保证。为了克服这一缺点,通过一种新的子带滤波器组的设计方法,把分析综合滤波器作为一个整体,采用无约束二次优化方法,使综合滤波器组匹配分析滤波器组,在输出信号里单独抑制子带内的混叠失真。性能分析结果表明,该滤波器组的设计方法是有效的。

多带结构自适应滤波器的变步长矩阵设计

为提高归一化子带符号自适应滤波算法的收敛性能,提出了一种基于多带结构的变步长矩阵归一化子带符号自适应滤波设计,该设计方法以后验误差向量的能量为代价函数,求解每次经迭代计算后,使代价函数最小化的各子带最佳步长获得变步长矩阵,并利用滑动平均法给出下次迭代所需的变步长矩阵.无论有无相关信号或是脉冲噪声输入,该算法较传统归一化子带符号自适应滤波算法和已有的一些改进算法相比,具有收敛速度快和稳态失调低,且计算复杂度低的优点.

一种成比例系数的子带自适应啸叫抑制算法

啸叫现象会严重影响扩声系统性能。采用自适应滤波算法辨识反馈路径的方式进行啸叫抑制,将成比例系数的无延时多带结构子带自适应滤波(Proportionate Delayless Multiband-structured Subband Adaptive Filtering,PDMSAF)算法应用到啸叫抑制系统中。该算法继承了子带自适应滤波算法收敛速度快的优点,并考虑到反馈路径的稀疏特性和系统对实时性的要求,采用成比例系数的步长控制和无延时的误差计算方法。仿真结果表明,当扩声系统的反馈路径具有稀疏特性时,PDMSAF算法可以加快自适应滤波的收敛和跟踪速度。

基于集员滤波的选择权更新子带有源噪声控制

通过子带自适应滤波结构,可以提高宽带噪声降噪效果,归一化子带自适应滤波(NSAF)通过在每个子带上使用相同的全带自适应滤波器,消除了传统子带结构会在输出端产生混叠分量的问题,具有较好的收敛性能和稳态均方误差。但由于在每个子带上采用相同的全带自适应滤波器,计算量要高于传统子带结构,集员滤波(SMF)技术具有数据选择更新的特点,可有效降低计算复杂度。基于NSAF结构,建立了前馈ANC无延迟结构,并基于集员滤波技术,通过选择部分权更新来进一步减少计算量,仿真验证了该算法对宽带噪声具有更优的降噪效果。

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。

基于子带分解和比例归一化算法的回声消除器设计与仿真

针对稀疏信道条件下的网络回声抵消问题,提出了一种比例归一化子带自适应滤波算法。该算法基于子带分解结构,并利用网络中回声路径的稀疏特性,使得各个系数的步长与该系数的绝对值成比例,加快了活动系数的收敛速度,从而改善了子带分解算法在稀疏信道条件下的性能。仿真结果表明:将所提算法应用于网络回声消除器,能够获得很快的收敛速度和很低的稳态失调。

基于集员滤波的宽带有源噪声控制算法

子带结构是提高宽带噪声控制的有效方法,归一化子带自适应滤波(NSAF)结构消除了传统子带结构在输出端产生混叠分量的问题,但由于在每个子带上采用相同的全带自适应滤波器,使得计算量高于传统子带结构,集员滤波(SMF)技术具有数据选择更新的特点,可有效降低计算量,且在收敛速度和稳态均方误差之间具有较好的折中性。在此引入集员滤波技术,建立基于NSAF结构的无延迟前馈有源噪声控制系统,降低计算量,最后仿真验证了该算法对宽带噪声具有更优的降噪效果。