一种检测单晶炉热场温度的新方法

为去除单晶炉热场温度测量信号中的低频干扰、提高温度信号的估计精度,本文提出了一种基于跨维模拟退火(trans dimensional simulated annealing,TDSA)的单晶炉热场温度检测方法.该方法首先将AIC(Akaike information criterion)信号个数判断准则纳入采样机制中以便对干扰个数采样估计,进而利用所设计的基于信号频谱和轮盘赌思想的Metropolis Hastings机制对相应个数的干扰频率进行采样,最后设计了混合均匀和高斯采样机制对单晶炉热场温度进行采样估计.仿真和单晶炉工程实验结果表明,该方法在干扰个数未知的情况下,能够有效地抑制低频干扰、准确检测单晶炉热场的温度.     

足式机器人腿部倾角传感器信号处理研究

足式机器人在自主行走时,一般通过倾角传感器来测量腿部转动角度计算足端位置,然而目前足式机器人腿部倾角传感器测量时易受噪声干扰、温度等因素的影响,导致测量精度低,足端位置估计不准确.针对以上问题,提出新的倾角传感器信号处理方法,首先利用卡尔曼滤波方法对倾角传感器输出信号进行滤波预处理,然后把滤波信号和倾角传感器输出温度值作为建立的双输入单输出RBF神经网络模型的输入变量,采用蚁群聚类算法的并行寻优特征和自适应调整挥发系数方法来确定RBF神经网络基函数位置.实验结果表明,提出的算法能很好地滤除倾角传感器信号中的噪声,实现了倾角信号的温度补偿,测量误差能够控制在0.75％以内,具有实际运用价值.     

一种改进的形态-小波阈值降噪方法

现场采集的旋转机械振动信号中一般存在强脉冲干扰和白噪声,小波阈值滤波对白噪声的滤波效果好,但对脉冲干扰的滤除效果不佳,而形态滤波虽然可以有效地剔除脉冲干扰,但不易滤除白噪声。针对这些问题,提出了一种基于形态滤波和改进的小波阈值滤波相结合的综合滤波方法。该滤波方法结合了两种滤波方法的优点,能够同时有效地滤除旋转机械振动信号中的脉冲干扰和白噪声。通过仿真信号和现场采集的转子振动信号进行了实验验证,结果表明,形态滤波与改进的小波阈值滤波相结合的滤波方法很好地滤除了转子振动信号中的噪声成分,进而提取出淹没在噪声中的转子振动信号。     

基于麦克风小阵的多噪声环境语音增强算法

针对助听器等设备在非平稳或多种噪声并存环境下使用效果急剧下降的问题,提出一种基于小尺寸麦克风阵的相干滤波广义旁瓣抵消(CF-GSC)语音增强算法。该算法结合麦克风阵采集信号的特点,对各阵元间采集时表现为弱相关的海浪、风扇等近似白噪声,以及采集时表现为强相关的点源信号及其他竞争噪声,分别利用相干滤波和传统广义旁瓣抵消(GSC)结构对弱相关与强相关噪声的良好滤除效果,结合语音活动检测(VAD)在噪声段进行联合处理。仿真实验表明在多类噪声存在环境下,该算法能取得相对改进的通道间相干函数滤波算法及传统广义旁瓣抵消算法2 dB左右的增强效果提升,同时能获得良好的话音可懂度。     

自适应噪声抵消技术的仿真与应用研究

从有用信号中剔除噪声是信号处理中一个重要研究课题.在金属矿区进行地震勘探数据采集时,经常会受到矿区内机械设备的强噪声干扰,常规的滤波方法对于淹没在强机器噪声下的有效地震信号的提取已经不适用,而随着计算机和信号处理技术的发展,自适应噪声抵消技术已广泛的应用于各个领域.通过对自适应噪声抵消器原理的研究,结合地震数据信噪模型分析,重点研究利用自适应噪声抵消技术来消除机器噪声.针对基于NLMs算法的常规技术存在的不足,提出了一种改进的算法,并运用MATLAB进行仿真试验,仿真结果表明自适应噪声抵消技术可以有效抵消机器噪声的干扰,大大提高地震资料的信噪比,使有效地震信号失真小.     

电子罗盘的干扰抑制

为保证信号测量可靠性和精确度,有效抑制工频干扰和白噪声信号,提出了电子罗盘的干扰抑制方法.采用硬件电路滤去高频干扰,利用正弦波等分点均值滤波法和FIR滤波法分别滤除工频干扰和白噪声信号.通过电子罗盘滤波前后测量误差的对比,验证了滤波设计对干扰信号的抑制.     

基于变步长因子的改进LMS算法

自适应滤波在生活中有非常广泛的应用,对于未知信号的滤波效果非常显著,本文主要对常规的LMS自适应滤波算法进行改进.常规的LMS算法由于步长因子是固定的,不能同时满足滤波的收敛速度、稳态误差和初始噪声的有效滤除等性能要求.针对上述问题,本文提出了一种改进型LMS算法,改进型LMS算法是通过提出误差因子这一概念,利用误差因...     

基于神经元网络的自适应噪声抵消系统研究与实现

自适应噪声抵消技术是自适应滤波器最普遍的应用之一,它是一种在未知信号和噪声的先验知识条件下,能够很好地消除背景噪声影响的信号处理技术,具有很高的应用价值;但是,在很多情况下,噪声环境非常复杂,往往是非线性的,而目前所使用的自适应滤波器均属线性滤波器,滤波后会使原始信号产生失真;由于神经网络具有非线性等优点,可以很好的逼近非线性函数,所以提出了基于神经网络的自适应噪声抵消器;仿真结果表明,该方法可以效地实现噪声的抵消;最后提出应用DSP实现语音信号自适应噪声抵消的具体方案。     

光纤温度传感系统中信号去噪方法

针对光纤温度传感系统采集的温度信号噪声较大的问题,分析了温度采集过程中干扰噪声信号的特点、滑动平均滤波和小波变换两种方法对信号去噪的效果.针对采集的温度信号,选择合适的小波去噪方法,并确定了最优的小波基和分级层数,将经过平移滑动滤波算法处理后的温度信号,进一步进行小波去噪处理,并将均方根误差(RMSE)、信噪比(SNR)及去噪信号的平滑度指标R,作为判定去噪效果的依据.实验结果表明:综合去噪算法能够有效去除有用信号中的干扰噪声,在信号无失真的情况下信噪比可以提升10～12 dB.     

基于相关度预测的椒盐噪声自适应滤除算法

在分析现有的细节保护滤波算法的基础上,提出了一种基于相关度预测的图像椒盐噪声自适应滤除算法。对于信号像素,保持灰度值不变。对于噪声嫌疑像素,利用对邻域灰度相关量化分析和定义的灰度相关函数作为信号邻域相关性的度量,并将该系数作为预测滤波算法的阈值进行判别。根据像素被判定为噪声或有效信号的概率,自行调整滤波强度,减少图像滤波处理中的细节损失。实验表明,该算法的噪声滤除能力、细节保护能力以及运算效率都可以得到满意的结果。     

基于自适应陷波的干扰抵消技术分析

基于自适应滤波技术,从中频和射频两方面分析了干扰抵消技术的基本原理,给出了仿真结果,验证了算法的有效性,并对射频和中频两种干扰抵消技术进行了比较。自适应滤波技术在语音信号处理、噪声抵消,系统模型识别和医学信号处理等领域已得到大量应用,它是以最小均方误差为准则的最佳滤波器。在滤波过程中,它能自适应地调整滤波系数,其计算量小,算法简单,尤其适合于对实时信号要求较高的场合。     

非高斯噪声下的回声消除算法研究

回声消除一直是信号处理领域的热门研究方向,其中自适应滤波器是在回声消除问题中最为广泛应用的技术,但自适应滤波算法主要是在基于高斯噪声条件下的应用,而现实环境广泛存在着非高斯的噪声,这严重影响了基于L2范数的自适应噪声滤波算法的噪声消除性能。为解决回声消除方法对非高斯噪声的适用性问题,根据回声路径具有明显的稀疏系统特性,结合比例矩阵的设计思想以及符号算法(SA),提出一种改进的MIPNSA算法。该滤波算法既能很好地适应于不同的背景噪声,同时也在较大程度上增强了对稀疏系统的适应能力。仿真测试结果表明,在高斯噪声和非高斯噪声条件下,本算法比现有的一些算法的回声消除效果更佳。     

变步长比例归一化子带自适应滤波算法研究

针对欠定模型条件下定步长比例归一化子带自适应滤波(PNSAF)算法收敛速度和稳态误差之间的矛盾,提出了一种变步长VSS-PNSAF算法。该算法将系统干扰噪声和欠定模型噪声对系统性能的影响考虑进滤波器系数更新过程中,利用后验误差对其进行补偿,根据先验误差与后验误差之间的联系,导出了一种适用于比例归一化子带自适应滤波算法的步长调节方法。该算法综合了子带自适应滤波、比例自适应算法及变步长方法的优点。仿真结果表明:与定步长比例归一化子带自适应滤波算法相比,所提算法具有更低的稳态误差和更快的收敛速度。     

基于中值滤波和小波变换的火电厂炉膛火焰图像去噪方法

针对煤电厂炉膛火焰图像含有脉冲噪声和高斯噪声混合含噪图像的特点,提出了中值滤波和小波变换相结合的火焰图像去噪方法。首先采用自适应权重中值滤波方法对火焰图像去噪,然后再对去噪后的图像进行小波分解,分解后对不同子带采用不同的滤波方法进行有效滤波。实验结果表明,该方法不仅能够有效地滤除图像噪声,提高火焰图像的质量,而且在边缘保持能力上比传统的去噪方法要好。     

智能音箱中的一种快速回声消除算法

考虑到智能音箱中多采用麦克风阵列作为拾音装置,而单通道自适应滤波技术对声学回声消除具有失真性和复杂性,提出一种麦克风阵列快速回声消除算法。该算法首先用自适应滤波技术估计第一通道回声,然后估计阵列间的相对回声传递函数,把两者相乘得到其他通道回声;其次,把估计出的回声和噪声当作广义旁瓣抵消器（GSC）波束形成下支路的噪声参考信号,利用GSC波束形成算法去除回声和噪声。仿真结果表明,在中度混响、远距离、低回噪比且用音乐作为回声环境时,该算法具有良好的回声消除与噪声抑制性能,不仅运算量小,而且使目标语音信号具有较高的信源失真率和可懂度。     

基于ADALINE神经网络的自适应滤波方法

自适应滤波器能够适应系统和环境的动态变化,具有较高的滤波精度。介绍了一种利用ADALINE神经网络进行自适应滤波的方法,根据自适应噪声抵消原理建立了ADALINE自适应神经滤波器模型,并使用该模型将发动机高压油管振动信号中的机体振动噪声滤除,提高了信噪比,为利用高压油管振动信号进行喷油器故障的精确诊断奠定了基础。     

改进小波算法在光纤温度传感器中的应用

针对在分布式拉曼光纤温度传感器系统中,由于拉曼散射信号弱、噪声强而造成的温度测量误差问题,提出了一种改进小波算法模型。该算法在传统模型极大值小波算法基础上,引入信号相关性特性来提升捕捉信号与噪声的能力,同时结合小波分解尺度自适应方法,消除分解尺度不匹配造成信号丢失或噪声未滤除的情况,并在Matlab仿真软件中对比了此算法滤波的优越性,利用3 km分布式光纤测温系统进行验证。实验结果表明,处理后的温度较算法前的温度总体平均误差缩小0.5233℃。     

基于小波-EEMD-Adaline网络的容栅传感器信号去噪方法

针对容栅传感器检测的转动轴扭振信号掺杂的环境噪声干扰和自身的电磁噪声干扰使得信噪比低、微弱信号难提取的问题,提出了一种基于小波-EEMD-Adaline自适应线性神经网络去噪方法.该方法对信号进行小波、EEMD、Adaline网络消噪处理,采用三级去噪、噪声过滤、对消来逼近原始信号.用典型加噪超声信号、Doppler信号、Block信号对该方法进行有效性验证,与EEMD、基于小波分解的EEMD去噪效果相比较.实验结果表明,后两种方法信号去噪的SNR提升小(均不到20),而本文方法SNR(RMSE)提升(减小)明显,对于9 dB的Doppler信号SNR提升达90,RMSE从1.038 5降至0.009 5.对容栅电路实测大噪声微弱信号去噪,结果表明,该方法去噪性能更优,去噪后信号光滑性好,波动稳定性强.     

一种改进的变步长LMS自适应滤波算法及其在噪声抵消中的应用

本文提出了一种改进的变步长LMS自适应滤波算法,并将其应用于自适应噪声抵消中。该算法解决了算法收敛时间和稳态误差间的矛盾,为实际应用提供了更大的灵活性。它采用误差信号的相关值去调节步长,使得算法的均方误差小、收敛速度快,并且降低了LMS算法对噪声的敏感性。     

滤波器组自适应语音增强方法

双麦克风噪声抵消应用中,由于交叉串的存在,传统自适应算法降噪性能受到很大的影响。为了提高双麦克风算法降噪性能,使用两级自适应滤波系统消除交叉串扰问题。为提高自适应滤波器收敛性能,采用主从结构LMS算法自适应调节步长因子。同时为了适合窄带处理算法,将输入信号进行子带分析预处理,对每个子带独立进行抗交叉串绕自适应处理,将各子带增强信号合并得到增强语音信号。实验结果表明,该方消噪量大,语音损伤小,语音增强效果显著。