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。     

基于sigmoid函数的Volterra自适应有源噪声对消器

该文介绍了一种新颖的非线性自适应有源噪声对消器基于sigmoid函数的Volterra自适应有源噪声对消器,并采用输入信号和瞬时误差归一化的LMS自适应算法调整其系数。这种基于sigmoid函数的Volterra自适应有源噪声对消器具有参数少和便于实现的模快化结构等优点。仿真结果表明:这种基于sigmoid函数的Volterra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．     

Alpha稳定分布噪声中的韧性投影 近似子空间跟踪算法

 为了克服投影近似子空间跟踪算法(PAST)在脉冲噪声环境下性能的退化,本文以Alpha 稳定分布为脉冲噪声模型,依据韧性的M估计方法提出了一种新的代价函数,并推导出基于递归最小M估计的韧性投影近似自适应信号子空间跟踪算法(RLM_-PAST).由于采用了适合噪声模型的M估计函数,新算法与采用递归最小二乘估计的子空间跟踪算法相比,在稳定分布脉冲噪声环境下具有更好的性能.把新方法应用于波达方向(DOA)估计,数值仿真结果表明了该算法的有效性.     

α-稳定分布噪声环境下的非线性回声消除研究

针对广泛存在的非线性回声,以及在非高斯噪声环境下,传统回声消除器中自适应算法性能衰退,继而导致回声消除效果下降的情况,本文提出了一种基于最小离差准则的协同函数链接型自适应滤波回声消除方法.该方法使用归一化最小l_p范数算法更新线性和非线性函数扩展的自适应滤波器的权值,并将输出信号协同组合,以消除非线性回声.仿真实验结果表明,该方法在α-稳定分布噪声且非线性回声存在的情况下比传统回声消除方法具有更高的回声衰减增益.     

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。     

脉冲噪声环境下单基地MIMO雷达目标角度估计算法

以α稳定分布作为脉冲噪声数学模型,研究了脉冲噪声环境下单基础多输入多输出(MIMO)雷达目标角度估计问题。为了解决基于分数低阶统计量的目标角度估计算法需要脉冲噪声先验信息的问题,利用雷达接收数据构造出两种鲁棒的相关矩阵,即相关熵相关矩阵和非线性压缩核函数相关矩阵,提出了基于这两种鲁棒相关矩阵的单基地MIMO雷达目标角度估计算法。仿真实验表明:在α稳定分布脉冲噪声环境下,新提出的责任中算法的性能明显优于传统的基于二阶统计量和基于分数低阶统计量的目标角度估计算法。     

α稳定分布下的加权平均最小p-范数算法

该文提出一种新的适用于α稳定分布噪声环境的自适应滤波算法,这种算法通过使加权平均误差函数的p-范数最小来实现自适应滤波.在这种算法的基础上,该文还得到两种新的动量LMP自适应算法.将这些新算法应用于估计AR模型的参数,计算机仿真的结果表明,该文提出的算法的性能比已有LMP算法的性能要更为优越.     

脉冲噪声下基于FLO-WHT的雷达回波LMFS检测

线性调频信号(LMFS)是雷达回波信号的一种常见形式,Wigner-Hough变换(WHT)常用于LMFS的检测。复杂环境下雷达回波中的尖峰脉冲噪声服从α稳定分布,在这种噪声环境下WHT性能退化。基于此提出了能工作在稳定分布噪声环境下的分数低阶伪Wigner-Ville时频分布方法(FLO-PWVD),结合已有的Hough变换,提出了分数低阶伪Wigner-Hough变换(FLO-PWHT)新方法。在脉冲噪声环境下,应用FLO-PWHT对多个LMFS信号进行检测,计算机仿真结果表明,提出的FLO-PWHT算法性能明显优于已有的PWHT方法,能较好地在脉冲噪声环境下工作,且具有一定的韧性。     

对称α稳定分布噪声环境下短波衰落信号时延估计的新算法

脉冲噪声环境下信号时延估计是信号处理领域十分活跃的研究方向。在对称α稳定分布噪声环境下,文章提出了一种基于非线性压缩核函数（NCCF）的短波衰落信号的时延估计算法。该算法采用非线性压缩核函数抑制了对称α稳定分布噪声的脉冲拖尾,同时较好保持了目标信号之间的互相关特性,从而保证了信号时延估计的准确性。同以往算法相比,本算法不仅降低了计算复杂度,而且对于衰落信号的时延估计具有更强的稳定性。理论证明和仿真结果均表明,该算法比GCC、FLOC、GCF和非线性变换等算法具有更好的时延估计有效性和准确度。      

Alpha稳定分布脉冲噪声下MPSK信号的自适应解调

通信系统经常工作在理稳定分布脉冲噪声环境下。提出了一种基于自适应滤波算法对脉冲噪声下MPSK信号的解调方法。高斯噪声是α稳定分布噪声的一个特例,提出的解调方法同样也适于高斯噪声下MPSK信号的解调。仿真结果表明,无论是在高斯噪声还是脉冲噪声下此方法都有很好的韧性,同时该算法不需要滤波器完成收敛。处理速度快。     

基于最低误码率准则及Volterra序列的几何特征均衡器

针对通信系统中带内噪声及干扰的滤波问题,提出一种基于最低误码率准则的非线性几何特征均衡器.考虑到噪声与干扰具有不同的统计特性,本文所建立的均衡模型把匹配滤波器输出映射到特征空间,使信号与干扰在特征空间形成不同的几何特征,再用Volterra序列予以分离,而分离是基于最低误码率准则.仿真表明:对于扩展的二元相移键控信号,在相对强的调频信号、调幅信号及噪声的联合干扰下,匹配滤波器和基于最小均方误差准则的线性均衡器均已失效,而几何特征均衡器仍能表现出良好的性能,并且基于奇次三阶Volterra序列的几何特征均衡器更具实用价值.     

一种α稳定分布下的变抽头长度LMP算法

针对无法事先知道滤波器抽头长度,且系统中存在“稳定分布噪声的情况,提出了一种α稳定分布背景下的变抽头长度自适应算法,采用3个并行的滤波器,比较数据段内其平均P阶误差大小,每K点数据段更新一次抽头长度,数据段内滤波器权值采用LMP算法调整。算法仿真表明,算法在不同特征指数的α稳定分布下都具有很强的韧性,能自适应调整到最优抽头长度,达到最优抽头长度的LMP算法的稳态误差。     

一种全解耦分组二阶Volterra自适应滤波算法

传统的Volterra滤波器运算量大,二次项将稳定分布的尖峰脉冲特性放大,从而影响了算法的收敛性能。针对这些问题．提出了一种二阶Volterra滤波器的全解耦分组算法,对输入数据进行分组排列,有效地降低计算复杂度,每组对应的子滤波器权系数采用全解耦自适应调整算法,有效地降低了非线性项耦合的影响。仿真结果表明了算法的有效性。     

混沌时间序列的Volterra自适应预测滤波器定阶

由于Volterra自适应滤波器的阶数对预测性能有较大的影响,在实际预测中,如何确定Volterra自适应滤波器的最优阶数就成为一个关键问题,该文运用相空间重构理论,推导出了Volterra自适应滤波器的最优阶数等于混沌动力系统的最小嵌入维数,作者用六种混沌时间序列进行实验,结果表明这种定阶方法在混沌时间序列Volterra自适应预测中非常成功,该方法对噪声影响的变化,表现出较好的鲁棒性。     

非线性Volterra系统的总体全解耦自适应滤波

研究输入、输出观测数据均受噪声干扰时的非线性Volterra系统的全解耦自适应滤波问题.基于总体最小二乘技术和Volterra滤波器的伪线性组合结构,运用约束优化问题的分析方法研究Volterra滤波过程,从而建立了一种总体全解耦自适应滤波算法.并建立了分析该算法收敛性能的参数反馈调整模型,分析表明,该算法可使各阶Volterra核稳定地收敛到真值.仿真实验的结果表明,当输入、输出观测数据均受噪声干扰时,总体全解耦自适应滤波算法的鲁棒抗噪性能和滤波精度均优于全解耦LMS自适应滤波算法.