一种脉冲噪声下的自适应均衡算法

由单层神经自适应滤波器和Chebyshev正交多项式滤波器级联构成一个均衡器,基于此均衡器结构,提出一种基于分数低阶统计量的自适应均衡算法(称为NC-NLMP算法).仿真结果表明,对线性信道和非线性信道,NC-NLMP算法的均衡性能均优于传统的FIR横向滤波器的自适应均衡算法和神经网络均衡算法;对于非线性信道,NC-NLMP算法的均衡性能远优于后两者;NC-NLMP算法对高斯噪声和稳定分布脉冲噪声都具有很好的均衡性能,对背景噪声韧性强.     

基于自适应神经网络的二维线性相位FIR滤波器优化设计

提出一种基于自适应三角函数基神经网络的二维线性相位FIR滤波器优化设计方法.该方法根据二维线性相位FIR滤波器幅频响应特性,采用三角函数基神经网络优化算法计算滤波器系数,同时在神经网络训练过程引入自适应学习率算法,提高神经网络的学习效率和收敛速度.通过训练神经网络的权值,使二维线性相位FIR滤波器幅频响应与理想幅频响应...     

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.     

基于提升方法的滤波器组因子分解

讨论了FIR滤波器组的分解.2通道完全重构FIR 子波变换分解可为有限步的提升步骤,使用Laurent多项式的辗转相除法给出了这种分解的一个代数方法的证明;证明了二通道子波变换的分解定理不能平行推广到2M通道滤波器组.提出使用M-通道滤波器组构造2M-通道滤波器组,它由多相矩阵的分块化和提升方法实现,这种方法易于构造非线性滤波器组,如整数变换.     

小抽取倍数的FIR高效实现

对采样信号进行抽取是软件无线电中的一个重要环节,小抽取率时通常使用有限冲击响应(FIR)滤波器.当FIR滤波器的阶数较高时,将会对信号处理的速度产生较大的影响.针对级联-积分-梳状(CIC)滤波器系数少且全为"1"的特点,提出了在小抽取率时采用单级CIC滤波器和FIR滤波器级联的方式来减少FIR滤波器的阶数,从理论上给出了FIR滤波器减少的阶数和CIC滤波器的阶数之间的关系.在此基础上,借助多相滤波结构还可进一步降低FIR滤波器阶数.计算机模拟验证了方法的有效性.     

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．     

基于模拟退火神经网络的Ⅰ型FIR数字滤波器设计

提出一种基于模拟退火神经网络设计FIR数字滤波器的方法,是对用神经网络设计方法的一种改进.由于线性相位FIR数字滤波器的幅频特性是有限项的傅里叶级数,因此构造了一个三层余弦基神经网络模型,并用模拟退火算法进行了优化,然后给出了高阶滤波器优化设计的实例.仿真表明经优化设计后的滤波器具有更好的性能和更稳定的效果.     

3型FIR高阶多通带滤波器的自适应优化设计研究

本文详细讨论了3型线性相位滤波器幅频特性与正弦基神经网络算法间的关系，提出了该算法的收敛定理，给山了有限脉冲响应（FIR）高阶多通带滤波器自适应优化设计算法及实例。计算机仿真结果表明了该算法在FIR高阶多通带滤波器的有效性和优异性能。     

基于神经网络的4型FIR滤波器的优化设计

详细讨论了4型线性相位滤波器的幅频特性与正弦基函数神经网络算法的关系,分析了神经网络系统的稳定条件,给出了FIR滤波器优化设计实例。根据4型FIR滤波器的幅频响应特性,构造出一个相应的神经网络模型,并建立了FIR线性相位数字滤波器的神经网络算法。该算法通过训练神经网络权值,使设计的数字滤波器与希望得到的FIR线性相位滤波器的幅频响应之间的误差平方和最小化,从而获得FIR线性相位数字滤波器的脉冲响应。计算机仿真表明了该算法的有效性和优异性能。     

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。