循环神经网络自适应有源噪声对消研究

介绍了一种新颖的非线性逢适应滤波器－－循环神经网络自适应滤波器。由于这种循环神经等效于非线性ＩＩＲ滤波器,具有学习非线性函数到任意的精度及自适应能力,这种滤波器优于线性滤波器,能够适应各种噪声环境。本文将该滤波器用于有源噪声对消,仿真结果表明了这种循环神经网络自适应有源噪声对消系统具有良好的抗噪声性能。     

神经网络自适应有源噪声对消器

本文提出一种新颖的非线性自适应滤波器-递归神经网络(TNN)自适应滤波器．讨论RNN滤波器的构成及算法,实现了RNN自适应有源噪声对消器．RNN自适应有源噪声对消器性能优于由线性滤波器组成的线性对消器,能适应各种噪声环境．仿真结果充分证明了这一点．     

噪声对消在信号处理系统中的应用

论述基于LMS算法的自适应滤波器噪声对消的工作原理,以及基于AR模型的信号分析方法。在这两种方法相结合的情况下,能有效去除信号的噪声。对含有瞬态干扰的微弱信号,用AR模型法估计出噪声的系数并预测噪声波形,通过自适应滤波器噪声对消原理进行滤波,最后在Matlab环境下进行仿真试验,结果表明该方法具有较好的去噪效果。     

一种改进的Volterra自适应噪声对消器

针对随着Voherra滤波器的输入维数或记忆单元增大,相应需要的计算复杂性成幂级数快速增加的问题,提出了一种改进的利用sigmoid函数对背景噪声进行预处理的减少参数Voherra自适应滤波器,并用它构造了非线性自适应噪声对消器。仿真结果表明,算法在高斯噪声和α稳定分布噪声环境下都有优越的抗噪性能。     

自适应加权FIR-Myriad混合滤波算法

针对FIR滤波器滤除脉冲噪声以及加权Myriad滤波器滤除高斯噪声的不足,提出基于FIR滤波器和加权WMy滤波器有效组合的一类新的非线性滤波器FIR-WMyH滤波器.利用神经网络中的反向传播算法,在均方误差准则下,推导了一个基于统计梯度的自适应算法.基于稳定α分布脉冲噪声模型下的仿真结果说明了该算法的良好的性能.     

一种高精度频率估计的抗噪声调幅干扰算法

噪声调幅干扰对消中,干扰频率估计精度较低将导致干扰对消效果严重退化.针对此问题,提出一种基于高精度干扰频率估计的噪声调幅干扰对消方法.该方法首先对Candon算法和Rife算法中谱线的幅值作线性融合处理,然后基于内插离散傅里叶变换,分割离散频谱区域,最后对干扰信号解调并利用频域对消方法抑制干扰.仿真结果表明,该方法具有良好的频率估计性能并能在强干扰背景下有效地抑制噪声调幅干扰.     

一种新的自适应语音增强系统

针对自适应噪声对消(ANC)语音增强系统的性能高度依赖于参考信号的质量，任何原始语音信号泄漏到参考信号中，都会导致原始语音信号失真和噪声抵消性能恶化这一问题，本文提出一种对泄漏不敏感的附加随机噪声(ARN)自适应噪声对消语音增强系统。它通过在参考信号中加入一个低功率的宽带随机训练信号，然后用该训练信号作参考信号对噪声传输函数(NTF)进行自适应建模，并在使用自适应预测滤波器(APF)消除NTF自适应建模的语音信号干扰的同时，用补偿滤波器(CPF)来修正由APF引起的参考信号失真。计算机仿真表明，这种ARNANC语音增强系统在泄漏情况下能将原始语音信号从带噪语音信号中有效分离出来。     

用神经网络实现自适应噪声对消

本文用神经网络实现自适应噪声对消系统，计算机模拟结果表明，该系统对宽带噪声和单频干扰均有很好的抑制作用。     

用神经网络实现自适应噪声对消

本文用神经网络实现自适应噪声对消系统，计算机模拟结果表明，该系统对宽带噪声和单频干扰均有很好的抑制作用。     

一种基于格型正交化的二阶Volterra自适应滤波算法

针对 Volterra 自适应滤波器输入信号相关性或附加的非线性畸变的增强使自适应滤波器性能下降的问题,本文提出基于格型正交化的二阶 Volterra 自适应滤波算法.先对输入信号进行格型预处理,得到互相正交的后向预测误差信号;然后将其作为自适应滤波器的输入,从而大大降低了一次项、平方项和交叉乘积项信号各项之间的耦合,改善了自适应算法的收敛性能.有源噪声对消的仿真结果表明,在输入噪声强相关和附加较强非线性畸变时本算法仍具有较好的消噪性能.     

基于多层前馈神经网络的二维自适应消噪方法

提出了一种基于多层前馈神经网络对带噪声样本进行二维去噪声建模的新方法,分析了神经网络的结构和原理并改进了反向传播训练算法,从理论上进行了论证。仿真结果表明此方法能较好地实现噪声消除,相对于传统的线性噪声对消器和基于Hopfield网络的消噪方法,具有更优越的性能,保持了原始信号的完整性,达到了有效抑制噪声的目的。     

基于遗传神经网络自适应噪声抵消技术的研究

自适应噪声抵消技术是减除背景噪声影响的有效处理方式。概述了自适应噪声抵消原理、BP算法及遗传算法等基本理论,结合各自的优点,提出一种基于BP神经网络和遗传算法相结合的自适应噪声抵消系统。该系统中采用遗传算法优化网络权值方式构造遗传神经网络,用遗传神经网络替代传统的自适应滤波器,以此达到更好的噪声抵消效果。使用MATLAB仿真实例,发现其消噪效果显著同时信噪比得到提高。     

内模型神经网络在有源噪声控制中的应用

采用IMC结构与人工神经网络方法解决了无法得到参考信号和系统非线性的问题，设计内模型神经网络控制器对噪声进行控制。通过仿真和实验证明，该控制结构能有效消除噪声中所含的周期噪声。非线性系统的仿真实例表明，内模型神经网络控制方法明显优于线性滤波X-LMS算法。     

神经网络用于相关噪声的自适应抵消

本文提出了一种在自适应噪声抵消器中应用模拟神经网络计算自适应线性滤波器权值的方法，权值的计算时间随线性滤波器的阶数的增加而减小。由于神经网络的实时处理能力。该网络可以用于愉速的噪声抵消。当噪声的自相关时间较线性滤波抽头的总地时间为小时时，此时的神经网络相当于一细胞神经网络，这就大大简化了该网络ＶＬＳＩ的实施。本文最后给出了实例模拟。结果令人十分满意。     

Alpha稳定分布噪声下级联恒模阵列及其稳定性分析

该文研究Alpha稳定分布噪声下级联韧性恒模阵列的稳定性。首先,提出一种新型的信号对消器,把本级阵列捕获的信号从接收数据中消除,并分析了该对消器达到的稳定状态。然后,以韧性的波束形成器和新型的信号对消器组成级联恒模阵列。分析了恒模信号和Alpha稳定分布噪声在级联恒模阵列间的传递情况。数值仿真验证了理论分析的结论,并对级联恒模阵列的多信号恢复进行了模拟。     

电气化铁路信号传输中的自适应干扰对消器的研究

提出采用自适应干扰对消技术,解决电气化铁路牵引电流对地面与机车间信号信息传输的干扰问题,建立了牵引电流干扰模型.由于牵引电流干扰是在一定时间间隔内是平稳的,采用自适应干扰对消器可有效抑制牵引电流干扰.给出了有关实现轨道信号抗干扰的仿真结果.     

基于概率神经网络光纤周界传感信号处理研究

提出了一种光纤传感报警信号的处理技术,光纤传感具有高灵敏度、抗电磁干扰、耐高压抗腐蚀等优点,但报警信号的误报问题一直是光纤周界系统需要解决的问题,而传统的时域门限分析方法对信号的识别准确率不高,不利于降低安防系统报警信号的误报率。利用小波降噪技术,结合信号的时频域特征,构建基于概率的神经网络分类器,可以在很大程度上减少信号的误报。     

Effects of desired signal on the performance of a sidelobecanceller

The performance of a sidelobe canceller is studied in a communication system where the desired signal is continually present and its amplitude in the auxiliary antennas may be large (above thermal noise). In such a system to avoid the cancellation of the desired signal, one can use a reference signal and adjust the auxiliary antenna weights to minimize the error between the reference signal and the sidelobe canceller output or one can use a steering vector. It is shown that in spite of the reference signal or a steering vector, the presence of the desired signal in the auxiliary antennas degrades the interference suppression provided by a sidelobe canceller. The amount of degradation depends on the number of degrees of freedom, the strength of the various signals, and the angular resolution of the auxiliary antenna array. Signal scenarios involving a single interfering signal as well as those involving multiple interfering signals are considered     

Nonlinear narrowband interference canceller in DS spread spectrumsystems

A nonlinear interference canceller structure, which combines a nonlinear adaptive filter with a memoryless nonlinear limiter, is investigated. A more realistic narrowband interference model is used in which the interference is considered as a digitally modulated signal. Simulation results indicate that the nonlinear interference canceller offers significant advantages over conventional nonlinear filters