基于比例归一化阈值的外骨骼步态识别方法

为提高外骨骼的运动跟随能力,设计了一种基于薄膜式压力传感器的外骨骼足底传感系统,采用足底传感系统,采集并解算出足底压力信号,提出了一种基于比例归一化阈值的步态识别方法。与传统基于双阈值的步态识别方法相比,基于比例归一化阈值的步态识别方法步态识别更加灵活,同时克服了传统步态识别方法抗干扰能力差、无法同时兼顾步态识别灵敏性和准确性的缺点。实验结果表明足底压力传感器沿鞋底纵向分布的合理性和基于比例归一化阈值步态识别方法的可行性。

基于成比例归一化最小均方误差算法的压缩感知信号重构

在压缩感知理论框架中,一个关键问题是信号的稀疏重构。这个问题可以归结为一个结构化的非光滑优化问题。本文提出了一种基于自适应滤波成比例归一化最小均方的压缩传感重构算法ASS-ZA-LMS-SA(adaptive step size zeroattraction least mean square sigmoid algorithm),在该算法中,为了提高算法的收敛性,我们将sigmoid函数引入到压缩感知重构的代价函数中,此外,我们利用自适应滤波与信号稀疏重构的相似性,将成比例归一化最小均方算法应用到压缩感知重构,设计了一种基于自适应滤波算法的压缩感知稀疏信号重构算法。实验结果表明,与传统的压缩感知重构算法相比,我们所提出的算法具有更高的重构精度以及更快的收敛速度。

用快速自适应和相关度检测算法的回声抵消器

介绍了一种使用快速PNLMS自适应算法和快速相关度检测算法的新回声抵消器算法FPNLMS .快速PNLMS自适应算法通过快速判定自适应滤波器的更新步长方法 ,提高了自适应滤波器的收敛速度并减小计算复杂度 ;快速相关度检测算法能够在低信噪比的情况快速准确地判断出双端通话状态 .测试表明 。

语音通信系统中的自适应回声消除技术

在回声消除系统的自适应滤波器优化过程中,由于时变的噪声环境,正则化参数的最优值难以确定。为解决上述问题,提出了一种正则化参数随系统噪声功率大小进行调节的自适应回声消除技术。首先使用分析滤波器组将扬声器输出信号和麦克风采集信号分成若干个频(子)带,扬声器输出信号作为自适应滤波器的输入信号,估计回声反馈信号,并从麦克风采集信号中减去;在每个子带中,利用系统噪声抵消原理,得出了一种适用于子带自适应滤波器系数更新的变正则化参数算法(VR-IPNSAF)。与已有的子带自适应滤波器系数更新算法相比,新算法在解决快速收敛和稳态失调之间矛盾的同时,克服了正则化参数最优值的选取难题。仿真结果验证了所提算法的有效性,为语音通信优化提供了依据。

均匀收敛PNLMS自适应算法性能分析与应用

按照均匀收敛的总体要求,通过分析不同权值抽头的均方偏差收敛过程,得到一种均匀收敛比例归一化最小均方算法.对PNLMS算法比例系数进行改进得到另一种均匀收敛算法.仿真结果表明:所提算法保持了PNLMS类算法初始收敛速度快的特点,在整个过程中获得了均匀的速度,稳态误差与NLMS算法基本相同.

一种低复杂度的稀疏控制MPNLMS算法

稀疏控制算法将稀疏性系数加入到步长控制因子递推计算过程中,加速了传统回声消除算法的收敛速度。但其快速收敛与低复杂度是一对矛盾的需求。针对这一矛盾,提出了一种基于集员滤波的稀疏控制MPNLMS算法(SM-SCMPNLMS)。该算法中只有当参数估计误差大于给定的误差门限时滤波器系数才进行迭代更新,从而有效地减少了滤波器系数的迭代次数。在稀疏、色散路径以及路径突变三种环境下进行了仿真,结果表明新算法在降低计算复杂度的同时,表现出了与稀疏控制MPNLMS算法同样优良的收敛速度和稳态回波返回损失强度。

一种用于回声消除的变步长SC-MPNLMS频域分块算法

针对回声路径的冲激响应时间长,稀疏控制μ律比例归一化最小均方算法(SC-MPNLMS)计算复杂度高的问题,提出一种变步长的频域分块SC-MPNLMS的线性回归,得到估计回声每个频点的自相关,以及估计回声与误差信号的互相关来确定泄漏系数,从而调整全局步长因子对自适应滤波器系数进行变步长矩阵的更新,改善了算法在稳态阶段时步长因子过大的缺点。针对频域分块自适应滤波算法初始收敛速度慢的问题,将滤波器初始权值赋值为稀疏度适中的随机序列。实验结果表明,在回声路径不同的稀疏程度条件下,保持了与SC-MPNLMS算法相近的收敛速度与稳态回声返回损耗增量(ERLE),并且降低了算法复杂度。

基于改进CYCBD的滚动轴承复合故障自适应诊断方法

为实现滚动轴承复合故障自适应诊断,该研究提出了基于循环含量比-归一化谐波比例(Ratio of Cyclic Content-Normalized Proportion of Harmonics,RCC-NPH)融合指标改进的最大二阶循环平稳盲解卷积(Maximum second order cyclostationary blind deconvolution,CYCBD)方法。首先,构建了RCC-NPH融合指标,解决了CYCBD算法循环频率确定依赖先验知识及遍历所有故障频率空间耗时的问题。其次,根据RCC-NPH融合指标图估计CYCBD的循环频率集,实现了CYCBD参数的自适应选择。再次,采用自适应参数CYCBD方法对输入信号进行解卷积运算,提取了不同循环频率对应的故障信号。最后,对提取的故障信号进行Hilbert包络解调分析,完成故障的辨识。利用该方法分别对仿真信号和轴承复合故障信号进行试验,均能有效检测信号中包含的故障成分,实现了复合故障的自适应诊断。与其他指标相比,该方法能够有效避免噪声和谐波的干扰,适用于复合故障诊断。