LMS自适应滤波器的FPGA实现

LMS自适应滤波器是一种广泛使用的数字信号处理算法,对其实现有多种方法.通过研究其特性的基础上,提出了在FPGA中使用软处理的嵌入式实现方案,文中对实现方式的优缺点进行了分析,并给出了硬件实现中的有线字长效应进行了详细的分析.     

基于MATLAB的模拟滤波器设计

模拟滤波器是现代测控系统中的重要部件，传统设计方法的设计过程繁琐。对传统方法与MATLAB编程方法进行了比较，研究了用MATLAB实现巴特沃斯滤波器的设计，只要改变程序中相应的参数可以很容易地实现低通、高通、带通、带阻滤波器，简化了模拟滤波器的设计。     

自适应相位谱时间延迟估计

提出了一种自适应相位谱时间延迟估计方法。该法利用时域或频域ＬＭＳ自适应滤波器，自适应地实现Ｒｏｔｈ处理器即维纳滤波器，由最佳的系统函数得到相位函数估计，从而实现时间延迟估计。     

道路模拟试验系统中自适应滤波器的实现

阐述了采用自适应有限脉冲响应滤波器的多通道逆向控制方法及其自适应滤波器的实现方法，采用这种方法控制道路模拟试验系统，精确地再现了期望的响应信号。     

基于距离测度法的中枢神经系统损伤检测

基于AR模型的EEG信号距离测度方法可以较好地表征中枢神经系统损伤的情况.主要探讨在这种方法中利用不同的定阶准则建立相应的AR模型及其对距离测度结果的影响.同时,使用自适应滤波器对原始信号进行滤波;将分离后的平稳和非平稳成分再进行距离测度法的研究.对滤波器的参数分析表明,这种方法可以很好地消除EEG信号中可能混有的不同程度的噪声,得到的距离测度结果也能更好地表示损伤的变化情况.     

基于PAL的图像3D运动自适应数字梳状滤波器算法研究

分析了几种数字梳状滤波器在进行视频信号的亮、色分离时的优、缺点。针对现有的1D、2D数字梳状滤波器的局限性,通过引入图像前后场内容的相关性,实现了基于图像内容的3D运动自适应数字梳状滤波器的算法。通过与实际图像比对,证明了采用这种处理方法的滤波器能够达到非常好的亮、色分离效果。     

基于距离测度法的中枢神经系统损伤检测

基于AR模型的EEG信号距离测度方法可以较好地表征中枢神经系统损伤的情况。主要探讨在这种方法中利用不同的定阶准则建立相应的AR模型及其对距离测度结果的影响。同时，使用自适应滤波器对原始信号进行滤波，将分离后的平稳和非平衡成分再进行距离测度法的研究。对滤波器的参数分析表明，这种方法可以很好地消除EEG信号中可能混有的不同程度的噪声，得到的距离测度结果也能更好地表示损伤的变化情况。     

应用于轴承故障诊断的LMS自适应滤波器及其FPGA实现

在轴承信号当中,能反映轴承运行状态的信号总是掺杂着各种噪声,给故障特征的提取带来困难,基于最小均方(LMS)算法的自适应滤波器是去除噪声的首选方法。根据轴承故障信号的特点,以轴承故障信号的延时信号作为参考值,实时自适应调整滤波器不同时刻输出的权值来实现对轴承故障信号中噪声的滤除,并在此基础上给出了一种基于现场可编程门阵列(FPGA)的实现方案。仿真结果表明,该方案对于轴承信号的降噪效果良好,应用于FPGA后,运行速率也得到了很大的提升,可以在实际的轴承故障诊断工程中加以运用。     

基于均值平移和自适应预测的运动目标跟踪

针对运动目标跟踪算法不足之处,提出结合改进的均值平移与自适应预测的目标跟踪算法,基于Bhattacharyya系数值进行Kalman滤波器与粒子滤波器之间的切换.引入Kalman滤波器为Mean Shift算法估计初始点,在跟踪稳定的情况下进行模板更新,根据Kalman残差大小判定是否发生遮挡：部分遮挡情况下即结合Kalman滤波器实现对快速运动目标的实时跟踪;完全遮挡情况下结合均值平移和粒子滤波进行鲁棒跟踪.实验证明,改进的算法可以有效地提高跟踪算法的效率,并且能很好地解决遮挡问题.     

静压驱动系统PID参数整定及其模糊自适应控制

文章在分析静压驱动系统组成及数学模型的基础上。分别采用临界比例带法和NCD优化法对PID参数进行整定,并应用模糊控制理论,设计了一种模糊自适应PID控制器。该控制器根据马达转速偏差和偏差的变化率,利用模糊逻辑实现PID参数的在线调整,使系统具有较好的自适应能力和较强的抗干扰性。并在Matlab／Simulink环境下对其进行了动态仿真。仿真结果表明,NCD优化法的整定效果较好,模糊自适应PID控制器的性能优于常规PID控制器。     

闭环系统辨识的模型结构检验

对于闭环系统辨识的模型结构检验问题,在预测误差辨识法的前提下,从参数估计的统计特性中推导出两概率模型不确定性边界及最优的输入滤波器形式。概率边界及输入滤波器是基于参数估计的渐近正态分布的方差矩阵,该方差矩阵由采样数据估计而得。根据未知参数的渐近方差矩阵内积形式从概率统计意义上构造模型参数及互相关函数的不确定性边界,从优化的角度推导输入滤波器的选取形式。最后用仿真算例验证本文辨识方法的有效性。     

神经Chebyshev正交多项式均衡器及自适应算法

提出一种全新结构的非线性均衡器———神经Chebyshev正交多项式自适应均衡器.该均衡器由1个非线性神经自适应滤波器和1个Chebyshev正交多项式滤波器级联而成.基于最陡下降方法,推导出了相应的自适应算法.仿真结果表明,在线性信道中,该均衡器的均方误差(MSE)比神经自适应均衡器和二阶Volterra均衡器小;在非线性信道中,以更为简单的结构达到了和BP算法训练的三层神经网络相似的性能.     

基于自适应逆控制的APF建模与收敛过程分析

根据能量守恒原理，电力有源滤波器的直流电容平均电压的变化能够反映系统主电流变化的趋势，据此可提出一种基于自适应逆控制的电力有源滤波器．对此有源滤波器的建模原理进行了分析，通过仿真建立了模型的动态曲线，在此基础上对系统的收敛过程作了分析研究，仿真和实验结果验证了理论分析的正确性．     

混沌时间序列的双线性自适应预测

基于混沌动力系统相空间的延迟坐标重构和双线性表达式，设计了预测混沌时间序列的双线性自适应预测滤波器．对2种低维混沌序列的预测实验表明，采用双线性自适应滤波器的预测收敛速度快，处理约50个样本时即已收敛，预测相对误差小于0．001．     

基于Measurement Studio的数字滤波器设计与实现

介绍了一种新的数字滤波器设计与实现方法,采用最新的虚拟仪器软件NI Measurement Studio,实现了IIR数字滤波器的功能,设计程序在VC .net环境中调试通过.该设计的整个界面可以动态显示,相应参数设置及函数自动弹出,便于分析、理解.具有灵活、易实现和功能强等特点.     

基于卡尔曼滤波的GPS/DR导航信息融合方法

为了有效地实现GPS/DR(Global Positioning System/Dead Reckoning)组合导航系统的信息融合,提高GPS/DR组合导航系统的精度和可靠性,分析了传统的利用全球定位系统(GPS)与航位推算系统(DR)跟踪车辆位置方法的特点,结合GPS和航位推算DR两种定位方式的优点,在车辆定位技术中采用GPS/DR组合定位技术,构建了基于卡尔曼滤波技术的自适应联合卡尔曼滤波器,使用Matlab软件工具进行了计算机仿真验证,从软件集成的角度探讨了GPS/DR组合定位技术的串口通信等关键技术的软件实现问题,给出了GPS单独导航、DR单独导航和GPS/DR组合导航三种工作状态下的位置误差。从对比中可以看出,组合系统能在任何情况下实现车辆的实时、可靠、准确的定位,定位误差最小,同时还可以减小甚至消除推算定位系统随时间积累的误差。     

基于奇异值分解的混沌时间序列Volterra预测

提出一种用于混沌时间序列预测的奇异值分解Volterra滤波器.在Volterra滤波系数计算过程中,采用奇异值分解的方法得到线性方程组的最小二乘解.4种混沌序列的预测实验表明:该滤波器对混沌流的预测性能远优于NLMS自适应Volterra滤波器,前者的一步预测相对误差比后者小3~4个数量级.     

基于数据融合技术的路段出行时间预测方法

为了精确预测路段出行时间,分析了国内外基于多数据源的路段出行时间预测方法的优缺点,应用自适应卡尔曼滤波算法,通过融合环形线圈检测器数据和浮动车数据,建立了路段出行时间估计模型,在交通高峰期和事故情况下,比较了采用基于环形线圈检测器、浮动车和自适应卡尔曼滤波3种出行时间预测方法预测路段出行时间的平均绝对百分比误差。比较结果表明:基于自适应卡尔曼滤波算法融合了来自环形线圈检测器和浮动车的数据,预测值更接近实测值,预测精度高。