导读:本文包含了噪声抵消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:噪声,自适应,算法,神经网络,放大器,递归,分量。
噪声抵消论文文献综述
王志铎,马令坤,张俊涛[1]（2019）在《自适应噪声抵消算法优化与FPGA实现》一文中研究指出针对自适应噪声抵消算法在FPGA上资源占用和运算速度的问题,提出了一种降低运算量的符号LMS算法,分析其较于传统LMS算法的优点,设计了一种基于状态机和符号LMS算法的自适应噪声抵消器,首先采用高性能音频编解码芯片WM8731对含噪音频信号和噪声信号采样,然后噪声抵消器对所得的两路信号进行自适应滤波去除噪声信号,最后用音频芯片输出去除噪声后的音频信号.实验结果表明噪声抵消器可达到快速有效的噪声抵消效果.(本文来源于《陕西科技大学学报》期刊2019年06期）
刘廷敏[2]（2019）在《一种基于噪声抵消技术的高线性LNA设计》一文中研究指出本文提出了一种基于噪声抵消技术的宽带低噪声放大器(LNA)。通过互补CMOS并联推拉结构的采用,抵消掉二阶互调失真分量(IMD2)。改进的噪声抵消电路也可以有效地抑制叁阶互调失真分量(IMD3)。虽然噪声和失真的最优化抵消点不同,但是噪声系数并没有恶化。基于标准的90 nm CMOS工艺对LNA进行流片实现,该LNA在0. 1～3. 9 GHz频段内,取得了21. 5～24. 3 dBm的二阶输入截止点,2. 6～3. 8 dBm的叁阶输入截止点,13. 6 d B的最大功率增益,1. 9～3. 8 dB的噪声系数。该LNA在1. 1 V电压的供电下,消耗了19. 5 m W的功耗,芯片面积仅为0. 0095 mm~2。(本文来源于《中国电子科学研究院学报》期刊2019年07期）
董光冬,张方华[3]（2019）在《基于噪声平衡原理的反激变换器CM传导噪声抵消方法研究》一文中研究指出在反激变换器中,变压器绕组交错排布有助于减小漏感和绕组损耗,但相邻原、副边绕组间的耦合电容是传输共模(commonmode,CM)噪声电流的主要耦合路径,会引起严重的EMI问题。该文提出一种CM噪声抵消的方法,引入一组平衡绕组,设计平衡绕组与相邻副边绕组间的位移电相互抵消。建立反激变换器CM传导噪声电路模型,给出平衡绕组设计方法,以一台反激变换器为实验对象,测试并对比无屏蔽层、采用传统铜箔屏蔽及加入平衡绕组3种变压器结构下的CM传导噪声。实验结果表明,平衡绕组对CM噪声抑制效果优于无屏蔽层和传统铜箔屏蔽层结构,验证了平衡绕组抵消反激变换器CM噪声的可行性。(本文来源于《中国电机工程学报》期刊2019年11期）
康彩丽[4]（2018）在《基于神经网络的自适应噪声抵消技术研究》一文中研究指出随着人们生活条件和环境的变化,近年来噪声已经严重影响人们的生活。对于噪声的影响,最重要的就是及时、准确地对其进行防控和消除。传统自适应的噪声消除技术具有极大的局限性,无法解决输入的两路噪声信号间非线性相关问题。基于神经网络的自适应噪声消除技术可以很好地消除噪声源未知时噪声的影响。实验采用BP神经网络算法,结合传统的自适应噪声抵消系统,建立了基于BP神经网络的自适应噪声消除器。利用MATLAB进行了Simulink模块仿真,发现噪声消除的准确率较高,具有非常重要的意义。(本文来源于《山西电子技术》期刊2018年06期）
张磊,李方鑫,王建新,肖超恩[5]（2018）在《神经网络自适应噪声抵消系统的性能比较与仿真》一文中研究指出线性自适应滤波算法(LMS、NLMS、RLS)对非线性噪声抵消效果较差。针对这一问题,研究神经网络自适应噪声抵消系统中不同隐含层神经元节点数、不同隐含层传输函数、不同神经网络学习算法以及不同信噪比原始输入下系统的噪声抵消性能。建立结构为单层隐含层,且输入层、隐含层和输出层节点数为1-N-1结构的神经网络模型。通过仿真分析,优化神经网络自适应噪声抵消系统中,隐含层节点数经验公式的参数取值。结果表明该系统中噪声抵消效果受到神经网络结构的影响;对于原始输入信噪比在2～10 dB的信号,参考输入与原始输入中噪声非线性相关;选择传输函数为tansig,神经网络隐含层节点数使用优化后的参数取值,输出信号信噪比提高了1. 0～1. 5 dB。(本文来源于《计算机应用与软件》期刊2018年12期）
李春腾,蒋宇中,张宁,刘芳君[6]（2019）在《改进的超低频广义旁瓣噪声抵消算法》一文中研究指出为了有效地改善超低频频段的通信质量,在广义旁瓣抵消算法的基础上,提出了一种改进的广义旁瓣噪声抵消算法。首先,该算法将主通道中的延时求和用线性滤波算法代替,有利于进一步提高非相干噪声的抑制能力;其次,鉴于各通道信号强度存在差异,采用优化后的阻塞矩阵代替原来的简单相减阻塞矩阵,有利于减少期望信号的残留,从而提高算法的性能;最后,采用线性滤波代替原来的自适应算法,可以在实现噪声抵消的同时不降低主天线的灵敏度,且提高算法的运算速度。为了验证所提算法的有效性,在实验室环境下搭建了实验平台,设计了多组对照实验。实验结果表明,这种模拟电路可有效地抑制工频及其谐波干扰。改进后的广义旁瓣抵消算法相比于原算法,在信噪比和噪声底限的改善上有较大的成效。(本文来源于《西安电子科技大学学报》期刊2019年01期）
温晓伟,张万荣,金冬月,谢红云,黄鑫[7]（2018）在《一种采用噪声抵消及多重功耗优化技术的UWB-LNA》一文中研究指出采用噪声抵消及多重功耗优化技术,提出了一种超宽带低噪声低功耗放大器。它主要包括采用RL网络的共栅输入级、电流复用型噪声抵消级、放大输出级以及偏置电路4个部分。验证结果表明,该放大器,在2 GHz~6 GHz频带内,增益(S21)可以在14 d B以上;输入回波损耗(S11)小于-10 d B;输出回波损耗(S22)小于-25 d B;噪声系数(NF)小于3.2 d B;在3.8V的工作电压下,功耗仅为14 m W。(本文来源于《电子器件》期刊2018年03期）
姬红杰,郇新,王超[8]（2017）在《自适应噪声抵消算法仿真与分析》一文中研究指出在信号处理中,输入的有效信号往往会遭受到多种噪声的干扰,传统的方法很难在诸多干扰中将有效的信号提取出来。本文对比分析了LMS、NLMS、VLMS和RLS算法的滤波性能。仿真结果表明:高信噪比时,这四种算法都能从干扰噪声中提取出有效信号;低信噪比时,LMS和VLMS算法失效,NLMS和RLS算法可行,且RLS抗干扰能力最好。(本文来源于《河北农机》期刊2017年11期）
赵玉龙,沈怀荣,任元[9]（2018）在《超流体陀螺相位波动噪声自适应抵消系统分析》一文中研究指出针对超流体陀螺相位波动噪声影响陀螺角速度检测精度的问题,提出了一种基于递推最小二乘(RLS)算法的陀螺自适应噪声抵消系统。首先,建立了超流体陀螺的相位检测模型,得到了陀螺输出薄膜幅值和相位的关系。其次,考虑热运动的影响,建立了相位波动噪声的等效输入角速度模型,探索了陀螺参数对角速度噪声的影响,得到了陀螺角速度噪声幅值范围。在此基础上,考虑该角速度噪声与输入角速度的互不相关性,将超流体陀螺薄膜幅值解算输出的混合角速度信息作为抵消系统的期望输入,将相位波动噪声引起的角速度噪声作为RLS自适应滤波器的参考输入,通过自适应调节参数使得RLS自适应滤波器的输出与混合角速度信息的噪声部分相抵消。通过与最小均方(LMS)算法仿真对比表明,在大角速度、大噪声情况下,该抵消系统能够有效消除陀螺混合角速度信息中的噪声成分,且具有较快的收敛速度和较好的稳定性。(本文来源于《北京航空航天大学学报》期刊2018年03期）
金志雄,龙燕[10]（2017）在《拖船噪声信号重构及抵消方法中的经验模态分解算法》一文中研究指出拖曳线列阵声呐性能受到多种因素的影响,其中最主要的是拖船辐射噪声和海洋环境噪声。其中,拖线阵声呐受拖船辐射噪声影响最明显,已经到了必须要解决的地步,不然其无法发挥其检测通过尾流自导方式接近的威胁的作用。本文将着重研究影响连续单频信号的1/4波长,以及分裂阵互谱相位差的特性,并据此提出基于矩阵元素的解决方法。(本文来源于《舰船科学技术》期刊2017年10期）
噪声抵消论文开题报告
（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：
本文提出了一种基于噪声抵消技术的宽带低噪声放大器(LNA)。通过互补CMOS并联推拉结构的采用,抵消掉二阶互调失真分量(IMD2)。改进的噪声抵消电路也可以有效地抑制叁阶互调失真分量(IMD3)。虽然噪声和失真的最优化抵消点不同,但是噪声系数并没有恶化。基于标准的90 nm CMOS工艺对LNA进行流片实现,该LNA在0. 1～3. 9 GHz频段内,取得了21. 5～24. 3 dBm的二阶输入截止点,2. 6～3. 8 dBm的叁阶输入截止点,13. 6 d B的最大功率增益,1. 9～3. 8 dB的噪声系数。该LNA在1. 1 V电压的供电下,消耗了19. 5 m W的功耗,芯片面积仅为0. 0095 mm~2。
（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。
噪声抵消论文参考文献
[1].王志铎,马令坤,张俊涛.自适应噪声抵消算法优化与FPGA实现[J].陕西科技大学学报.2019
[2].刘廷敏.一种基于噪声抵消技术的高线性LNA设计[J].中国电子科学研究院学报.2019
[3].董光冬,张方华.基于噪声平衡原理的反激变换器CM传导噪声抵消方法研究[J].中国电机工程学报.2019
[4].康彩丽.基于神经网络的自适应噪声抵消技术研究[J].山西电子技术.2018
[5].张磊,李方鑫,王建新,肖超恩.神经网络自适应噪声抵消系统的性能比较与仿真[J].计算机应用与软件.2018
[6].李春腾,蒋宇中,张宁,刘芳君.改进的超低频广义旁瓣噪声抵消算法[J].西安电子科技大学学报.2019
[7].温晓伟,张万荣,金冬月,谢红云,黄鑫.一种采用噪声抵消及多重功耗优化技术的UWB-LNA[J].电子器件.2018
[8].姬红杰,郇新,王超.自适应噪声抵消算法仿真与分析[J].河北农机.2017
[9].赵玉龙,沈怀荣,任元.超流体陀螺相位波动噪声自适应抵消系统分析[J].北京航空航天大学学报.2018
[10].金志雄,龙燕.拖船噪声信号重构及抵消方法中的经验模态分解算法[J].舰船科学技术.2017
论文知识图
