用模糊自适应滤波算法估计时延

为了对系统中的时延进行估计 ,基于 MRAS结构、最小均方算法和模糊理论 ,利用系统的输入和输出数据 ,提出了自适应模糊滤波 AFLMS算法 .该算法的运算量比通常具有 IIR形式的系统辨识算法小得多 ,且收敛快 ,便于实时应用 .在各种最小均方算法中 ,μ因子决定算法的收敛速度和稳定性 ,然而它是难以选择的 .采用模糊技术来确定μ因子 ,克服了其困难 .采用 PRBS作为输入测试信号 ,利用计算机和采样电路 ,对带有时延的系统的仿真结果说明了该算法的有效性 .

一种模糊自适应滤波算法的研究与实现

为解决均值滤波和中值滤波算法在数字信号处理中存在的问题,提出一种模糊自适应滤波算法.根据每个元素噪声度的大小控制均值滤波窗口的大小,并做了大量的仿真.与普通的均值滤波和中值滤波进行比较发现,该方法不仅很好地去除了信号中混有的脉冲,而且在不损坏信号细节的前提下,很好地滤除了噪声信号.最后,使用了信噪比改善因子S来检验算法的滤波效果,证明其滤波效果好于传统的中值滤波和均值滤波,且具有算法简单、实时性好等特点,并已经应用在很多场合.

一种改进型自适应加权模糊均值滤波算法

针对原有的自适应加权模糊均值AWFM滤波器对局部噪声幅度估计不足的缺点 ,提出了一种新的改进型自适应加权模糊均值MAWFM滤波算法。该算法采用了一种新的模糊检测方法 ,可以同时检测各个像素点的正负向噪声幅度 ,从而能够建立一种新的自适应的模糊信号空间 ,以适应噪声在各个图像局部的变化。实验结果表明 ,MAWFM滤波器比以前的AWFM滤波器及传统的中值滤波器均有较优越的性能。

基于模糊自适应卡尔曼滤波的室内定位研究

常规基于RSSI测距模型的算法,未知节点所测的RSSI值在室内环境中容易受到信号衰减等因素的干扰,从而导致所测RSSI值不准确,针对这一问题,提出将模糊自适应卡尔曼滤波与RSSI测距模型结合。通过模糊自适应卡尔曼滤波算法优化未知节点RSSI测距模型计算出的坐标值,最后通过MATLAB仿真软件验证了所提出定位模型的可行性和准确性。