基于均方误差最小的卡尔曼滤波实用算法

卡尔曼滤波在各种动态数据处理中应用广泛,为了使滤波结果更加接近实际情况,在经典卡尔曼滤波的基础上,提出均方误差作为评价标准的卡尔曼滤波实用算法。通过经典卡尔曼滤波和该算法对数据处理结果的分析,表明该算法的滤波结果更加有效。

Gamma自适应滤波器及其最小均方误差训练方法

本文提出一种新的自适应滤波器——Gamma 滤波器及其基于最小均方误差准则的训练方法。首先建立了最小均方误差准则下 Gamma 滤波器的 Wiener-Hopf 方程,然后分别提出3种训练算法:(1)高斯-牛顿算法;(2)确定性梯度算法;(3)LMS算法。最后给出Gamma 滤波器在随机信号预测中的应用和仿真结果。

广义卡尔曼滤波均方误差最小性的研究

卡尔曼滤波方法是一种应用广泛的估值方法,但其在应用时,要求系统数学模型已知。而广义卡尔曼滤波在应用时不需要系统数学模型是已知的,具有广泛的适用性。在广义卡尔曼滤波方法的消息模型和测量模型的基础上,讨论了其滤波模型的均方误差最小性问题,即最优滤波器的选取问题。最后通过广义卡尔曼滤波与经典卡尔曼滤波仿真曲线的比较,验证了广义卡尔曼滤波的有效性。

二进制偏移载波最小均方误差预滤波无模糊跟踪方法

针对全球导航卫星系统所使用的二进制偏移载波(BOC)调制信号存在跟踪模糊的问题,提出了一种最小均方误差预滤波(MMSES)无模糊跟踪方法。在分析预滤波代价函数的基础上,首先推导经过相关后的噪声功率项表达式,然后根据最小均方误差准则,以宽度较窄的三角形单峰无模糊相关函数为赋形目标,给出包含噪声项的滤波函数最优解,最后采用预滤波器结构设计出赋形相关器。仿真结果表明,MMSES无模糊跟踪方法能够适用于各种相位和阶数的BOC信号,得到主峰宽度为0.2×10-6 s的单峰相关函数,且在处理高阶调制信号时的跟踪误差在载噪比为25～45dB.Hz范围内,比BPSK-Like方法减少了50%以上,多径误差在延时为0～1.5×10-6 s范围内比BPSK-Like方法减少0.8m。

步长因子对最小均方误差自适应滤波效果影响的研究

自适应滤波器凭借其优越的性能,在微电子、自控、信号处理等诸多领域逐渐得到广泛应用。介绍了自适应滤波原理、自适应滤波算法,论述了步长因子对最小均方误差(LMS)自适应滤波效果的影响,借助MATLAB Simulink对被随机干扰的周期信号进行仿真研究,分析了步长因子对LMS算法收敛速度、滤波过程及输出信号稳态失调的影响。

FMT系统中基于最小均方误差法的滤波器组优化设计

基于滤波多音频(FMT)技术的系统结构,给出了系统中滤波器组的设计,针对系统的某些特定要求对滤波器组的设计方法进行了优化,并对无线信道中优化前后的系统性能进行了仿真实验比较。结果表明,滤波器组的优化设计改善了系统的性能。

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 .

基于最小均方误差的圆弧分段曲线拟合方法

提出了一种基于最小均方误差准则的圆弧分段曲线拟合方法。该方法采用自适应高斯滤波器对原始曲线进行平滑处理以消除噪声影响 ,并提出了一种适合于圆弧曲线拟合的分段算法。在该算法的基础上根据最小均方误差准则 ,以圆弧作为基元对曲线进行拟合。实验结果表明 ,该方法能够较好地消除噪声影响并保留曲线的局部特征。

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。

均方误差意义下正则化解优于最小二乘解的条件

利用矩阵理论导出了均方误差意义下正则化解优于最小二乘解的条件 ,构造了相应的检验统计量 。

采用最小均方误差筛选参数的Hough变换及应用

为了在含有大量噪声的图像中精确地检测形状,提出了采用最小均方误差筛选参数的Hough变换方法:首先采用Hough变换投票得到参数空间上的投票值,然后初步筛选出所有投票值大于投票阈值的参数,再分别计算这些参数对应图像在边界图像中的均方误差,最后选择其中均方误差最小的一组参数作为最后的检测结果.将该方法与取最大投票值的Hough变换分别应用于虹膜外边缘定位并相互比较,实验结果表明,该方法抗噪声能力更强,适用范围更大,得到的结果更加合理.

改进的变步长最小均方误差电子耳蜗语音增强算法

针对外部强噪声环境下电子耳蜗语音质量受损、适应性差等问题,提出了基于谱减法和变步长最小均方误差(LMS)自适应滤波算法联合去噪的改进方法,并以该方法构建了一个电子耳蜗前端语音预处理系统。利用变步长LMS自适应滤波算法输出误差的平方项来调节步长,采用步长值固定与变化相结合的方法,解决了自适应滤波算法收敛速度慢、稳态误差大的问题,适应性得到提高,提高了语音信号通信质量。该系统以TMS320VC5416和音频编解码芯片TLV320AIC23B为核心,通过多通道缓冲串口(McBSP)和串行外设接口(SPI)实现了语音数据的高速采集和实时处理。实验仿真和测试结果表明该算法消除噪声性能好,信噪比在低输入信噪比情况下提高约10 d B,语音质量感知评价(PESQ)分值也得到较大提高,能有效提高语音信号质量,且该系统性能稳定,能进一步提高耳蜗前端语音的清晰度和可懂度。

改进最小均方误差估计的煤尘图像去噪

煤尘图像在采集和传输过程中受到了各种噪声的污染。最小均方误差估计(MMSE)去噪算法对高斯噪声有较好的去噪效果,提出了一种改进的最小均方误差估计(IMMSE)去噪算法,该算法改进了广义高斯分布模型的参数估计方法,相比目前的其他算法,在不降低精度的情况下减少了计算量。中值滤波对脉冲噪声有较好的去噪效果,用自适应中值滤波(AM)代替普通的中值滤波,更好的保留了图像的细节,提高了去噪效果。利用IMMSE和AM自在图像去噪方面的优势,将两者有机地结合起来,提出了一种称之为IMMSE-AM的去噪算法。用IMMSE-AM对真实煤尘图像进行去噪处理,实验结果表明,新算法提高了煤尘图像的去噪效果,并且计算量较小,能够满足对煤尘浓度实时测量的要求。

采用归一化最小均方误差准则的LM-BP算法

传统神经网络通常以最小均方误差(LMS)或最小二乘(RLS)为收敛准则,而在自适应均衡等一些应用中,使用归一化最小均方误差(NLMS)准则可以使神经网络性能更加优越。本文在NLMS准则基础上,提出了一种以Levenberg-Marquardt(LM)训练的神经网络收敛算法。通过将神经网络的误差函数归一化,然后采用LM算法作为训练算法,实现了神经网络的快速收敛。理论分析和实验仿真表明,与采用最速下降法的NLMS准则和采用LM算法的LMS准则相比,本文算法收敛速度快,归一化均方误差更小,应用于神经网络水印系统中实现了水印信息的盲提取,能更好的抵抗噪声、低通滤波和重量化等攻击,性能平均提高了4%。

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。

最小均方误差判决和自适应判决反馈均衡器的设计实现

介绍了基于 FIR和 IIR的采用最小均方误差 (MMSE)算法的判决反馈均衡器 ,针对该算法的缺点提出了两种采用自适应算法的判决反馈均衡器 :LMS算法和 CMA算法 ,对这些算法的仿真表明了各自的性能和优缺点 ,在此基础上提出了一种改进的混合算法 .仿真表明 ,该算法只需要少量的训练序列 ,性能比 CMA算法有明显的改进 .

基于最小均方误差的认知雷达估计波形设计方法

针对认知雷达在感知目标时,目标的散射特性可能是随机分布的,且雷达刚开机往往并不具备目标的相关信息,提出了一种基于最小均方误差(MMSE)准则的认知雷达估计波形设计方法。该方法首先构造观测数据和估计子的联合矩阵,接着通过最小后验期望损失估计公式求取估计子的估计值,然后计算估计值的均方误差(MSE),最后根据最小均方误差(MMSE)准则优化波形。仿真结果表明,通过该方法优化的波形,在估计性能上相对于传统的LFM信号具有明显的优势。

基于线性最小均方误差估计的SAR图像降噪

针对合成孔径雷达(synthetic aperture radar,SAR)图像降噪过程中容易引起细节纹理信息损失的问题,该文结合SAR图像相干斑噪声的统计特性,提出了一种基于变换域系数线性最小均方误差(linear minimum mean-square error,LMMSE)估计的SAR图像降噪方法。首先通过SAR场景下的Kmeans聚类算法将相似图像块聚类;然后针对每一类相似图像块集合进行奇异值分解(singular value decomposition,SVD),得到同时包含图像块集合行列相关信息的含噪奇异值系数;为从含噪奇异值系数中更准确地估计出真实图像奇异值的系数,先通过加性独立信号噪声(additive signal-dependent noise,ASDN)模型将乘性噪声转化为加性噪声,再利用LMMSE准则对奇异值系数进行估计,最后将估计结果重构得到降噪后的图像块集合。实验结果表明,该方法充分利用相似图像块集合奇异值系数稀疏的特性,采用LMMSE准则估计奇异值系数,既保证了系数中噪声分量的去除又避免了图像纹理细节对应小系数的丢失,不仅去噪效果明显,同时能有效地保持图像纹理细节,具有良好的图像视觉效果。

基于X滤波最小均方算法的冲击振动自适应逆控制

针对冲击振动控制的自身特点及已有算法的缺陷,提出了冲击振动的自适应逆控制方法.该方法能够根据不同的负载特性自适应地调节逆控制器参数,在时域实现了冲击振动控制,完全克服了频域方法中低频分辨率低、易产生溢出的问题.同时,针对X滤波最小均方(LMS)算法运算量大、收敛速度慢的缺点,提出了一种快速X滤波LMS算法,运用批处理技术,使码元间的平均计算量减小.试验表明,该方法使控制精度提高了约50%,明显优于已有的控制方法.

基于最小均方误差准则的盲多用户检测新算法

码分多址信号在无线多径衰落信道条件下的盲多用户检测具有很大的理论和实际意义.该文提出了一种直接基于最小均方误差(MMSE)准则的盲多用户检测算法.为保证算法收敛到目标用户,提出了一种基于MMSE准则的新的线性约束方法.该方法能保证检测器收敛到最优MMSE解.此外,该文还设计了一种形式简单、快速收敛的迭代算法.对比现有的最小输出能量(MOE)算法,仿真结果表明本文算法具有较好的性能.