CL多小波结合改进RLS滤波器的信号去噪方法

提出了CL多小波结合改进RLS滤波器的信号去噪方法,该方法将信号划分到不同的频段上,分别用不同起始步长的改进RLS滤波器对系数进行去噪,以提高改进RLS滤波器的去噪效果.仿真结果表明:采用CL多小波结合改进RLS滤波器方法的去噪效果,优于单独使用改进RLS滤波器和CL多小波阈值法的去噪效果.

基于RLS自适应滤波器的并联型有源电力滤波器

将RLS自适应滤波器用于有源滤波器直流端电容电压的控制,并将直流端电容电压的控制完全摒弃了传统的PI积分控制,解决了控制参数难于调节且对电路中其他参数的变化非常敏感的问题。而且经过自适应滤波器的直流端电容电压几乎没有任何纹波,不但在电源电压为理想情况时可以起到较好的补偿作用,而且当电源电压发生畸变时也有较好的补偿性能。仿真研究证明了所提出的控制方法的正确性。

基于RLS算法的脑电信号的去噪

介绍了自适应的递归最小二乘方滤波器(RLS)和匹配滤波器,以及其去噪的处理方法。用C语言编写了递归最小二乘方滤波器,在噪声对真实信号影响不太大的情况下的通用滤波程序,并对实际提取到的EEG信号进行了RLS去噪处理和匹配滤波输出。通过Matlab 7软件绘出他的滤波输出、功率谱、匹配滤波输出图。通过观察各种输出图像,结果令人满意。

RLS和小波在声信号消噪处理中的应用

在仿真的基础上,介绍了RLS自适应滤波器和小波消噪方法的滤波特性以及消噪的处理方法。通过对实际声采集信号的RLS消噪方法,小波消噪方法和综合消噪方法的处理结果,分析了不同类型的信号数据的不同的处理方法,对于特定的数据类型可考虑采用将两者相结合的方法,处理结果令人满意。

自适应滤波和子波变换在信号消噪中的应用

研究了RLS(递推最小二乘)自适应滤波器和小波消噪方法的滤波特性,在仿真的基础上选取两者作为实际采集信号的消噪处理方法。为了取得较好的消噪效果,对不同类型的信号采用不同的处理方法,对于特定的信号可采用将两者相结合的方法。处理结果表明,所选用的方法消噪效果明显。

激光多普勒测量自适应陷波器去噪研究

针对激光多普勒测量中声光调制、电光调制等引入的多频率噪音干扰 ,提出一种兼顾收敛性、鲁棒稳定性的自适应陷波器去噪方法 .并在时域内研究自适应陷波器算法及其构造 ,最后给出了仿真实例 .该算法不需具体的激光多普勒测试系统模型 ,方法简单 ,易于实现 ,试验结果表明了该方法的有效性 .

脑机接口中一种多类运动想象任务识别新方法

目的针对脑机接口中三类运动想象任务,提出一种最小二乘法自适应滤波结合独立成分分析以及样本熵(RLS-ICA-Samp En)、多类共同空间模式(CSP)、增量式支持向量机(ISVM)相结合的脑电识别新方法,以解决脑机接口中多类运动想象正确率低的问题。方法首先采用ICA将EEG分离,然后利用样本熵自动识别分离后的噪声,再采用RLS对识别出来的噪声进行滤波,最后进行信号重构,得到去除噪声的脑电信号。多类CSP采用"一对一"CSP与多频段滤波相结合,对去噪后的脑电信号进行特征提取。通过"一对多"方式的ISVM对三类运动想象脑电信号获取的特征向量进行分类。为检验新方法的有效性,将本文方法与多类CSP+ISVM(方法 1)及RLS-ICA+多类CSP+ISVM(方法 2)进行比较。结果对三类想象任务而言,本文方法识别正确率与方法 1和2相比均高8%左右。结论与方法1和2比较,RLS-ICA-Samp En、多类CSP、ISVM相结合的脑电识别新方法能更好地适用于多类运动想象任务识别。