基于DSP信号处理系统的自适应滤波器

为达到最优的滤波效果,在对自适应滤波器结构、算法研究的基础上,利用DSP、A／D和D／A技术构建了验证信号处理算法的硬件平台,并通过DSP的软件编程,完成了自适应滤波算法的工程实现,对LMS自适应滤波算法的滤波效果进行了验证和分析。测试表明,随着信噪比的降低,自适应滤波器的性能也随之下降,当信噪比为0dB时,LMS自适应滤波算法不能完成滤波的功能。     

基于System Generator 的数字音频滤波器设计

为了解决传统固定系数滤波器不能处理无法预知信号和噪声特性,提出一种基于System Generator的音频数字滤波器的设计方案。介绍了自适应滤波器基本原理及算法,采用LMS算法并利用System Generator构建了滤波器仿真模型。仿真结果证明:经过自适应滤波器的处理后,可较好地滤除信号中的噪声;该方法设计的滤波器有效地实现了对音频信号的自适应滤波,滤波效果良好。     

步长参数对电液伺服振动台加速度谐波抑制的影响

电液伺服振动台存在非线性现象,导致系统作正弦振动时,其加速度响应信号中出现高次谐波,使加速度波形失真。利用LMS自适应滤波算法,提出自适应谐波抑制算法。通过对参考信号的自适应滤波作用,得到谐波抑制信号,并加入到系统输入信号中,从而抑制加速度响应信号中的谐波。从谐波抑制试验结果上看,自适应滤波器的步长参数对谐波抑制算法的收敛速率影响较大。从LMS自适应滤波算法本身出发,分析了导致这种影响的原因。     

基于LMS自适应算法的瞬态信号时延估计

讨论了LMS方法对瞬态信号估计的困难，提出用反向LMS自适应滤波算法进行瞬态信号的时延估计。设计了两种反向LMS自适应算法，用爆炸波信号仿真分析了时间延迟估计的性能，通过比较表明该算法的有效性。     

一种双参数可调的水声信道自适应均衡算法

针对浅海水声信道固有的随机时-空-频变、高噪、强多径等特性及变化的多径时延扩展,在变步长最小均方(LMS)平行滤波器组(PFB-LMS)算法的基础上提出了一种新的水声通信自适应均衡算法。该算法将变阶数和变步长的调整结合起来,降低了算法对迭代步长和均衡器阶数的敏感度。仿真结果表明,新算法在参数适应性方面优于传统LMS 及PFB-LMS 算法。     

基于H∞滤波的主/被动雷达模糊自适应融合算法

在主/被动雷达复合制导背景下,提出一种基于H∞滤波和模糊逻辑的自适应融合算法,算法结合了H∞滤波和模糊推理的优点.为了克服卡尔曼滤波对模型和传感器噪声特性的依赖性,应用H∞滤波实现目标的状态估计.与卡尔曼滤波相比,H∞滤波不需要对噪声作任何假设.由于模糊推理方法具有很强的处理不确定性问题的能力,基于协方差匹配技术应用模糊推理方法在线估计每个H∞滤波器的性能,融合中心根据每个H∞滤波器的性能融合来自两滤波器的状态估计值.数字仿真结果表明了算法的有效性.     

自适应抗野值Kalman滤波算法在水下航行器组合导航中的应用

野值会严重影响滤波器的稳定性和滤波精度。以自主水下航行器(Autonomous UnderwaterVehicle,AUV)为应用背景,通过分析AUV中低精度组合导航系统的特点和误差模型,针对野值可能产生的影响,提出了一种由Sage_Husa自适应滤波和抗野值修正算法结合而成的自适应抗野值Kalman滤波算法。仿真结果表明,自适应抗野值Kalman滤波算法提高了滤波器的滤波精度和稳定性,具有较好的工程实用价值。     

自适应联邦滤波算法在鱼雷多参量导航定位中的应用

针对鱼雷水下航行的特殊性以及组合导航系统中由于量测噪声统计特性的不确定而导致滤波精度降低的问题,提出了一种新的应用于鱼雷导航定位的自适应滤波算法。该算法通过新息自适应量测噪声,在噪声统计特性未知的情况下能进行滤波计算。同时在信息融合时提出一种新的自适应信息分配方法,该方法利用估计的均方误差阵来实时确定各子滤波器的信息分配系数,使信息分配系数能够跟随子滤波器的性能而改变。通过对新算法与标准卡尔曼滤波算法所做的对比仿真试验分析,结果表明,该自适应联邦滤波算法在鱼雷多参量自适应联邦滤波导航定位应用中的有效性。     

BP网络自适应消噪方法在无线电引信中的应用

为了消除无线电引信接收回波中的背景噪声,根据引信工作环境特点,提出一种基于BP神经网络的非线性自适应滤波方法.该方法不依赖信号和噪声的先验知识,利用神经网络的高并行性和非线性计算能力,避开了冗繁的计算,能有效地消除噪声.仿真分析表明,该方法能以较快的速度给出在最小均方误差意义下主通道噪声信号的最佳近似,从而使滤波系统得到高信噪比的输出信号.为无线电引信消噪设计提供了一种新的参考.     

自适应滤波算法在捷联惯导初始对准中的应用研究

针对捷联惯导系统静基座自对准过程中常规卡尔曼滤波器估计精度低且易发散的问题，提出了一种复合自适应卡尔曼滤波算法．该算法采用衰减记忆法利用信息实时估计系统噪声方差阵，并基于模糊推理的自适应因子调节滤波增益阵和系统噪声阵．仿真验证了该自适应算法较常规卡尔曼滤波有更强的稳定性和更高的滤波估计精度．