一种变步长的零吸引归一化自适应滤波算法

为了使最小均方算法对高斯噪声环境和稀疏系统具有更好的收敛速度和稳态误差,提出了一种变步长的零吸引归一化最小均方算法。该算法将改进的Versoria函数的稀疏感知范数与归一化最小均方算法相结合后,引入了一种新的类高斯函数的变步长策略,解决了固定步长条件下算法收敛速度较慢、跟踪性能较差的问题。从理论层面分析了所提算法的收敛性,并基于MATLAB平台讨论了改进的类高斯步长函数中各参数对算法性能的影响。最后将所提算法与其他同类算法应用于不同信噪比条件下的高斯噪声环境以及稀疏环境中进行未知系统辨识实验,仿真结果表明,所提算法具有更快的收敛速度、更好的跟踪能力以及较小的稳态误差。

次级通道模型误差下滤波X型最小均方差算法性能的分析

分别从时域和频域对滤波X型LMS算法(即FXLMS算法)的性能进行分析,分析表明次级通道模型误差对FXLMS算法影响的大小取决于其相对误差随频率的分布,当相对误差不随频率而变化时,次级通道模型误差将不再对FXLMS算法的性能产生影响。其次证明了FXLMS算法的一个极限性质,该性质表明当滤波器的长度足够大时,次级通道模型误差对FXLMS算法没有影响,故通过提高滤波器的长度可以补偿模型误差对性能带来的负面影响。最后,给出了FXLMS算法“溢振”现象的机理。

次级通道模型误差下滤波X型最小均方差算法收敛性分析

给出了滤波Ｘ型ＬＭＳ（ＦＸＬＭＳ）算法收敛的一个充分条件，指出如果次级通道传递函数与其估计值在所有频带上满足正实条件，则ＦＸＬＭＳ算法对任意参考信号收敛。若上述正实条件仅在某些频带上满足，则ＦＸＬＭＳ算法的收敛将依赖于参考信号功率谱密度的分布。收敛步长取决于某特定相关矩阵特征值的分布。将上述结论应用于时延型ＬＭＳ（ＤＬＭＳ）算法，得出在时延估计存在误差时，ＤＬＭＳ算法收敛于若干离散的频带，而频带宽度完全取决于“对延估计误差频率”（时延估计误差倒数的１／４）。

磁异常的最小均方差滤波化极

本方法是波数域磁异常化极的正则化方法，能增强化极算子的稳定性，同时压制高波数干扰。对低纬度地区及干扰严重的中低纬度地区航磁异常化极，能压制磁南北方向的条带状干扰，获得稳定结果。对含有较高噪声水平的高精度地面磁测△Ｔ异常化极，不论纬度高低，都能较大程度地压低噪声水平，得到高质量的化极结果。

基于循环神经网络的自适应滤波方法及应用研究

针对目前地震工程研究领域在滤波方法上存在人为因素、峰值突刺、噪声干扰等方面的缺陷,结合递归最小二乘法(RLS)和循环神经网络(RNN)模型,提出了一种自适应滤波的新方法。研究分析表明,该方法通过设置自适应调节滤波器参数以及算法的自我迭代等方式进行滤波,对噪声识别能力和滤波速度上均优于美国地质调查局(United States Geological Survey,USGS)所推荐的传统滤波方法,并可有效降低滤波后对原始波形的失真损坏以及相位提前等问题。同时,运用所提自适应滤波方法将其应用于不同场地类型台站的含速度脉冲近场地震记录,进一步验证了自适应滤波方法的有效性和适用性。研究成果为地震工程领域的滤波分析提出了一种新思路和新方法,也可为地震记录处理及相关应用工作提供参考。

基于自适应无迹卡尔曼滤波算法的锂电池荷电状态预测

针对无迹卡尔曼滤波在噪声不稳定和工况复杂的情况下锂电池荷电状态预测准确度低的问题,提出基于二阶等效RC电路模型,采用遗忘因子递推最小二乘法对模型参数进行辨识,使用自适应无迹卡尔曼滤波算法(AUKF)对锂电池荷电状态进行预测,最后在DST数据工况下,验证预测模型的准确性。对无迹卡尔曼滤波(UKF)算法和提出的AUKF算法进行仿真对比,结果表明:所提算法的最大误差在±0.02之内,预测精度更高、适用性更强。

结合最小均方差滤波和目标灰度的边缘检测

针对图像处理中对噪声去除和边界保持两方面的需要,对灰度值差异不大的目标之边缘检测算法进行了研究。首先,对最小均方差滤波器模板进行改进,并将方差最小模板对应的灰度中值作为被处理像素的新灰度值以实现图像去噪;然后,选取部分目标区域并以其灰度中值为基础设置上、下阈值实现图像分割,对分割后的图像运用Canny算子检测目标边缘;最后,运用MATLAB软件进行算法仿真。仿真结果表明:该算法不仅能在去除噪声的同时实现对目标与非目标的有效分割,还能保证目标轮廓的完整性。该算法能够对目标灰度值差异不大的图像进行去噪、分割,并获取完整的目标轮廓。

基于LMS自适应滤波的雷达随队干扰抵消

随队干扰是雷达对抗中常用的干扰方式,通常通过遮盖目标回波信号而使雷达失去探测能力,因此需要加以抑制。随队干扰经常是非平稳的随机信号,在此情况下,文中利用最小均方(LMS)自适应滤波器得到干扰的估计并将其从雷达接收信号中消除,从而给出了一种基于LMS自适应滤波的雷达随队干扰抵消方法。首先,建立了雷达接收信号模型,包括主阵列天线接收信号和辅助阵元接收信号;然后,给出了基于LMS自适应滤波的干扰抵消原理,它实际上将辅助阵元接收信号输入自适应滤波器得到随队干扰估计,从主阵列天线接收信号中减去此干扰估计从而实现干扰抵消,通过分析抵消器的性能发现,除了辐射干扰的目标难以探测外,编队中其他目标的信干噪比都得到了提高;最后,给出了随队干扰抵消的仿真实例,验证了上述干扰抵消方法的良好效果。

基于自适应滤波器的皮带机动态称重信号处理方法

针对目前皮带机动态称重系统的称重信号存在噪声或干扰的问题,提出了一种改进自适应噪声消除(IANC)的称重信号处理方法。建立了皮带机动态称重系统动态响应过程的数学模型。设计了结合卡尔曼和最小均方的算法(KF-LMS),提升了ANC噪声消除的性能。实验阶段,通过模拟和搭建实验平台对所提方法进行测试。结果表明,与LMS,NLMS,SLMS等算法相比,所提的KF-LMS算法在皮带机动态称重信号处理中具有良好性能,具备较高的可靠性和称重精度。实验结果验证了所提方法的有效性和实用性,该模型具有广阔的应用前景。

一种基于最小均方差的3D自适应预测视频编码

研究了一种基于最小均方差(LMS)的自适应预测视频编码方法。这种视频编码方法灵活可调,相比传统的混合编码方法,由于减小了方块效应和平滑作用,因而可以改善视频编码的整体质量。实验结果证明,这种视频编码的方法可以显著改善视频质量,提高功率信噪比(PSNR),对于运动物体和背景之间的对比度较大以及照度变化较大的视频序列,改善的效果尤为明显。

基于最小均方和递归最小二乘的自适应滤波器设计

本文首先研究了自适应滤波器的基本原理、系统组成结构以及实际应用,深入分析了基于最小均方误差准则的LMS算法和基于最小二乘准则的RLS算法;分析了两种算法的优点以及缺点.其次在自适应滤波算法的基础上,对于消噪算法重点分析了结构、性能以及衡量指标.对于传统的自适应噪声抵消提出了一种自动追踪最佳滤波器参数的实现方法,经过验证,经过算法后可以有效地寻找对应噪声的自适应滤波器的最佳阶数和步长.

最小均方自适应滤波器设计及性能影响因素分析

同步相量测量单元是全局同步时钟下实现电网中电压和电流信号同步相量、频率和频率变化率测量的仪器,但信号中通常包括大量噪声,对其应用造成较大影响。本文在数字滤波器基础上提出最小均方自适应滤波器,阐述了最小均方自适应滤波器基本原理和计算方法,通过算例分析了步长参数、滤波器阶数、信噪比变化对最小均方自适应滤波器收敛速度、系统跟踪速度和稳态误差等指标的影响,揭示了其变化规律。

基于自适应滤波器的最小方差性能评价方法

控制器性能评价是工业过程控制中的重要研究课题,工业应用结果表明:性能评价技术可以有效提高工业过程的性能。这篇论文基于最小方差准则来评价控制器的性能,在具体评价过程中提出了使用自适应滤波器,通过训练建立系统输出和噪声的自适应线性系统模型,实验结果证明,自适应滤波器技术在控制器性能评价中是一种简单的实现方法。

一种稳定的总体最小二乘自适应滤波算法

针对输入输出观测数据均含有噪声的滤波问题,提出了一种稳定的总体最小二乘自适应算法.该算法以系统的增广权向量的瑞利商与增广权向量最后元素的约束项的和作为总损失函数,利用梯度最陡下降原理导出权向量的自适应迭代算法,并通过对算法稳定性的分析确定了算法中学习因子的取值范围.所提出的算法稳定,计算复杂度低,既没有平方根运算,也不需要标准化处理.仿真实验表明,该算法的收敛性能、鲁棒抗噪性能和稳态收敛精度均明显高于同类其他总体最小二乘算法.

基于最小均方自适应滤波器的热工过程建模方法

针对热工对象的时变性特点及其在运行过程中易受到不确定性干扰的影响,提出一种基于最小均方(least mean square,LMS)自适应滤波器的热工过程建模方法。LMS滤波器以未知对象的输入和输出作为激励和期望信号,通过最速下降法得到未知对象的有限脉冲响应(finity impluse response,FIR)模型,其与差分方程或传递函数是等价的。实验仿真和某电厂实际运行数据验证了该算法的有效性。这种建模方法避免了复杂的机理分析,其抽头权值的分布可以表征热工对象的动态特性,为分析热工对象提供了一种手段。

最小二乘自适应滤波旋转机械阶比跟踪研究

为克服等角度重采样的计算阶比跟踪方法不能在时域提取阶比的不足,提出了直接在时域进行自适应滤波的阶比跟踪方法.通过研究周期性负载机械系统振动信号的特点,构造了包括状态方程和观测方程的振动信号模型.状态方程表示了阶比幅值的平滑变化,观测方程表示了测量误差和噪声.通过构造加权最小二乘自适应滤波器,实现了各阶比成分在时域中提取.并根据滤波矩阵的特殊性,采用共轭梯度法求解滤波方程.实验结果表明,该方法能够在时域中准确地提取幅值和频率变化的阶比,适合于旋转机械振动响应特征提取.

基于LMS自适应滤波器的PMSM谐波抑制方法

为有效抑制电流谐波,在原有的PI控制器基础上,基于最小均方自适应滤波器(LMS-ANF)改造控制器结构,使得永磁同步电机特定次电流谐波得到抑制。通过在传统d,q坐标系矢量控制算法的基础上增加自适应滤波器模块,将采样得到的实际电流作为输入,提取、放大实际电流中的特定次谐波电流,通过PI调节器对谐波误差放大后的电流进行调节,得到控制电压,取得了良好的谐波抑制效果。通过仿真以及台架实验,证明了该控制策略对于抑制电流谐波的有效性。

鲁棒总体均方最小自适应滤波:算法与分析

本文研究了在输入输出观测数据均含有噪声的情况下如何有效地进行鲁棒自适应滤波的问题 .以总体均方误差 (TMSE)最小为准则 ,基于最速下降原理 ,通过对总体均方误差梯度进行修正 ,提出了一种鲁棒的总体均方最小自适应滤波算法 .通过与已有算法的对比分析表明 ,该算法能够有效地降低权向量的每步调整量对噪声的敏感程度 .仿真实验的结果进一步表明 ,该算法的鲁棒抗噪性能和稳态收敛精度明显地高于其它同类方法 ,而且可以使用较大的学习因子 ,在高噪声环境下仍然保持良好的收敛性 .

改进的最小均方自适应滤波算法

针对传统的固定步长最小均方(LMS)算法应用于雷达杂波自适应滤波器系统存在收敛速度与收敛精确度相矛盾的问题,提出一种新的变步长LMS自适应滤波算法。在其基础步长迭代公式中,通过组合自相关误差与前一步长因子来实时更新迭代下一步长因子的方法,达到具有较快的收敛速度和较小的失调,并且不受已经存在的不相关噪声的干扰的效果。仿真结果表明,所提方法的实验效果与传统固定步长LMS算法及已有算法相比,在收敛速率、收敛精度、抑制噪声方面都有很大的改善,证明所提算法是有效、可行的,且与理论分析一致。

利用最小二乘自适应滤波实现绕射波分离

尺度目标体的绕射波能量较弱,常被能量较强的反射波淹没,与反射波一起成像难度较大.因而,实现绕射波成像的核心问题之一为绕射波与反射波分离.通常建立反射波模型的方法有Radon变换等域变换类方法,但该类方法在减去反射波能量上存在问题.为更彻底实现压制反射波目的,本文引入自适应滤波方法,该方法较简单的减去法能更好预测反射波能量.实际资料应用效果表明,最小二乘自适应滤波方法能更好突显单炮记录上绕射波特征,得到的叠加剖面中反射波去除更为彻底干净,偏移剖面中小断层、断点、尖灭点等小尺度地质体成像清晰.