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。     

一种新的自适应卡尔曼滤波算法——ALR算法

本文提出一种新的自适应卡尔曼滤波算法——ALR(Adaptive Least Residual)算法.该算法从经典的卡尔曼滤波出发,使残差达到最小,以残差(residual)样本值代替统计值,再用最陡下降法估计算自适应权增益,最后得到一组自适应滤波公式.通过理论分析和计算机模拟,证明该算法具有算法简单、运算量小等优点,适于在自适应系统辨识、自适应谱估计中作实时处理.     

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．     

独立运行光伏发电系统电流环自适应给定的MPPT控制

本文在光伏阵列数学模型及特性分析的基础上，给出了结构简单且便于实现MPPT控制的系统结构．针对现有MPPT控制方法的不足，给出了一种电流环自适应给定的MPPT控制算法．这种算法采用自适应变步长扰动方法，根据功率变化自动调节电流扰动步长，可满足MPPT控制的快速性和准确性要求．仿真结果验证了该方法的可行性和正确性．     

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。     

基于自适应网络模糊推理系统的噪声抵消

对自适应网络模糊推理系统(ANFIS)在噪声抵消中的应用进行了研究，说明了ANFIS的结构和使用ANFIS进行噪声抵消的原理，对窄带干扰的滤除和噪声中的信号提取两种情况进行了仿真，并对ANFIS和LMS(小均方误差准则)两种算法进行了对比研究，结果表明，利用ANFIS进行噪声抵消要优于LMS。     

变步长极化对消迭代滤波算法

分析了定步长自适应极化对消(APC)迭代算法,在此基础上提出了一种变步长的极化对消迭代算法,并分析了该算法的收敛条件和收敛性能。通过Matlab仿真,比较了参数变化对变步长算法收敛速度的影响,并且将定步长算法与变步长算法进行了比较,得出了变步长算法收敛速度更快的结论。     

一种基于最小二乘准则的自适应滤波算法

基于最注二乘准则Ｊ（ｎ）＝　　　　　,利用最徒梯度下降法,得到一种新的梯度型自适应滤波算法．该算法避免了递推最小二乘ＲＬＳ（Ｒｅｃｕｒｓｉｖｅ　Ｌｅａｓｔ　Ｓｑｕａｒｅｓ）算法需递推估计更新自相关矩阵Ｒｘｘ（ｎ）的逆的不足,计算机模拟仿真结果表明该算法有良好的收敛性能,收敛速度快于ＬＭＳ（Ｌｅａｓｔ Ｍｅａｎ　Ｓｑｕａｒｅｓ）算法、ＮＬＭＳ（ＮｏｒｍａｌｉｚｅｄＬｅａｓｔ　Ｓｑｕａｒｅｓ）算法和ＲＬＳ算法．     

改进的LMS自适应时延估计方法

针对传统的基于SINC插值的自适应时间延迟估计方法估计误差较大、收敛速度较慢等问题,提出了一种新的插值方法和相应的自适应时延估计方法.根据LMS自适应时延估计方法中最优权表达式的有关参数特点,采用自适应算法对参数进行估计并进行了理论分析.计算机仿真结果表明,与基于SINC插值的自适应时延估计方法相比,在不同信噪比条件下,新方法所需自适应滤波器抽头长度小且具有较快的收敛速度和较好的稳态均方误差,具有广泛的适用性.     

一种瞬变步长LMS自适应滤波算法

基于规一化起动、平滑递推和ＰＬＳ算法导出了一种新的变步长ＬＭＳ算法。文中分析了起动后的平稳连接和提高起始收敛速度的条件，证明了步长因子μ（ｋ）的瞬变特性及其对减小失调噪声的作用。计算机仿真效果较好，支持了理论分析。     

MIMO频率选择性信道自适应均衡

针对MIMO频率选择性信道提出了一种分数间隔的判决反馈均衡器,其优点是既对时间同步误差不敏感,又能在消除码间干扰的同时不引入噪声增益。同时比较了分别采用最小均方算法和恒模算法的分数间隔判决反馈均衡器,并通过仿真,分析了这两种算法的优缺点。在此基础上提出了一种改进的最小均方算法和恒模算法相结合的算法,改进后需要的训练序列为LMS算法的1/3,其结果是误码率比恒模算法有明显的提高。     

基于独立分量分析的降噪技术

介绍了新兴的独立分量分析技术的基本概念和原理,以及具有代表性的算法,即FastICA算法、EASI算法、非线性PCA算法和基于自然梯度的最大似然估计算法。通过降噪仿真实验,并采用均方误差作为降噪的性能指数,对这些算法与传统的自适应信号处理算法进行比较。所得实验结果表明,独立分量分析算法在降噪上的效果优于自适应信号处理算法。因此在降噪上具有较大的应用价值。     

一种适用于远程医疗的水印算法

研究了脑电图(EEG)的水印算法,提出了一种基于自适应滤波的数字水印算法。实验仿真结果表明水印是不可见的,经过低通滤波、中值滤波、维纳滤波、JPEG压缩、小角度旋转等图像处理操作后仍可检验出水印,比空域算法有更高的鲁棒性。     

非高斯脉冲噪声下的非线性自适应最小p范数迭代方法

稳定分布可以更好地描述实际应用中所遇到的具有显著脉冲特性的随机信号和噪声。与其它统计模型不同,α稳定分布没有统一闭式的概率密度函数,其二阶及二阶以上统计量均不存在。针对系统中存在独立SαS噪声与高斯噪声,本文提出了一种稳定分布环境下的非线性自适应最小p范数迭代算法。计算机模拟和分析表明,这种算法是一种在SαSG分布背景噪声条件下具有良好韧性的滤波方法。     

一种基于扩展Infomax的自适应学习算法

独立向量分析根据信源统计独立特性对观测信号进行分离运算,扩展Informax算法既能分离超高斯信号,也能分离亚高斯信号,得到广泛的应用。本文基于扩展Infomax算法特点,提出了一种自适应的学习算法,该算法使得学习步长根据信号的代价函数变化而变化,克服了扩展Infomax算法在稳态步长调整过程中的不足,仿真结果证实了该算法的有效性。     

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。