电子对抗跨波段虚假信号自适应消除方法

由于电子对抗环境中噪声的干扰,导致在虚假信号消除处理中难以精准找出其中的跨波段虚假信号,提出一种新的电子对抗跨波段虚假信号自适应消除方法。考虑到电子对抗环境中存在磁场、障碍物等干扰,利用中心极限原理查找干扰源,计算噪声在信道中的同相分量值,采用频带幅值滤除噪声和干扰。采用符号判决算法提取虚假信号和正常信号的特征表现状态,对信道中的不同状态值实施信号标记。利用稳态收敛算法计算正常信号与虚假信号的先验误差值,根据欧几里德范数求解二者间偏差量,再利用傅里叶变换方法转换虚假信号,实现信号消除。实验结果证明,所提方法对虚拟信号的自适应消除效果较好,电子对抗跨波段幅值波动得到了明显改善,且失调量低,具有一定的实用价值。

图像拼接中运动目标干扰的自适应消除

运动目标在图像拼接时,易产生重影现象。在对SURF算法进行改善的基础上,提出了自适应去除重影的拼接算法。利用增强的单通道图像对其特征点进行提取、匹配,再利用帧差法确定出运动目标在图像重叠区域的位置;取运动目标区域的中心点作为参考点,采用改进的加权融合算法求取加权系数,以增大权值差异。实验表明所提方法能较好地解决运动目标对图像拼接的干扰问题,与最优拼接缝多频率融合算法相比,融合质量、清晰度以及拼接的实时性得到了提高。

基于拼接缝自适应消除和全景图矫直的快速图像拼接算法

针对图像拼接存在色差过渡不均匀、图像倾斜扭曲及拼接效率低的现象,提出一种基于拼接缝自适应消除和全景图矫直的快速图像拼接算法。首先,用尺度不变特征变换(SIFT)提取图像指定区域特征点并用双向K近邻(KNN)算法进行图像配准,有效提高算法效率;其次,利用动态规划思想提出自适应公式找到最优拼接缝并用图像融合算法对其自适应消除,解决拼接缝色差过渡不均匀问题;最后,针对累积拼接误差形成全景图倾斜的现象,利用边缘检测算法提出自适应拟合四边形矫直模型,把原始全景图矫直为一个全新的全景图。所提算法与分块图像拼接和二叉树图像拼接算法相比,图像质量提升了5.84%~7.83%,拼接时间仅为原来的50%~70%。实验结果表明,该算法不仅通过自适应更新机制减少不同图像背景下拼接缝色差过渡不均匀的现象,从而提高了图像质量;而且提高了拼接效率,降低了全景图倾斜扭曲程度。

明暗突变图像多区域光晕自适应消除仿真研究

解决明暗突变多区域光晕现象,对于提升降质图像质量具有重要意义。针对传统的光晕消除方法在处理高动态范围图像时,局部细节出现过增强,易在明暗对比强烈的部分产生大气光误判、光晕伪影以及运算耗时等问题,提出一种基于多尺度Retinex的明暗突变图像多区域光晕自适应消除方法。利用大气光校验方法对明暗突变图像候选大气光的有效性进行判断,去除高光区域的干扰,利用基于块偏移的透射率计算方法获得突变图像边缘保持的透射率,抑制光晕像素的数量。将明暗突变图像局部方差和复杂度构造引导滤波的自适应平滑增益,估计图像照度分量,在对数域对多尺度Retinex数学模型进行求解,获取消除图像多区域光晕和细节保持的多尺度反射分量。对反射分量根据灰度等级进行自适应增强,获得最终增强后的图像。实验结果表明,所提方法能够有效克服光照不均并自适应消除了光晕现象,运算速度远优于当前同类方法。

光纤水听器系统光纤传输噪声的自适应消除

传输光纤引入的偏振和相位调制噪声给光纤水听器远程传输系统带来严重影响。论文提出使用一个声压和加速度不灵敏的参考探头来获取传输光纤引入的公共噪声,并将该噪声进行自适应滤波处理来估计和消除传感探头中传输噪声的方案。实验结果表明,归一化最小均方误差(NLMS)自适应算法对冲击传输光纤引入的宽带偏振噪声抑制最大达20dB;对传输光纤中大幅度的单频连续相位调制噪声抑制达20dB;自适应滤波基本消除了传输噪声的影响,并且完整保留了传感探头中的仿真信号。实验同时证明,自适应噪声消除的结果优于直接将参考探头与传感探头信号相减的噪声抑制效果。

100 km传输光纤水听器系统低频噪声自适应消除技术

首次引入自适应递归最小二乘法(RLS)抑制100 km传输光纤水听器系统低频(0~500Hz)本底噪声,并与直接相减法(DS)作比较。结果表明:DS基本噪声抑制作用不佳;RLS自适应消除法对系统噪声具有明显抑制作用,可达16 dB@40 Hz,20 dB@100 Hz,15 dB@200 Hz,18 dB@300 Hz,13 dB@400 Hz。经RLS自适应噪声抑制后,系统在350 Hz以上的噪声稳定在-95 dB,与高频部分噪声水平相当;RLS自适应消除可以在噪声抑制的同时,完整保留传感探头中的有用信号。

数字信道化接收机的虚假信号自适应消除

由于暂态效应的影响,数字信道化接收机在信号突变处容易产生虚假信号。为此,提出一种虚假信号自适应消除方法。在该方法中,首先根据同一时刻在各信道的瞬时幅度斜率来判断主信号的类型;普通信号的斜率比较大,而扩谱信号的斜率比较小。在主信道的近端,采用门限比较的方式消除虚假信号;而在主信道的远端,采用相邻信道间的幅度比较来自适应消除虚假信号。最后通过仿真验证,该方法既能够消除虚假信号,同时也能保留非常大的双音动态范围。

重影的自适应消除

本文系统地阐述了重影的产生、对图像的影响及用数字滤波器进行的自适应消除。给出了滤波器的数学模型，对用ＬＭＳ算法消重影进行了论述，并分析了数字滤波器的运行特性及抽头数目的选择。在此基础上给出了硬件电路系统设计的建议。

基于自适应前馈消除的伺服系统齿槽转矩补偿和编码器校准技术

针对伺服系统转矩和速度扰动问题,提出一种基于自适应前馈消除(adaptive feedforward cancellation, AFC)技术的伺服系统扰动抑制方案。该方案通过软件算法,在不改动硬件的前提下,有效补偿电机的齿槽转矩并校准编码器安装误差。试验结果表明,采用AFC技术后,伺服系统的转矩波动和速度波动下降了95%,显著提高了伺服系统的稳定性和控制精度,为工业自动化和高精度运动控制提供了一种高效且经济的解决方案。

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。

基于协同进化微粒群算法的神经网络自适应噪声消除系统

在分析前向神经网络结构的基础上,定义了一个与随机数对应的布尔向量,实现了前向神经网络的网络结构与权值联合编码;将网络结构参数作为协同进化微粒群算法子群的划分标志,构造了一种用于神经网络进化设计的协同进化微粒群算法,实现了神经网络的结构和权值协同自适应进化设计,应用于神经网络噪声消除系统,取得了比较好的效果。

自适应噪声消除器在地电场观测数据处理中的应用

在地电场和电阻率同场地观测的台站,地电场观测必然会受到地电阻率观测人工供电的干扰,尤其是当地电场观测的采样率提高到1次/s以上时,这种干扰更是无可避免,而且不易消除。该文阐述了应用自适应噪声消除器对受种干扰的地电场观测数据进行处理,消除观测数据中的干扰噪声,从而获得地电场真实信号波形。对实际观测数据的处理结果表明,采用此方法可以很好的消除秒采样地电场观测数据中地电阻率供电产生的干扰。这种方法还可用于消除其他观测方法中存在的有规律的干扰。

自适应串扰噪声消除技术在小孔径钻孔超声波检测中的应用

介绍了一种基于自适应滤波的噪声消除技术,分析了超声波用于小孔径钻孔检测中存在的同频串扰噪声的生成原因以及它对测量的影响,并对串扰噪声信号和待测信号进行建模;介绍了自适应噪声对消的原理,并针对应用给出了定步长自适应噪声的消除算法以及改进后的变步长自适应噪声消除算法,对两种算法在自适应学习速率上进行了比较,并给出经自适应去噪后的信号和原始信号的对比结果。

自适应噪声消除算法的性能比较与仿真

在信号处理中,噪声往往是非平稳和随时间变化的,传统方法很难解决噪声背景中的信号提取问题。通过对自适应噪声消除原理的研究,介绍了基于参考信号和基于预测原理的两种自适应噪声消除(ANC,Adaptive Noise Cancellation)方法,分析对比了基于最小均方(LMS,Least Mean Squares)、递推最小二乘(RLS,Recursive Least Squares)和平方根自适应滤波(QR-RLS,recursive least squares based on QR decomposition)三种噪声消除算法的性能。仿真结果表明:这几种算法都能从高背景噪声中有效地抑制干扰提取出有用信号,显示出了良好的收敛性能。相比之下,RLS算法和QR-RLS算法呈现出更快的收敛速度、更强的稳定性和抑噪能力。

基于自适应扰动消除的逆变器波形控制

恒压恒频逆变器要求具有高质量的输出电压波形。从传递函数角度建立逆变器数学模型,并分析负载扰动对逆变器输出电压的影响。比较已有波形控制方案优缺点,为提高控制系统对不同负载的适应性,在电压反馈控制的基础上,引入自适应建模方法,提出基于自适应逆控制及扰动消除的逆变器波形反馈控制技术。控制系统参数由自适应算法实现,只需检测输出电压一个状态量,硬件结构简单。将改进型的变步长自适应算法用于逆变器对象及逆对象的自适应建模,简化建模过程,提高模型精度,以兼顾控制系统暂态和稳态性能。仿真和实验结果验证控制方案的有效性,在非线性负载情况下也能保证逆变器有较好的输出电压波形质量。

基于EMD和ANFIS的自适应噪声消除研究

对于混入色噪声的混合信号,如果可以通过测量得到产生色噪声的白噪声,对白噪声进行非线性训练即可逼近色噪声,达到非线性滤波的目的。自适应模糊推理系统(adaptive neuro-fuzzy unference system,ANFIS)可以实现上述非线性逼近。文中在上述算法的基础上,提出一种EMD(empirical mode decomposition)-ANFIS的自适应色噪声消除方法,首先对混合信号进行EMD分解,得到各个内禀模态函数分量(intrinsic mode function,IMF),然后对分解得到的内禀模态分量进行ANFIS模糊消噪,最后对消噪后的各个分量信号进行叠加。由于所得内禀模态函数为近似平稳信号,且图形越来越趋于平缓,减小了ANFIS方法的逼近难度。在混合信号信噪比为2.8407dB时,经过EMD-ANFIS消噪后的估计误差比只经过ANFIS消噪后的估计误差减少11.74dB,证明EMD-ANFIS方法的有效性。

一种小波变换域的自适应扰动消除方法

针对自适应逆控制中实时消除非平稳时变噪声的困难，提出了一种小波变换域自适应扰动消除方法，从而有效地降低了输入信号自相关矩阵特征值的分散程度，达到了改善噪声消除效果的目的，并拓宽了这种扰动消除方法的应用范围。

一种低复杂性的自适应干扰消除接收机方案

本文提出一种适用于码分多址系统的低复杂度自适应干扰消除接收机。在此接收机中,我们首先基于第i个用户的第m个比特的输出引入一组可靠度因子,然后根据这组可靠度因子估算出多址干扰,最后通过执行干扰消除可得到符号判决值。通过在加性高斯白噪声信道和多径衰落信道中进行仿真,结果表明,本文提出的这种接收机方案的性能优越于传统检测器和一些已经存在的干扰消除算法,同时保持有较低的算法复杂度。

自适应模糊神经网络在噪声消除中的应用

本文提出了一种基于模糊神经网络的噪声自适应消除方法,介绍了该方法的原理及实现算法,并利用特殊函数和一定的噪声作为样本信号,建立了基于模糊神经网络的自适应噪声消除模型。通过该模型对有用信号的参数进行了辨识,仿真结果表明该方法具有学习速度快、诊断精度高等优点,可用于通信线路及其他电子设备的噪声消除。

适应消除多普勒导航测速误差

主要研究海上多普勒导航测速回波频谱偏移畸变的特征参数、非参量实时处理频谱畸变和恢复高斯谱的原理。同时探讨信号起伏和信噪比对修正的影响及实时处理的准则．最后提出一种实时消除多普勒测速误差的方案。