谢爱华[1]2003年在《信号处理的自适应滤波新技术》文中进行了进一步梳理自适应滤波理论和应用研究是现代控制理论的一个重要发展方向，并且对实际非线性系统辨识、建模、预测和滤波具有重要的理论和应用价值。本文围绕复杂系统辨识、建模、滤波等理论方法及其在油田录井和试井领域的应用，展开了深入探讨，主要完成了以下研究工作。 首先较细地研究了时域、频域和变换域最小均方自适应滤波器。介绍了滤波的结构形式和有关学习算法，并且进行了仿真和应用实例研究。 在实际问题中，存在许多被时变相关噪声污染的系统。对此类系统最小均方算法的收敛速度很慢。为此本文提出了一种自适应噪声消除器，它包含一个自适应Kalman滤波器和一个噪声统计极大后验估值器。通过对含有正弦分量的相关噪声的光滑信号滤波仿真试验和带时变相关噪声的非光滑油井色谱信号滤波应用实验表明这个自适应噪声消除器的有效性。 为了提高信号处理的精度，本文熔最小均方滤波、Kalman滤波和小波变换于一炉，提出了小波基自适应去卷滤波器。并用文中方案做了若干仿真实验，结果表明，该滤波器能很好地跟踪反射系数信号，并能滤去高频噪声，平均相对误差在1％以内，表明文中方案是十分有效的。
甘建超[2]2004年在《混沌信号处理在雷达和通信对抗中的应用》文中进行了进一步梳理现代雷达和通信技术的发展使得电子对抗需要新的概念、新的理论、新的技术。混沌学的出现,给科学界吹来了一股春风,也给电子对抗领域带来了希望。根据现代电子战的特殊性以及混沌理论自身发展和完善的需要,本文将以跳频码为主要研究对象,采用混沌等非线性理论研究跳频码侦察干扰、微弱信号检测以及混沌干扰的新原理和新技术。本文的主要研究成果体现在:1、提出了加权滤波处理的算法。加权滤波算法即采用对观测时间序列Jaccobi矩阵的大特征根赋予小权值而对小特征根赋予大权值的方法,实现混沌信号与高斯噪声的分离。通过对含有噪声的实际跳频码数据进行数值仿真,验证了该方法的合理性。2、深入研究了混沌信号的统计特性和频谱特性。经过研究发现,Ulam混沌映射具有与高斯白噪声相同的谱,说明白噪声还存在非高斯分布形式。3、深入研究了非线性预测方法。(1)具体分析了S-M算法中几个参数设置的特点;(2)首次提出了基于邻近点的非线性自适应预测模型,同时将这种算法推广到多步预测;(3)首次采用经验模态分解技术预测跳频码,即将一个复杂难以预测的时间序列分解为几个相对容易预测的本征函数,然后分别预测这些本征函数,最后重构出时间序列的估计值;(4)应用基于邻近点的非线性自适应预测模型验证了观测时间序列存在数据缺损时的预测效果,并提出了相应的解决办法。4、深入研究了非线性滤波方法。(1)在S-M预测模型的基础上,发展了S-M滤波算法;(2)在基于邻近点自适应预测模型的基础上,提出了基于邻近点的自适应滤波算法;(3)成功地采用S-M滤波算法和基于邻近点的自适应滤波算法检测出复杂跳频码中的错误数据。5、深入研究了实际侦收到的跳频码的混沌特性,提出了跳频码的混沌模型。(1)研究了跳频通信没有噪声的跳频码、含噪跳频码、捷变频雷达跳频码的奇异吸引子,计算了吸引子关联维和最大Lyapunov指数、验证了可预测性,结果证明跳频码具有混沌特征;(2)研究了多个混沌系统组成一个新序列的混沌特性,结果表明新序列仍然是一个混沌序列,但是混沌不变量的数值变了。6、深入研究了非线性检测与识别方法。(1)根据动力学理论,提出了雷达<WP=6>信号的时变动力学模型,利用这个模型可以对已经分选出来的雷达信号进行定性和定量分析;(2)提出了快速计算自相似性指数的算法,并利用噪声和正弦波分别具有自相似性和不具有自相似性的特点,成功地检测到淹没在噪声中的目标回波;(3)提出了一种非线性动力学滤波检测模型。由于这种滤波模型能够很好地捕获复杂时间序列的动力学,将杂波和目标回波的动力学区分开来,因此可以用来检测微弱信号;(4)分析了Duffing振子动力学系统随参数变化的特性。利用系统在临界参数附近变化时会出现混沌到大周期相变的特征,结合相位编码信号的特点,研究了检测复杂雷达信号的技术。7、首次研究了混沌干扰原理和技术。(1)提出了混沌噪声干扰的概念和原理;(2)根据用混沌噪声对窄带信号进行调制可以得到宽带噪声的特点,提出了混沌噪声调制干扰原理;(3)利用混沌谐振系统具有丰富谐波分量的特点,提出了谐波干扰原理;(4)利用对噪声进行相参周期复制可以实现噪声能量的部分积累而且这些能量以等间隔方式分布的特点,提出了混沌噪声积累干扰原理。
李群英[3]2010年在《微惯性传感器信号的自适应处理》文中研究说明由于微机械(MEMS)技术的发展和研究的不断深入,微惯性传感器的发展和研究也备受重视。以及微惯性传感器具有重量轻、体积小、容易系统集成等的优势,也广泛的被应用于航空航天、军事以及机器人等领域。国际上对微惯性传感器的研究也是数不胜数,做了很多工作,同时也取得了明显的成果。但是,由于微惯性传感器在精度和稳定性上发展的还是不够理想,所以除了改进传感器的设计和制造外,对传感器信号进行处理也是很有效的方法。但是考虑到微传感器的应用背景,一般传感器的信号的统计特性是变化的,或者无法预知信号的统计特性,所以较好的方法是采用自适应滤波处理。首先,论文结合国内外对微惯性传感器研究的成果,对微惯性传感器进行理论综述。介绍了微惯性传感器的技术背景和发展状况,在此基础上研究了微机械陀螺仪和微机械加速度计的工作原理和噪声信号建模。为微传感器信号自适应处理做理论铺垫。其次,论文对自适应滤波器进行了研究,介绍了自适应技术的发展状况和前景,以及自适应滤波的原理。在此基础上研究算法的原理并应用程序设计了自适应滤波器,并分别对不同阶数、不同步长因子的情况进行matlab仿真,仿真出较稳定的自适应滤波器参考参数。采用该参数为依据的自适应滤波器对确定传感器的信号进行滤波仿真,取得了很好的效果。最后,基于上述滤波器参数,本文基于DSP Builder设计自适应滤波器,对微型陀螺仪信号进行了自适应滤波仿真。本设计的研究为以后传感器的推广以及精度的提高起了推动作用。
杨小龙[4]2014年在《连通井随钻系统信号处理模块的设计与实现》文中研究说明目前油井探测中广泛采用随钻测量技术(Measurement While Drilling),能在不中断钻头正常工作的情况下,将井下传感器采集到的地层特性和钻井参数等各类数据信号传输至地面,再进行分析与处理,最终通过显示设备实现对井下各类参数的实时监控。目前井下信号传输最常见的是以泥浆作为介质的无线传输方式,信息传递到地面,通过压力传感器采集。系统中存在大量噪声干扰,严重影响接收端有用信号的正常获取。由于连通井系统需要对两口井的位置、尺寸等参数进行精确测量,故要求测量仪器提供的数据量大且精度高。本文根据接收信号的要求,设计自适应的信号处理模块,并进行快速FPGA硬件化,对原始信号进行去噪与解码处理,使测井系统中信息得以准确获取。主要内容如下：根据连通井系统结构,分析信号处理模块在系统中的作用和重要性,制定出测井信号的处理方案。根据连通井系统噪声信号特性未知的特点,采用比较匹配的自适应滤波算法,最佳抑制噪声信号。另一方面,井下数据的编解码采用曼彻斯特码,这是因为其既可以提供足够的定时分量,又无直流漂移,编解码过程相对简单。通过比较几种常用的自适应滤波算法,分别以正弦波和延时波作为参考信号在matlab中设计出基于LMS准则的自适应滤波器,输入实际采集到的井下数据做仿真,对滤波效果进行对比与总结。讨论分析解码原理,利用matlab编程实现解码操作并进行了仿真验证,结果表明其能有效地将原始编码数据转化为二进制数字信号并按照每帧数据进行了区分。最后对模块的实现方法进行了探讨,决定采用FPGA作为平台,利用信号处理开发工具DSPbuilder结合simulink实现了8阶的自适应滤波器,使用HDL法对解码模块进行设计并通过nodelsim仿真验证模块的功能和效果。
于敬泉[5]2006年在《汽车防撞雷达信号处理研究》文中认为目前，汽车越来越普及，它给人们带来便利的同时其危害也越来越明显，这就是交通事故。因此，如何让汽车变得更安全就成了人们追求的目标，于是在这种需要下，便出现了自适应巡航控制技术，它使驾驶更加轻松、安全。本文研究的目的就是力图实现这种技术。本文所论述的车载防撞毫米波雷达系统可以自动测量本车与前方车辆之间的相对距离和相对速度，然后据其计算出的安全距离，进行危险程度判断，由单片机系统根据危险程度作出减速或刹车动作。这可以减轻驾驶者的负担。本文重点论述了高速公路上汽车防撞雷达系统：雷达参数选定、数据处理算法设计及防撞雷达数据处理系统的软硬件设计。此外论述了防撞雷达的工作原理。本文限定以高速公路和轿车作为汽车防撞雷达系统的使用环境，采用毫米波雷达，其体制为线性调频连续波(LFMCW)，从而系统结构简单、发射频谱窄、对接收处理简单、系统成本低，几乎不存在距离和速度的模糊。详细论述并比较了几种不同的数据处理方法，然后提出了一种新的自适应算法——基于FFT的的变步长LMS自适应滤波算法(VSFLMS)进行数据处理。采用性能卓越价格低廉的DSP芯片(TMS320VC5410)来设计数据处理系统，既可以提高系统的实时信号处理速度和准确度又可以节约成本。主系统采用AT89C51实现报警。软件采用汇编程序编写，运算速度快。
张淼[6]2008年在《基于FPGA的语音增强技术的实现》文中指出自适应技术已经被广泛应用于数字通信、雷达、声纳、地震学、导航系统、生物医学和工业控制等领域。自适应滤波器的硬件实现一直是自适应信号处理领域研究的热点。随着电子技术的发展,数字系统功能越来越强大,对器件的响应速度也提出更高的要求。本文的主要工作是设计基于FPGA的纯硬件实现的自适应滤波器。首先编写了LMS去噪自适应滤波器的Matlab源程序,以噪声信号作为研究对象,进行了一系列的仿真和调整,为下一步的硬件实现提供了参考。以Matlab的仿真结果作为基础,利用最新DSP Builder工具建立了基于LMS算法的自适应滤波器的模型。一般,在FPGA上实现数字滤波器采用编写VHDL或者Verilog的底层硬件代码实现。这种方式开发效率低,难度大。本文针对通用DSP芯片实现的自适应滤波器处理速度低和使用HDL语言编写底层代码用FPGA实现的自适应滤波器开发效率低的缺点,提出采用基于DSP Builder系统建模的方法。结合使用DSP Builder设计工具和多种EDA工具,设计出了基于LMS算法的2阶和4阶自适应滤波器,使得设计效率和滤波器运算速度都大大提高。这种全新的设计理念是EDA技术研究的前沿和发展的方向,对自适应滤波器的FPGA实现有较大的意义。本文在实际的FPGA芯片上,最终实现了所设计的自适应滤波器,并通过提供相关数据进行了验证。本文设计的自适应滤波器主要是应用在电视机中,结合电视机语音控制系统的实际应用给出了设计模型,完成了模型的硬件化实现。电视机语音控制系统是为了将语音识别技术推向实际应用的一个研究项目,是一个十分有意义的研究方向。
王娜娜[7]2012年在《基于多尺度小波变换的变步长LMS自适应滤波算法的研究》文中认为自适应滤波理论是信号处理领域的重要组成部分。以最陡下降法为基础的最小均方误差（LMS）自适应滤波算法因其具有简单、运算量小及易于实现等优点而得到了广泛的应用。但经典LMS滤波算法的缺点是：收敛速度慢，收敛速度对输入信号的自相关矩阵的特征值分布敏感；收敛速度、时变系统的跟踪速度与收敛精度方面对步长因子μ的要求是相互矛盾的。为了改善经典LMS滤波算法的这两个缺点，分别采取了变换域LMS算法和变步长LMS算法。被誉为分析信号“数学显微镜”的小波变换有很好的去相关能力及多分辨分析的特点，在时频两域都具有表征信号局部特征的能力，而且小波变换还有相应的Mallat快速算法，本文将小波变换引入到了自适应滤波算法中。理论分析和实验仿真表明，小波变换可以对自适应滤波器的输入进行多尺度正交变换，从而减小输入自相矩阵特征值的分散程度，提高算法的收敛速度。同时，为克服固定步长LMS滤波算法的收敛速度与收敛精度方面对步长因子要求上的矛盾，采用变化的步长因子来代替固定的步长因子，分析一种基于抽样函数的变步长LMS算法，并通过理论分析和实验仿真验证了此算法在保证较好的收敛精度下提高了算法的收敛速度和跟踪速度。最后，将基于多尺度小波变换的变换域LMS算法和基于抽样函数的变步长LMS算法相结合，得到了基于多尺度小波变换的变步长LMS自适应滤波算法。并将此算法应用到了自适应噪声抵消系统中，通过理论分析和实验仿真验证了此算法改善了传统LMS算法的性能，具有较快的收敛速度、良好的收敛性能和更大的抑噪能力。
张秀梅[8]2009年在《Volterra滤波器的自适应算法研究》文中认为在信号处理领域,线性自适应滤波器因其结构简单、容易分析和实现而得到广泛应用。但在高速通信信道、卫星链路、回声对消等存在非线性干扰的场合,线性自适应滤波器的性能很差,这是因为线性自适应滤波器本质上的线性特点,限制了它们利用非线性信号的高阶冗余性的能力和逼近非线性函数的能力。在求解非线性问题时,近年来人们已建立了多种非线性自适应滤波方法,如神经网络方法、同态滤波、形态滤波、Volterra滤波等,被广泛应用于系统辨识、混沌预测、图像处理和扩频通信等领域。研究表明:非线性自适应滤波器性能明显优于线性自适应滤波器。而Volterra级数是一种泛函数,在满足输入信号能量有限的条件下,大多数非线性系统都可以用Volterra级数逼近到任意准确的程度。又因为基于Volterra级数展开式的非线性滤波器的输出仍是其展开式核的线性组合,只要获得Volterra核就足以确定系统对任何输入激励的响应,其滤波性能易于分析。本文主要研究Volterra自适应滤波算法,包括高斯噪声背景下Volterra自适应滤波算法、α稳定分布背景下Volterra自适应滤波算法和Volterra自适应滤波算法在噪声对消中的应用。首先,介绍了Volterra滤波器的基础理论,它是全文研究工作的基础。其次,研究了高斯噪声背景下Volterra滤波器自适应算法。为了提高高斯噪声背景下基于最小均方误差(MMSE)准则的时域Volterra自适应滤波经典算法的收敛速度和稳态性能,本文利用两种信号预处理方法。本文首先提出了变步长解相关Volterra滤波算法(VSDVLMS),将传统算法的固定步长用变步长代替,同时对输入相关信号解相关,从而改善了算法稳态性能,提高了算法收敛速度;然后,本文提出了基于格型预处理的VLMS算法(LPVLMS),该算法利用格型滤波器预处理输入信号即进行格型正交解耦,明显改善了收敛性能。然后,研究了α稳定分布噪声背景下Volterra滤波器的自适应算法。由于Volterra系统的非线性,在α稳定分布背景下,使信号脉冲特性更加显着,致使自适应算法收敛性能变差。为了解决Volterra级数线性项和非线性项收敛不一致的问题,采用基于分数低阶统计量(FLOS)的最小分散系数(MD)准则,本文也是从两个方面着手研究。一方面,对于二阶Volterra级数的线性项部分和非线性部分,分别采用两个不同的收敛因子,提出了分阶Volterra自适应滤波算法,理论上证明了算法的收敛性。另一方面是从Volterra滤波器结构出发,提出了全解耦的VLMP算法,对于二阶Volterra滤波器来说,在二阶Volterra子系统满足MD准则的条件下使一阶子系统再满足MD准则的约束优化,这样就避免了各阶非线性因素之间的较强耦合。仿真结果表明,这两种算法都比传统Volterra最小平均P范数算法收敛速度快,稳态失调小。分阶Volterra自适应滤波算法计算简单,而全解耦Volterra自适应滤波算法结构巧妙,收敛速度更快。最后,为了进一步改善非线性噪声对消的性能,本文研究了两种Volterra自适应噪声对消器。利用Lyapunov稳定性理论重构误差性能曲面,提出了一种基于Lyapunov稳定性理论的Volterra自适应噪声对消算法,它显着改善了收敛性能,提高了收敛精度。本文还从降低算法复杂度的角度出发,提出了一种改进的Volterra自适应噪声对消算法,为防止算法收敛不稳定,用非线性函数限制乘积耦合项的影响,该算法避免了非线性函数求导运算,算法简单且性能比文献[61]中的算法好。
毕栋才[9]2010年在《基于脉冲噪声的自适应控制器研究》文中研究说明非高斯信号处理的研究在信号处理领域有着重要的意义,也是信号处理领域的研究热点。通常情况下,高斯假定是合理的并可以通过中心极限定理来加以证明,可以大大简化信号处理系统设计,所以传统的信号处理算法都是假定高斯信号作为信号模型。在实际应用研究中,例如在图像处理,多用户检测,生物医学工程等,这些信号往往都是非高斯信号,满足分数低阶α稳定分布,它能够准确的描述这类型的脉冲噪声。传统的高斯处理算法不适用于处理a稳定分布,此时就要用基于分数低阶统计量的理论来设计信号处理算法。在非高斯信号处理算法的发展中,以最小分散系数准则取代了最小均方误差准则,利用分数低阶矩的概念推导出了LMP、NLMP、RLMP等经典的自适应滤波算法。本文详细介绍了非高斯α稳定分布的数学理论,通过实例说明α稳定分布的实际应用而导出LMP、NLMP、RLMP等经典算法的原理及推导过程。对比了几种经典算法的性能,得出NLMP算法在收敛速度与计算量之间有这比较好折中,NLMS算法是一种处理非高斯信号的算法却对高斯信号同样有效。如何能够保证算法在较大冲激噪声下能够保持较快的收敛速度是本文切入点。利用分数低阶统计量理论,对广义伯格公式进行数学处理,得出一种新的类似于NLMP算法的自适应滤波算法。通过仿真实验证明,新算法在收敛速度上表现出了良好的性能,相对NLMP算法,新算法的计算量增加并不大,在脉冲噪声逐渐增强的过程中,新算法仍能够保持较快的收敛速度,说明其受噪声强度影响较小。
谢立楠[10]2013年在《电气火灾剩余电流信号处理研究》文中提出电气火灾报警系统由监控设备和报警系统组成,能够根据预设的功能对监控线路中的故障和异常状态进行监控,并将信息及时传输到控制室。于此同时,报警系统可以根据监控信息进行判断,当发现异常时进行报警,以确保预先发现火灾隐患并及时解决,从而避免电气火灾引起的损失。在电气火灾报警系统中,除了精密的探测设备以外一个非常重要的组成部分是对采集信息的处理。对于火灾而言,它是随机性和确定性的统一体。火灾具有随机性,是因为它的发生往往是因为不确定的人为的、自然的、意外的条件引起的。火灾具有确定性,是因为火灾发生要达到一定的条件,例如一定的温度,一定的电流或者电压等等。电气火灾报警系统就是对这些数据进行采集和分析,并进行预防报警。对采集数据进行科学的分析、有效的处理能够大大提高电气火灾报警系统的报警准确率,作用举足轻重。本文正是针对以上开展对电气火灾剩余电流信号处理方法的研究。首先,本文以引发电气火灾的线路短路、线路负荷过大、接触电阻过大、接地电弧性短路等四种原因的接地电弧性短路为研究对象,分析在接地电弧性短路引起的火灾发生时剩余电流信号特征并对剩余电流信号的检测原理进行分析研究。其次,本文针对电气火灾报警系统的性能提出了新的剩余电流信号处理方法。针对火灾环境复杂而引起的采集信号富含大量谐波和干扰信号的特点,选取自适应滤波算法对采集信号进行滤波,以滤波后的信号为原始信号进行报警分析。第叁,本文提出将自适应算法应用到电气火灾剩余电流信号处理中,对剩余电流信号进行滤波,并通过matlab进行仿真实验。对最小均方差法的自适应算法分步长进行仿真对比分析,并与原始算法进行对比分析,研究表明本文提出的方法滤波效果较好。最后,本文采用自适应算法对剩余电流信号进行滤波,应用斜率算法对火灾进行预警分析,通过仿真研究提高了报警精度,报警及时。表明该方法可行。
参考文献：
[1]. 信号处理的自适应滤波新技术[D]. 谢爱华. 大庆石油学院. 2003
[2]. 混沌信号处理在雷达和通信对抗中的应用[D]. 甘建超. 电子科技大学. 2004
[3]. 微惯性传感器信号的自适应处理[D]. 李群英. 青岛大学. 2010
[4]. 连通井随钻系统信号处理模块的设计与实现[D]. 杨小龙. 广东工业大学. 2014
[5]. 汽车防撞雷达信号处理研究[D]. 于敬泉. 江苏大学. 2006
[6]. 基于FPGA的语音增强技术的实现[D]. 张淼. 昆明理工大学. 2008
[7]. 基于多尺度小波变换的变步长LMS自适应滤波算法的研究[D]. 王娜娜. 兰州理工大学. 2012
[8]. Volterra滤波器的自适应算法研究[D]. 张秀梅. 杭州电子科技大学. 2009
[9]. 基于脉冲噪声的自适应控制器研究[D]. 毕栋才. 大连交通大学. 2010
[10]. 电气火灾剩余电流信号处理研究[D]. 谢立楠. 武汉理工大学. 2013
标签：电信技术论文; 自适应论文; 自适应滤波器论文; 信号处理论文; 数字滤波论文; 仿真软件论文; 线性系统论文; 跳频技术论文; 数据滤波论文; 技术原理论文; 人工智能论文; matlab滤波论文; 非线性论文; 算法论文;