基于Lyapunov稳定性理论的Volterra自适应噪声对消器

介绍了在理稳定分布环境下一种新的非线性Voherra自适应噪声对消器。由于Ⅱ稳定分布噪声有显著的尖峰脉冲特性,Vohem级数的非线性项将其更加放大,严重影响了收敛性能。提出了Voherra自适应噪声对消器利用sigmoid函数对输入α噪声进行非线性预处理,抑制尖峰脉冲的影响,基于Lyapunov稳定性,定义新的Lyapunov函数．给出了二阶Voherra自适应滤波器算法。仿真实验表明,该算法在不同特征指数的稳定分布噪声环境中都表现出了良好的抗噪声性能。     

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.     

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。     

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．     

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。     

一种新颖的双线性自适应滤波器

在非线性系统领域,Volterra滤波器作为一种经典的工具得到了广泛的应用.但是这种自适应滤波器的数学计算量非常大,尤其是当滤波器的阶数较大时,其应用往往受到很大限制.为了克服这个缺点,介绍了一种新颖的双线性自适应滤波器.详细分析了该滤波器的收敛性.在系统数学模型、算法和性能方面对该滤波器与Volterra自适应滤波器进行比较.仿真结果表明,这种新颖的滤波器在稳态误差和收敛速率等方面都比Volterra滤波器更优异.     

一种三阶Volterra自适应滤波算法

采用更高阶Volterra滤波器更好地逼近非线性系统时,Volterra自适应滤波算法的计算复杂度呈幂级数增加。针对此问题,本文提出了一种在α稳定分布噪声背景下基于离散余弦变换(DCT)的三阶Volterra滤波算法。首先将Volterra滤波器的三次项权系数矩阵分解成一组二次项权系数矩阵;然后利用正交变换,将二次项权系数矩阵变换成对角矩阵,从而大大减少了权系数个数,有效降低了算法的计算复杂度;最后将Volterra自适应滤波器输出表示成线性滤波器输出形式,并由此得到权系数自适应调整算法。系统辨识的仿真结果表明,本算法在α稳定分布噪声背景下具有优越的性能。     

基于自适应Volterra滤波器的非线性系统辨识

为了识别非线性系统的参数,本文提出了一种基于自适应Volterra滤波器的非线性系统辨识方法。给出了自适应Volterra滤波器的LMS和RLS算法。数值仿真结果表明,该方法对于非线性定常和时变系统都有效。     

基于改进Hopfield神经网络的自适应二维噪声对消器

提出了基于连续型Hopfield神经网络(CHNN)的自适应二维噪声对消器,讨论了神经网络的结构和原理及相应的自适应滤波算法,并从理论上进行了论证.仿真结果表明相对于采用最小均方算法的二维线性噪声对消器,CHNN噪声对消器能更有效实现二维噪声的消除,保持原信号的完整性,获得较好的去噪声效果.     

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.     

图像边缘提取的自适应Volterra滤波器设计

Ｖｏｌｔｅｒｒａ滤波是研究信号高阶统计冗余性的一种有效途径。我们提出了一种用于提取图像边缘的自适应二次Ｖｏｌｔｅｒｒａ滤波器设计方法。这种滤波器是推广型Ｔｅａｇｅｒ基滤子的线性组合，其系数用基于极小化最小均方能量函数的共轭梯度法研究；它兼有局域平均和高通特性，因而可均衡去除噪声和增强图像边缘。文章还给出了计算实例。     

一种全解耦的RLS自适应Volterra滤波器

本文研究了Volterra自适应滤波器解耦问题,提出了一种全解耦的RLS自适应Volterra滤波器.按照Volterra滤波器的伪线性组合结构,采用RLS滤波原理和约束优化理论,导出了满足最小累计平方误差指标的具有分块对角形输入相关矩阵的全解耦Volterra标准方程,据此设计了一种全解耦的RLS自适应Volterra滤波器,给出了滤波器权向量自适应修正的一套公式.仿真结果验证了本文方法的有效性.     

用于低维混沌时间序列预测的一种非线性自适应预测滤波器

在二阶Volterra滤波器基础上,提出了一种用于低维混沌时间自适应预测的非线性自适应预测器。基于最小均方误差准则导出了一种NLMS类型的自适应算法来实时调整这种非线性滤波预测器的系数,仿真实验结果表明：这种线性化的非线性自适应滤波预测器能够有效地预测低维混时间序列,且它的模块化特征更易于VLSI电路实现,具有广泛的工程应用价值。     

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。     

Adaptive 1-D and 2-D Filtering with Internally Passive Structures

Internally passive filters such as wave digital filters (WDF) and orthogonal filters, which have desirable properties, are developed as filter structures for adaptive filters. The equations for updating the multiplier coefficients as well as for computing the gradients are derived for these filters. The stability monitoring during the adaptation process for these filters is simple to implement. Simulation results are included to demonstrate the capability of these filters in system identification and noise cancellation. Moreover, motivated by applications of multidimensional adaptive filters in video compression and image enhancement, the proposed adaptive wave digital filters have been extended to two dimensions and applied as adaptive fan filters. Computer simulations are also conducted to show their potential applications to two-dimensional system identification and image enhancement.     

自适应Volterra滤波器的递归结构和类递归结构及其算法和应用

本文参考自适应IIR滤波器理论,提出了自适应Volterra滤波器(AVF)的递归结构和类递归结构,讨论了其特点和应用范围.递归结构的引入可显著减少AVF的参数和计算量.本文还给出了类递归结构AVF的在线辨识算法和在非线性系统辨识中的应用;给出了递归结构AVF的滤波算法和在非线性相关噪声抵消中的应用.在仿真实验中,将上述算法与多层感知器和非递归结构AVF做了对比.结果表明,本文算法住性能和计算量上均有明显优势。     

UFMC系统中基于Volterra滤波器的非线性失真补偿方案

为实现通用滤波多载波(UFMC)通信系统高效、可靠的通信性能,需在最大程度上补偿由记忆型高功率放大器(HPA)引起的非线性失真.为解决HPA造成的失真问题,本文提出了一种基于Volterra滤波器的非线性失真补偿(V-NLDC)技术.该技术利用了Volterra级数的稀疏特性和能够模拟任意精度非线性系统的性质以逐次逼近的方式对信号进行预失真.将预失真后的信号传送至HPA,然后采用噪声消除器做进一步噪声消除处理,以达到更小失真度的目的.同时,本研究采用收敛速度快、性能稳定的自适应最小二乘法(RLS),可根据环境变化自适应地计算Volterra滤波器和噪声消除器的系数.通过大量蒙特卡罗仿真实验证实了所提出的非线性失真补偿技术可以很好的补偿由记忆型HPA非线性失真所造成的影响,从而优化系统性能.