导读:本文包含了自适应信号处理论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:自适应,信号处理,波束,滤波器,稀疏,分解,算法。
自适应信号处理论文文献综述
姜波,田会[1]（2019）在《火焰触发器用自适应信号处理电路设计》一文中研究指出为解决火焰触发器无法依据天空背景亮度自动调整电路增益,易于出现信号饱和和无信号输出的问题;基于乘法除法运算原理,文中设计了一种新型前馈型AGC电路用以扩大火焰触发器的动态范围;输入信号经峰值采集电路、过峰时刻判断电路、峰值保持电路、除法电路后生成增益控制电压,增益控制电压与经延时的原始信号相乘,实现对输入信号的自适应放大;经模拟实验验证,该电路可有效将80mV～1V范围内的模拟信号放大至5V,电路动态范围15dB～35dB、延迟时间100μs,输出信号信号幅值波动较小,最大误差小于5%。(本文来源于《计算机测量与控制》期刊2019年03期）
李会,李丽,石翠萍,李野[2]（2019）在《自适应信号处理在语音回声消除中的应用》一文中研究指出介绍了自适应信号处理的作用及主要算法,并结合语音通信中的回声,对自适应信号处理算法中常用的最小均方误差算法进行了改进.将算法应用到真实的语音中进行回声消除,经试验证明自适应信号处理可以很好地消除语音中的回声.(本文来源于《高师理科学刊》期刊2019年01期）
乔丽红,贾曼曼,梁义涛[3]（2018）在《自适应信号处理算法对比分析》一文中研究指出时频分析技术是处理非平稳信号的有效手段,非平稳信号的时频表示是人们研究的热点问题。针对此问题,人们提出了一系列的自适应信号处理方法,包括经验模态分解(Empirical Mode Decomposition,简称EMD)、集合经验模态分解(Ensemble Empirical Mode Decomposition,简称EEMD)、互补集合经验模态分解(Complementary Ensemble Empirical Mode Decomposition,简称CEEMD)、经验小波变换(Empirical Wavelet Transform,简称EWT)、变分模态分解(Variational Mode Decomposition,简称VMD)。阐述了它们算法的基本思想和研究成果,并通过实际信号的例子对不同算法进行了实验对比分析,指出了不同算法的优点和缺点,在对近期研究进展分析的基础上展望了自适应信号处理的发展方向。(本文来源于《信息技术》期刊2018年03期）
王佩,仇兆炀,祝俊,唐斌[4]（2017）在《雷达侦收自适应信号处理架构研究》一文中研究指出针对复杂电磁环境中雷达侦察信号自适应处理的需求,对雷达信号侦察问题进行了建模与分析,讨论了若干可能的自适应侦察信号处理架构。在雷达侦察信号处理模块算法方面,研究了特征自适应检测与分析、信号自适应分选等处理架构,以提升低可识别信号的自适应处理能力;在侦察系统处理流程方面,研究了具有跟踪与预测能力的自适应处理架构,以增强对电磁环境态势的动态感知能力;在侦察系统与其他分系统协作层面,研究了基于雷达系统抗干扰需求和干扰机智能化干扰需求的自适应侦察协作架构,以提升电子战系统效能。该研究可为自适应雷达对抗处理研究提供有益思路。(本文来源于《现代雷达》期刊2017年11期）
洪玺,王文杰,殷勤业[5]（2017）在《基于多级维纳滤波器的空时自适应信号处理及其在无线通信系统中的应用》一文中研究指出针对远距离无线通信接收机处的多径效应与干扰信号影响,本文提出一种基于空时自适应信号方法。该方法基于多级维纳滤波分解,对输入信号在空域和时域内联合处理,可以在有效改善接收误码率性能的同时抑制干扰信号的影响。此外,该方法还具有低复杂度的特点,提高了处理的实时性。本文还给出了一种对视距和多径散射环境均适用的多级维纳滤波级数选择方法,增强了计算资源使用的准确性。本文方法在实现上对输入信号的结构设计要求宽松,与已有空时自适应处理方法相较,在复杂度、谱效率和发射功率利用率上更有优势。(本文来源于《信号处理》期刊2017年03期）
李纯标,时小飞,杨开伟[6]（2017）在《基于降维空时自适应信号处理的多阵元宽带干扰抑制方法》一文中研究指出为了有效抑制宽带压制干扰,本文采用降维空时自适应信号处理算法,对干扰位置固定星位置变化和星位置固定干扰位置变化进行仿真,在不增加导航接收机设计复杂度和运算量的情况下,实现宽带干扰的有效抑制。(本文来源于《数字通信世界》期刊2017年03期）
季文韬[7]（2016）在《基于块稀疏恢复的空时自适应信号处理研究》一文中研究指出空时自适应处理(STAP)技术利用空域和时域的信息有效抑制了杂波,与稀疏恢复算法相结合可以减少所需的样本数据,但是,在样本数量严重不足时,该方法恢复出的杂波只能得到大概位置,与真实谱相差甚远。由于STAP信号中的非零值不仅具有稀疏特性,而且显着值还具有聚类的特性,即具有块稀疏特性,因此可以考虑利用STAP信号特有的块稀疏特性恢复杂波谱,从而提高抑制杂波的性能。本文将块稀疏重构理论应用于STAP技术,在样本量严重不足时,较大地提高了重构精度与杂波抑制性能,并且计算时间在可接受范围内。本文所做的工作具体如下:1.介绍STAP的基本原理,分析杂波谱特性与性能指标。同时介绍了信号稀疏重构的原理与方法,选择正交匹配追踪(OMP)算法与光滑l0(SLO)算法这两种经典方法梳理算法过程,并且将这两种算法应用于STAP技术中,分析其性能上的不足。2.介绍块稀疏重构的原理,并在分析了 STAP杂波空时谱具有块稀疏特性的基础上,创新性地将块稀疏重构算法与STAP技术相结合,提出了基于块稀疏恢复算法重构STAP杂波谱的算法流程,并对算法步骤进行了详细研究。3.将OMP算法推广为块稀疏情况下的块正交匹配追踪(BOMP)算法并通过重构STAP杂波谱仿真分析得出,在BOMP应用于STAP技术时,由于STAP杂波子块边界未知,块稀疏分块的不准确会使贪婪算法本身易陷入局部最优解的缺陷放大。因此本文提出了一种BOMP修正算法,对要选择的最优原子块进行修正,设能量阈值对该子块边界进行判断,避免上述的重构误差,提高了重构精度与抑制杂波性能。同时,用Matlab仿真数据和MountainTop实测数据分别重构杂波谱进行比较,验证了提出算法的有效性。4.将SL0算法推广为块稀疏情况下的块光滑l0(BSL0)算法并用Matlab仿真数据和MountainTop实测数据分别重构杂波谱进行比较分析并验证:用块稀疏恢复算法处理STAP信号性能要优于普通稀疏恢复算法应用于STAP的性能。同时,在相同条件下横向比较两类算法,证明上述结论。(本文来源于《南京理工大学》期刊2016-12-01）
田田丰[8]（2016）在《基于自适应信号处理技术的有源电力滤波器控制方法》一文中研究指出为提高电网并联型有源电力滤波器的电流控制性能,通过有效获取补偿信号的控制方法,采用自适应无限脉冲响应滤波器进行负载的谐波补偿,并使用MATLAB/SIMULINK软件进行模拟仿真。模拟仿真结果表明,该方法具有良好的性能。(本文来源于《温州职业技术学院学报》期刊2016年02期）
秦博雅[9]（2015）在《基于低复杂度自适应信号处理的波束成形技术研究》一文中研究指出现代无线通信系统中,用户对信息传输速率和传输质量的需求日益提高,如何有效应对上述挑战并提高系统容量和频谱效率,是每一代无线移动通信技术中最关注的问题。作为移动通信空中接口关键技术之一的多天线技术,自然引起了人们的广泛关注。本文主要研究多天线技术中的波束成形技术,其本质是一种在空间域上进行滤波的处理方式,它具有灵活的波束控制,较高的处理增益和极强的干扰抑制等优点。另外,多载波调制技术中的正交频分复用(OFDM)技术是一种高数据速率、高频谱利用率的技术,它能很好地对抗信道中的多径衰落,有效提高系统的可靠性。因此将波束成形技术和OFDM技术相结合的研究可以同时兼顾系统的传输速率、系统容量以及系统可靠性,具有非常重要的理论意义和实际价值。首先,论文介绍了波束成形的基本原理以及天线阵列模型中最简单最常用的均匀线性阵列(ULA)天线模型,在此模型的基础上,分别介绍了不同设计准则(MMSE准则,MSINR准则,CMV准则和CCM准则)不同滤波结构(DFB结构和GSC结构)以及不同自适应迭代算法(LMS算法和RLS算法)下,如何找到一个最优的波束成形权值系数使得滤波器输出最优。然后对于上述提到的两种盲波束成形准则——CMV准则和CCM准则,论文详细分析推导了如何求解其对应的波束成形权值系数,仿真结果证实CCM-RLS-GSC算法在输出SINR性能和MSE性能等评价标准上要优于其他算法。其次,在CCM-RLS-GSC算法的基础上,论文提出了一种低复杂度的时间平均自适应遗忘因子调节(TAVFF)机制,该机制利用CCM准则下的代价函数瞬时值来调节RLS迭代算法中的遗忘因子参数,使得遗忘因子的变化与系统的工作环境相匹配。与其他遗忘因子调节机制相比,本论文提出的TAVFF机制计算复杂度最低。对采用该机制后的CCM-RLS-GSC波束成形算法,进行了详细的代价函数凸性分析、波束成形权值系数收敛分析和稳态MSE性能分析,并用matlab进行了MSE理论推导值和仿真结果值的对比验证。matlab仿真结果证实了该改进算法使得系统在输出SINR稳态性能、收敛速度性能上有进一步的提升,且在平稳及非平稳环境下都能很好的工作。再次,从大规模阵列天线的实用场景出发,论文继续探索了稳态性能更好,收敛速度更快,计算复杂度更低的信号处理算法。在介绍已有降阶算法(MSWF降阶法,JIO降阶法,JIDF降阶法)和集员滤波算法(SMF算法)的基础上,提出了CCM准则下的JIDF-SMF联合降阶降复杂度算法,它一方面通过联合内插抽取滤波(JIDF)降阶法来滤除阵列天线接收的冗余信息以提升系统性能,另一方面利用SMF技术,只有当波束成形滤波器的输出结果不再满足误差边界条件时,才启动更新算法,以此来降低算法的总体计算复杂度。在此基础上,还提出了误差边界的时变调节方法和降阶参数自适应选取机制来进一步地提升算法性能,并详细地给出了波束成形权值系数和内插器基矢量的稳态性能分析和超量MSE的稳态性能分析。matlab仿真结果证实了论文所提出的算法MSE仿真结果值与理论值接近,与已有算法相比,提出的算法计算复杂度更低,输出SINR稳态性能和收敛速度更优,且在平稳和非平稳工作环境下都能正常工作。最后,联合移动通信中的关键调制技术—-OFDM技术,论文研究了OFDM系统中的波束成形(DBF-OFDM)算法。考虑到实际OFDM系统中子载波数目较大时,对每一路子载波都运行波束成形算法将产生非常庞大的计算量。为解决此问题,论文分别在频域和空域上提出了相应的改进算法,即频域多项式插值法和空域分簇法。前者利用了相邻子信道间的相关性,这样只需计算特定子载波上的波束成形权值系数,剩余子载波上的值可通过内插的方法计算得到。后者则通过将接收端天线分隔成数目较小的天线子簇,同样可以有效地降低系统的计算复杂度。此外,还将这两类算法进行了联合,可以更进一步的降低复杂度。matlab仿真实验证实了在极小的性能损失下,上述改进算法可以极大的降低系统复杂度。(本文来源于《浙江大学》期刊2015-04-15）
解虎[10]（2015）在《高维小样本阵列自适应信号处理方法研究》一文中研究指出近几十年来,阵列信号处理被广泛应用于雷达、声纳、无线通信、麦克风阵语音处理和医学成像等领域。首先,为了获取更高的分辨率、更强的干扰抑制能力和更远的探测距离,现代阵列采用的阵元数目越来越大,使得传统的自适应处理方法的计算复杂度显着增加,难以实时处理。其次,受到外部环境和硬件水平的限制,自适应阵列处理所需要的训练样本数目并没有同步得到提升。针对大规模阵列处理面临的高维小样本问题,我们从提高收敛速度和降低计算复杂度两个方面对阵列信号处理中的波达方向估计(DOA)、自适应波束形成和空时自适应处理方法进行了研究。本论文的主要研究内容和成果包括以下几个方面：1.利用目标辐射源空间分布的稀疏性,提出了两种基于稀疏表示的多快拍联合DOA估计方法。第一种方法利用采样数据矩阵大奇异值对应的左奇异向量近似信号子空间,然后采用加权迭代最小方差方法对信号空间进行稀疏表示进而确定出目标方位。第二种方法对传统的基于协方差矩阵稀疏表示的模型进行改进,提出一种新的基于样本协方差矩阵稀疏表示的联合波达方向估计方法。该方法仅利用协方差矩阵的部分信息进行DOA估计,不需要估计噪声功率,以一个阵元的孔径损失换取算法的稳健性。与传统的角度高分辨估计方法不同,基于稀疏表示的DOA估计方法对具有相干性的信号源能进行有效估计,不需要进行去相关处理。2.通过对最优自适应波束形成权矢量构成进行分析,发现最优权仅位于低维的干扰加信号子空间中。根据经验,一般系统设定的所要抑制的干扰数目都远小于系统自由度。因此一旦干扰空间和信号导向矢量已知,只需求解一个低维的组合矢量即可求得自适应权矢量,同时也降低了算法的计算复杂度。我们首先构造一个完备的干扰加信号子空间(IPSS),然后对组合矢量进行稀疏约束,找到一组列数最小的信号加干扰子空间来构造自适应权。与传统的降秩方法不同,所提方法不需要已知干扰的数目,且对多种常见的不匹配情况稳健。3.非均匀杂波环境下,空时自适应处理的关键在于如何在样本较少时准确估计杂波协方差矩阵(CCM)。首先,根据杂波谱的稀疏性,采用少量样本可估计出杂波功率谱,进而估计出CCM。基于稀疏表示的杂波协方差矩阵估计方法仅利用少量样本即可达到较好的CCM估计效果,明显提高了空时自适应算法(STAP)的收敛速度。然而采用少量样本稀疏表示估计所得的杂波谱常出现伪峰,容易造成CCM估计偏差。利用杂波谱分布的特殊空时耦合性,通过杂波脊曲线拟合方法剔除杂波谱中的伪峰,有效提高了CCM估计精度。另外,该算法还可以对载机飞行参数(载机速度,偏航角等)进行估计。4.针对传统空时自适应处理计算量大的问题,提出一种基于权矩阵低秩逼近的快速空时自适应处理方法。与传统的低秩逼近算法不同,我们利用空时导向矢量特殊的Kronecker累积性,重新构造新的权矩阵,使得该权矩阵的行数与列数尽可能的相同或相近。采用低秩逼近方法对新构造的权矩阵进行表示,提高了自适应权的自由度,而且原二次优化问题被转化为一个双二次代价函数问题,可以采用双迭代方法进行求解。5.传统的降维降秩类空时自适应处理方法虽然提高了系统的收敛速度,降低了计算复杂度,但是不同的方位、多普勒需要重新计算自适应权,计算量依然很大。针对小样本情况,我们提出一种基于核方法的快速自适应处理方法,能有效的降低权更新的计算量。由于自适应权仅位于干扰加信号子空间且训练样本主要由干扰组成,通过训练样本和目标空时导向矢量的线性组合来构造自适应权。因而只需计算一个低维的组合矢量,避免了直接对协方差矩阵进行求逆,大幅降低了计算量。针对当样本数超过干扰自由度时,权矢量易受病态Gram矩阵求逆影响的问题,采用叁种正则化方法解决病态求逆问题。(本文来源于《西安电子科技大学》期刊2015-04-01）
自适应信号处理论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
介绍了自适应信号处理的作用及主要算法,并结合语音通信中的回声,对自适应信号处理算法中常用的最小均方误差算法进行了改进.将算法应用到真实的语音中进行回声消除,经试验证明自适应信号处理可以很好地消除语音中的回声.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
自适应信号处理论文参考文献
[1].姜波,田会.火焰触发器用自适应信号处理电路设计[J].计算机测量与控制.2019
[2].李会,李丽,石翠萍,李野.自适应信号处理在语音回声消除中的应用[J].高师理科学刊.2019
[3].乔丽红,贾曼曼,梁义涛.自适应信号处理算法对比分析[J].信息技术.2018
[4].王佩,仇兆炀,祝俊,唐斌.雷达侦收自适应信号处理架构研究[J].现代雷达.2017
[5].洪玺,王文杰,殷勤业.基于多级维纳滤波器的空时自适应信号处理及其在无线通信系统中的应用[J].信号处理.2017
[6].李纯标,时小飞,杨开伟.基于降维空时自适应信号处理的多阵元宽带干扰抑制方法[J].数字通信世界.2017
[7].季文韬.基于块稀疏恢复的空时自适应信号处理研究[D].南京理工大学.2016
[8].田田丰.基于自适应信号处理技术的有源电力滤波器控制方法[J].温州职业技术学院学报.2016
[9].秦博雅.基于低复杂度自适应信号处理的波束成形技术研究[D].浙江大学.2015
[10].解虎.高维小样本阵列自适应信号处理方法研究[D].西安电子科技大学.2015
论文知识图
