基于高阶累积量符号相干累积自适应滤波算法

基于传统LMS (Least Mean Square)的自适应谱线增强(Adaptive Line Enhancement, ALE)算法的主要缺点是:抑制高斯噪声效果差,计算量大,收敛速度慢。为了尽可能的克服这些缺点,利用相干累积算法对输入数据中相干分量的相干累积作用和符号算法能减少计算量的性能,修正了传统的LMS算法,提出了基于高阶累积量符号相干累积迭代的自适应谱线增强新算法。该算法具有良好的抑制高斯有色噪声效果,计算量小,输出信号平稳等特点,能较好地克服基于LMS的ALE算法的缺点。仿真结果证实了该算法的有效性和可行性。因此,本文的研究具有良好的实用性和应用前景。

基于高阶累积量Burg自适应算法的间谐波估计

Burg算法适合处理间谐波信号,但是在有噪声的环境下,会产生错误的谱估计结果。采用一种基于高阶累积量的Burg自适应算法估计间谐波信号,该方法不受高斯噪声的影响。首先,利用高阶累积量对高斯噪声不敏感的特性,改进Burg算法的预测误差标准。其次,为了降低引入高阶累积量而增加的计算量,反射系数的求取采用递推形式。最后,利用谐波信号的4阶累积量对角切片求取各成分的幅值。仿真结果表明,所提出的算法明显改进了Burg算法的谱估计性能,能够在噪声环境下获得准确的间谐波参数估计。

基于高阶累积量自适应算法的列车轴承的故障诊断

论述三阶累积量递推最小二乘自适应算法(CDRLS)和三阶累积量最小均方误差自适应算法(CDEFW LM S),及其在列车轴承故障诊断中的应用。通过对列车滚动轴承的保持架断裂和滚子掉块典型故障信号分析,得出高阶累积量自适应算法具有良好的降噪性,CDEFW LM S算法比CDRLS算法处理后的特征频率更突出明显。研究表明:用高阶累积量自适应滤波算法提取信号特征,容易地分离正常轴承信号、保持架断裂和滚子掉块故障信号,从而验证了高阶累积量自适应滤波在故障诊断、检测中具有良好的应用特性。

一种基于三阶累积量的准则及自适应滤波算法

该文提出了一个基于三阶累积量的“优度准则”。基于此准则,利用最速下降法,得到一种新的基于三阶累积的梯度型自适应滤波算法,该算法用于平稳和非平稳的MA(Moving Average)模型系统辨识的计算机模拟仿真结果表明:该算法有良好的收敛性能及对时变系统的跟踪能力。

一种新的基于高阶统计量的自适应滤波算法

本文首先提出一种基于三阶累积量的代价函数 ,其次提出了一种基于此代价函数的格型自适应算法 ,最后将此算法用于线性预测 ,计算机仿真实验结果证实了算法的正确性和有效性 .

基于粒子群优化算法的高阶累积量滤波器

基于高阶累积量(HOC)的自适应滤波器能够滤除高斯噪声或其它具有对称概率分布函数的噪声,其解法一般采用的是梯度搜索法,但是梯度搜索过程难以避免局部收敛而且计算复杂.粒子群优化算法(PSO)具有算法简洁,易于实现,且不需要梯度信息等优势.使用粒子群优化算法求解高阶累积量自适应滤波器系数优化问题,为滤波器参数的优化提供了一种新的思路.仿真结果表明,使用PSO优化算法求解自适应滤波器系数能获得更高的精度.同时PSO算法受系统跃变的影响较小,因此它在求解非平稳过程模型系统时具有一定的优势.

一类累积量域自适应滤波算法(英文)

讨论和研究了累积量域自适应滤波原理及代价函数 ,给出了一个新的代价函数J3 (n)及基于J3 (n)的CSWLMS算法 .CSWLMS算法的性能优于基于代价函数J1(n)的CLMS算法和基于代价函数J2 (n)的CRLS算法 .另外 ,还对CLMS算法和CRLS算法进行了改进 .对上述算法进行了计算机模拟仿真比较 ,仿真结果表明改进的算法及给出的CSWLMS算法收敛性能良好 .

高阶累积量自适应滤波在列车轴承故障诊断中的应用

论述了基于三阶累积量的递推最小二乘自适应算法(CDRLS)和基于累积量的指数遗忘窗的最小均方误差自适应算法(CDEFWLMS).通过对机车滚动轴承的保持架断裂典型故障信号的分析得出高阶统计量自适应算法具有良好的降噪性,CDEFWLMS 算法比 CDRLS 算法处理后的幅值更突出.讨论了用模糊 C 均值(FCM)算法聚类 CDEFWLMS 算法和 CDRLS 算法滤波后的信号频谱,得出经 CDEFWLMS 算法处理的故障隶属度要比CDRLS 算法较大,从而进一步验证了高阶累积量自适应算法在实际故障诊断和检测中有着良好的应用特性.

基于高阶统计量自适应滤波的毫秒脉冲星信号处理

基于高阶累积量的LMS自适应滤波算法(CDEFWLMS),对毫秒脉冲星弱信号进行了分析和处理,得到了较清晰的脉冲轮廓,并与普通的LMS算法以及CDLMS算法的结果进行了比较研究。结果表明:高阶统计量自适应滤波算法可以有效的将脉冲星弱信号与噪声分离,相对于NLMS算法,该算法大大提高了信号品质,且具有收敛速度快、稳定性好的特点。

基于高阶统计量自适应滤波的故障特征的提取

本文论述了基于三阶累积量的RLS自适应算法(CDRLS)和基于累积量韵LMS自适应算法(CDEFWLMS)。通过对机车滚动轴承的保持架断裂典型故障信号的分析得出高阶统计量自适应算法具有良好的降噪性,CDEFWLMS算法和CDRLS算法比普通的LMS算法和RLS算法收敛速度快,稳定性好;同时得出CDEFWLMS算法比CDRLS算法更优,经处理后的特征频率更突出明显,实际中有较高的正确诊断率。研究表明:高阶统计量自适应滤波提取信号特征,可以容易的将正常的轴承信号和保持架断裂故障信号分离,从而进一步验证其在实际故障诊断、检测中的有着良好的应用特性。

基于小波和高阶累积量的红外弱小目标检测

红外图像序列中弱小目标的检测是图像处理应用的一个重要研究领域。由于弱小目标很难从背景杂波中分离出来,所以弱小目标的检测是一个难点。介绍了一种基于小波和高阶累积量的红外弱小目标检测方法。该方法利用小波滤波器抑制大部分背景杂波,然后采用基于累积量的自适应滤波器对高频小波系数进一步处理,使得图像信噪比大大提高,同时保留了目标信息。最后应用一些序列处理方法来进一步提高检测的性能。利用实测数据所做仿真实验结果表明该方法的有效性。

一种基于高阶累积量的回波对消方法

提出一种基于高阶累积量的回波对消新方法，以期在信噪比较低的情况下，优于基于自适应滤波技术的回波对消方案．该方法的实质是高阶累积量能够自动抑制高斯有色或白色噪声，先用回波数据来计算其４阶累积量，再利用部分累积量估计回波通路的滤波器系数，最后利用可能得到的全部累积量来对滤波器系数进行细估计．在信噪比分别为２０、１５、１０、５ｄＢ的条件下，各进行１０次随机试验，仿真结果显示：在不高于１５ｄＢ的低信噪比情况下。

短波突发信号盲检测算法的对比研究

根据短波串行突发MPSK信号的格式和特点,分别提出了2种短波突发信号盲检测算法。对于无导频突发信号,提出了一种基于滑动窗高阶累积量的自适应门限检测算法。该算法采用高阶累积量作为检测函数来区分有用信号和噪声,通过设置检测函数集自适应调整门限值,采用长度控制与状态转换的判决机制降低检测函数的抖动对判决结果的影响。对于有导频突发信号,采用归一化瞬时功率谱密度的最大值来捕获导频脉冲,再结合基于高阶累积量的自适应门限算法检测出突发信号的结束点。仿真实验及对实际信号的检测结果表明,文中提出的2类算法检测性能好、便于实时处理,可以较好地运用于实际工程。

基于峰度自然对数最大化的信号盲分拣算法和盲波束形成

该文基于峰度自然对数最大化准则,提出了一种自适应一元信号盲分拣算法,提出的算法可以用于一元信号盲分离和进行盲波束形成,与基于峰度值最大化准则的KMA算法相比,收敛速度快,有较强的稳健性,将非线性函数引入学习速率的调节,算法自动选取学习步长,避免了人工选取学习速率不当而导致算法发散。同时,提出了两种复数抽气算法,配合一元信号盲分拣算法可以依次分离多个信号源,仿真试验验证了算法的有效性。用提出的算法在四元线阵上盲分离两个水声信号,结果发现,一元信号盲分离实现的盲波束形成波束图与最优波束接近。

最小均方算法用于数字信号的性能

为了获取最小均方 (LMS)算法用于数字信号的性能 ,提出了一项新的性能参数——误码率。分析了误码率与算法均方误差之间的关系 ,在实验的基础上给出了两者之间的一个近似函数表达式。并重点研究了算法步长对收敛速度、稳态失调量、误码率这三项性能参数的影响 ,以及步长确定的原则 ,为数字信号领域使用 LMS算法提供了一些理论基础。

基于高阶累积量的格型结构及算法

为了解决格型结构对噪声敏感的问题，从基于高阶累积量的均方误差（ＣＭＳＥ）准则出发，提出了一种基于高阶累积量的格型（ＣＬ）结构，并讨论了该结构具有的一些重要性质。在此基础上进一步推证了系统参数辨识的基于高阶累积量的Ｂｕｒｇ算法（ＣＢｕｒｇ），并给出了三阶ＣＢｕｒｇ算法的一种快速递归实现方案。仿真结果证明：就辨识结果的无偏性而言，这种ＣＢｕｒｇ算法的抗高斯噪声性能明显优于常规Ｂｕｒｇ算法而两种算法的运算量大体相当。

瑞利噪声环境中水下目标辐射信号增强算法

提出了基于高阶累积量广义函数迭代的自适应滤波算法,证明了该算法的收敛性,给出了广义函数的几种具体表示式。用该算法对瑞利噪声环境中水下目标辐射信号谱增强进行了仿真研究。结果表明:该算法具有很强的抑制瑞利(白或色)噪声的能力。因此, 该算法在提高水下探测系统对水下目标的检测能力方面有重要的应用价值。

CBALE算法及其改进

文献［１］提出一种基于高阶统计量的自适应谱线增强算法（ＣＢＡＬＥ）用于抑制高斯噪声。本文在ＣＢＡＬＥ算法的基础上提出基于该算法的级联滤波模型，对不同参数下的谱线增强效果进行了探讨和计算机仿真。仿真结果表明该算法可以有效地抑制高斯有色噪声，在低信噪比下通过滤波器级联也可以达到较好的抑制效果。

从混合有色噪声背景中提取正弦随相调频信号的方法

提出了从混合有色背景噪声中提取正弦随相调频信号方法———基于高阶累积量FIR自适应滤波方法。其主要特点是:FIR自适应滤波系数是用输入信号的四阶以上累积量进行更新的;FIR自适应滤波器是收敛于与有用信号类型匹配的滤波器。因此,它既能有效地提取有用信号(匹配信号),又能有效地抑制混合有色噪声(非匹配信号)。仿真结果表明,与短时相关方法相比,该方法是很有效的。