权值反馈的多干扰频域自适应滤波

针对多个不等强度的大功率窄带干扰,提出了一种权值反馈的频域自适应滤波算法。其优点是利用权值反馈不仅在权值迭代过程中实时调整更新步长,实现算法的快速收敛,同时达到有效地抑制多个强干扰的目的,使输出信号的平均功率更接近于扩频信号功率,改善了DSSS系统的性能。同时将算法的数学推导和分析与无权值反馈自适应滤波算法进行了比较,仿真结果验证了该算法在加快收敛速度以及改善系统性能方面的有效性。     

PN码自适应门限捕获新方法

针对扩频通信中PN码固定门限捕获性能上的不足,结合图像处理中的中值滤波和数学形态学原理,提出了一种新的自适应门限捕获方法。在分析判决量统计特性的基础上,使用由序列转换电路和形态滤波器构成的估计器对背景噪声进行实时估计,得到自适应门限用于捕获判决。蒙特卡罗仿真结果表明,该文提出的自适应门限捕获方法能够适应多径环境,抗干扰性能优越,具有较强的实用性。     

高速自适应干扰抑制系统及实现技术研究

针对码率较高、实时性强的扩频抗干扰接力通信系统的窄带干扰抑制问题，提出了一种基于ＤＳＰ器件并行实现的自适应干扰抑制滤波器的设计。该系统是针对ＤＳＰ器件的特点，采用ＴＭＳ３２０Ｃ３０数字信号处理器及ＩＭＳＡ１１０专用滤波器并行处理的设计方法，实现了最高数据吞吐率为２０Ｍｂｐｓ的自适应滤波器，从而为高速实时自适应干扰抑制滤波器的实现提供了一种有效的途径。     

神经网络自适应学习步长研究

论述了神经网络学习算法的研究现状和存在的问题，分析了ＢＰ算法中学习步长选取的局限性，建立了ＢＰ网络输出误差的非线性规划模型，并根据文献［６］的状态空间混合算法，推导出了一种自适应调整学习步长的公式。推得的学习步长能够利用环境改变的低息反馈不断自动改变。     

一种基于局部统计特性的自适应混合滤波器

基于图像的局部统计特性，结合线性、非线性滤波技术和图像序列处理技术，构建了一种新型自适应混合滤波器．该滤波器算法能够有效地滤除混合噪声，与同类算法相比，有更好的滤波稳健性、实时性，并具有较高的实用价值．     

基于多层神经网络的非线性系统预测

针对一类非线性动态系统,提出了一种新的基于多层神经网络的自适应预测器,并对基于神经网络的预测机理进行了分析。该预测器由两个同构的多层神经网络实现,其中一个称为学习网络(LN),另一个称为预测网络(PN)。彷真结果表明,速种基于多层神经网络的预测嚣对于恒定参数的非线性系统是有效的,从而为解决非线性系统预测问题提供了一条可行的途径。     

多层神经网络的内在容错性

把多层神经网络具有内在容错性归因于其信息处理和信息存贮的分布特性,以及每个神经元固有的故障屏蔽能力。将多层网内在容错性的概念进行了形式化,进而证明了在合理的统计条件下,感知器和两层网是内在容错的。     

一种新的自适应神经网络均衡器

根据克服数字通信中码间干扰(ISI)的最佳均衡解一般表达式,提出了一种新的自适应神经网络均衡器结构,然后导出了基于该结构的一种自适应算法和相应的学习规则,最后对这种自适应神经网络均衡器进行了计算机模拟。研究结果表明:文中提出的神经网络均衡器非常有效,比传统线性均衡器和Gibson等人提出的多层感知均衡器(MLPE)性能更优越,更具实用性。     

基于双渐消因子调节的自适应卡尔曼滤波器

针对传统卡尔曼(Kalman)滤波器鲁棒性差,无法实时精确跟踪系统突变状态的问题,设计了一款双渐消因子调节的自适应Kalman滤波器。算法分析了突变状态无法精确跟踪的原因,在传统Kalman滤波器的基础上,引入双渐消因子,优化预测协方差,实时激活滤波增益,调节量测新息在状态估计中的贡献度。借鉴新息正交性定理,依据Sage开窗估计原理与加权最小二乘准则,建立了双渐消因子的函数解析式。基于滤波发散判据,分析了储备系数与量测新息协方差之间的关系,构造了函数边界条件。实例研究表明,自适应Kalman滤波器鲁棒性强,能够精确跟踪系统突变状态,状态收敛速度优于抗差Kalman滤波器,稳态精度提升了44.76%。     

一种新的变步长LMS自适应滤波算法性能分析

在简单介绍了基本的LMS,NLMS自适应滤波算法的基础上,介绍了一种新的可变步长LMS自适应滤波算法,并将该算法应用于自适应噪声对消系统的仿真中。通过计算机仿真,给出了LMS、NLMS和新的可变步长LMS自适应滤波三种算法的性能对比,结果表明该算法具有较快的收敛速度和较小的稳态误差。     

采用自适应GHA神经网络的分类器设计

介绍了一种自适应逼近数据实质维的GHA神经网络学习算法。基于主元子空间分解的思想,给出了基于该算法的分类器刻画方法,对其中的刻画参数给出了详细的界定。该分类器采用监督学习机制进行训练,可以自动学习输入的主元特征子空间维数。在入侵检测领域,利用KDD CUP 1999数据集对该方法进行了仿真。采用正常连接数据训练GHA异常检测分类器,利用拒绝服务攻击数据进行了误用检测训练。并将测试结果与其他入侵检测方法进行了比较。     

一个基于神经网络的测试生成系统

介绍了一个基于组合电路的Ｈｏｐｆｉｅｌｄ神经网络模型的测试生成系统，系统中运用概率松驰搜索算法求解给定故障的测试矢量。实验结果表明了该系统的可行性     

直接序列扩频数字匹配滤波器

探讨用于直接序列扩频的数字匹配滤波器（ＤＭＦ）的逻辑结构和有关参数的选取问题；讨论了采用并行处理技术和快速算法的可行性，分析了量化比特数、取样间隔以及Ａ／Ｄ变换器固有的软限幅效应对系统性能的影响；为有所比较，还提到了早期的极性重合ＤＭＦ。在给出部分理论分析和计算机模拟结果之后归纳了几条主要结论，这对在目前国内条件下设计ＤＭＦ特别具有参考价值     

DSSS系统中自适应时变小波包干扰抑制

提出了一种基于自适应时变小波包变换实现直接序列扩频通信系统时变窄带干扰抑制的方法。该方法在自适应时域分解的基础上,利用小波包变换多分辨分析能力和良好的时频特性进行频率分解,将有用信号和干扰分离,然后将受扰频带置零后进行小波包合成,达到滤除时变窄带干扰的目的。计算机仿真结果表明,该方法与非时变自适应小波包抑制技术相比较,以计算复杂度为代价,能更灵活有效地跟踪和定位时变干扰,提供较好的误码率性能。     

基于回路神经网络的特征子空间估值算法(英文)

基于运用回复式离散神经网络进行特征子空间估值的理论,提出了解决正定对称矩阵的特征子空间估值问题的算法。其神经网络被描述为离散时间系统,它们在整个连续时间神经网络模型的数字化处理即计算机仿真方面具有优势,可以很容易地应用于数字化硬件。仿真结果的给出进一步阐明了网络良好的性能。     

一种改进的递归神经网络盲均衡算法

提出了一种新的基于递归神经网络的快速收敛盲均衡算法。设计中采用观测信号的四阶统计量构造代价函数,简化了系统的复杂度;利用实时递归学习算法对系统参数进行动态调节。该算法具有镇定性,其收敛性能不会受到失真信道的影响,适用于均衡衰落性严重的信道。实验仿真结果表明对具有频率选择性衰落的非线性信道,该算法在收敛速度和对抗码间串扰方面都具有良好的性能。     

多级完全自适应陷波滤波器的设计

设计了一种典型的自适应级联结构的IIR陷波滤波器,用来探测和跟踪频率随时变化的信号。该信号含有加性高斯白噪声,采用全通滤波器的频域转换和梯度截短算法。通过仿真模拟显示,该算法计算简单,收敛迅速,并且能产生较好的频率分辨率。     

彩色图像脉冲噪声的自适应矢量滤波

提出了基于噪声像素检测的自适应矢量滤波器的新方法,该法对图像中噪声像素进行检测时,仅对噪声像素进行矢量滤波,而对非噪声像素则保持其原值不变,并可根据图像噪声情况自适应地选择滤波窗口。新滤波器能有效地滤除彩色随机脉冲噪声,并保持图像边缘与细节,其性能优于经典的矢量中值滤波器、方向一距离滤波器、方向一幅度矢量滤波器等非线性滤波器。