为有效合理利用雷达资源和解决雷达测量值与运动状态间的非线性关系以及目标状态本身可能出现的非线性，提出了一种基于交互式多模型粒子滤波（IMMPF）的相控阵雷达自适应采样目标跟踪方法。将交互式多模型粒子滤波一步预测值的后验克拉美罗矩阵代替预测协方差矩阵，通过该矩阵的迹与某一门限值比较来更新采样周期以适应目标运动状态的变化。将该方法与基于量测转换的IMM自适应采样算法进行仿真实验，表明了该算法的有效性。
上传时间： 2013-10-09
上传用户：1037540470
实现用固定变异概率和自适应变异概率解tsp问题的比较，自适应式算法采用基于种群差异度的自适应算法，详见实验报告
上传时间： 2014-01-26
上传用户：1427796291
最小均方自适应滤波器，是线性自适应滤波算法
标签： 自适应滤波器
上传时间： 2015-06-15
上传用户：yangbo69
LMS自适应滤波的matlab实现，本程序针对一个典型的信号估计模型，估计该系统参数，给出了逼近曲线和误差曲线
标签： 自适应滤波
上传时间： 2015-12-09
上传用户：dt98
crc任意位生成多项式 任意位运算 自适应算法 循环冗余校验码(CRC，Cyclic Redundancy Code)是采用多项式的 编码方式，这种方法把要发送的数据看成是一个多项式的系数 ，数据为bn-1bn-2…b1b0 (其中为0或1)，则其对应的多项式为： bn-1Xn-1+bn-2Xn-2+…+b１X+b０ 例如：数据“10010101”可以写为多项式 X７+X４+X２+1。 循环冗余校验CRC 循环冗余校验方法的原理如下： (1) 设要发送的数据对应的多项式为P(x)。 (2) 发送方和接收方约定一个生成多项式G(x)，设该生成多项式 的最高次幂为r。 (3) 在数据块的末尾添加r个0，则其相对应的多项式为M(x)=XrP(x) 。(左移r位) (4) 用M(x)除以G(x)，获得商Q(x)和余式R(x)，则 M(x)=Q(x) ×G(x)+R(x)。 (5) 令T(x)=M(x)+R(x)，采用模2运算，T(x)所对应的数据是在原数 据块的末尾加上余式所对应的数据得到的。 (6) 发送T(x)所对应的数据。 (7) 设接收端接收到的数据对应的多项式为T’(x)，将T’(x)除以G(x) ，若余式为0，则认为没有错误，否则认为有错。
上传时间： 2014-11-28
上传用户：宋桃子
crc任意位生成多项式 任意位运算 自适应算法 循环冗余校验码(CRC，Cyclic Redundancy Code)是采用多项式的 编码方式，这种方法把要发送的数据看成是一个多项式的系数 ，数据为bn-1bn-2…b1b0 (其中为0或1)，则其对应的多项式为： bn-1Xn-1+bn-2Xn-2+…+b１X+b０ 例如：数据“10010101”可以写为多项式 X７+X４+X２+1。 循环冗余校验CRC 循环冗余校验方法的原理如下： (1) 设要发送的数据对应的多项式为P(x)。 (2) 发送方和接收方约定一个生成多项式G(x)，设该生成多项式 的最高次幂为r。 (3) 在数据块的末尾添加r个0，则其相对应的多项式为M(x)=XrP(x) 。(左移r位) (4) 用M(x)除以G(x)，获得商Q(x)和余式R(x)，则 M(x)=Q(x) ×G(x)+R(x)。 (5) 令T(x)=M(x)+R(x)，采用模2运算，T(x)所对应的数据是在原数 据块的末尾加上余式所对应的数据得到的。 (6) 发送T(x)所对应的数据。 (7) 设接收端接收到的数据对应的多项式为T’(x)，将T’(x)除以G(x) ，若余式为0，则认为没有错误，否则认为有错
上传时间： 2014-01-15
上传用户：hphh
本书是自适应信号处理领域的一本经典教材。全书共17章，内容包括：自适应LMS横向滤波器、自适应格型滤波器、自适应递归滤波器、频域和子带自适应滤波器、盲自适应滤波器、神经网络、非线性自适应滤波器等及其在通信与信息系统中的应用。目录背景与预览第1章 随机过程与模型第2章 维纳滤波器第3章 线性预测第4章 最速下降算法第5章 最小均方自适应滤波器第6章 归一化最小均方自适应滤波器第7章 频域和子带自适应滤波器第8章 最小二乘法第9章 递归最小二乘自适应滤波器第10章 卡尔曼滤波器第11章 平方根自适应滤波器第12章 阶递归自适应滤波器第13章 有限精度效应第14章 时变系统的跟踪第15章 无限脉冲响应自适应滤波器第16章 盲反卷积第17章 反向传播学习后记附录A 复变量附录B 对向量微分附录C 拉格朗日乘子法附录D 估计理论附录E 特征分析附录F 旋转和映射附录G 复数Wishart分布术语参考文献 现在网上流传的技术类书籍好多都是预览版本，此书为全本，非常难得，现在分享给大家，希望对大家有所帮助。
标签： 自适应滤波器
上传时间： 2022-05-14
上传用户：默默
随着电力电子技术的飞速发展,越来越多的电力电子装置被广泛应用到各个领域,其中相当一部分负荷具有非线性或具有时变特性,使电网中暂态冲击、无功功率、高次谐波及三相不平衡问题日趋严重,给电网的供电质量造成严重的污染和损耗.因此,对电力系统进行谐波抑制和无功补偿,提高电网供电质量变得十分重要.电力有源滤波器(Active Power Filter,简称APF)与无源滤波器相比,APF具有高度可控制和快速响应特性,并且能跟踪补偿各次谐波、自动产生所需变化的无功功率和谐波功率,其特性不受系统影响,无谐波放大威胁.并联型电力有源滤波器(Shunt Active Power Filter,简称SAPF)更是得到了广泛的应用. 近年来,自适应算法中的递推最小二乘法(简称RLS)应用越来越广泛,该算法简单,收敛速度快.应用基于RLS自适应算法的滤波器(简称RLS滤波器),可以快速有效的滤除杂波,同时自动调整滤波器参数,不断改进滤波性能,最终得到所需的信号. 本文研究了基于平均功率和RLS自适应算法的并联型有源滤波器.它的参考电流是一个同电网相电压同相位的三相平衡的有功电流,它包含两个分量:一个是由实测的三相负载瞬时功率计算得到的,基于平均功率算法的电网应该为负载各相提供的有功电流瞬时参考值；另一个是为了维持有源滤波器中逆变器的直流母线电压基本恒定,主要通过RLS滤波器计算得出的电网各相应该提供的有功电流瞬时参考值.两个分量的计算共同构成了该有源滤波器参考电流的计算.补偿电流指令值与实际补偿电流比较生成控制逆变桥工作的PWM脉冲,生成补偿电流,达到补偿负载无功和抑制谐波的目的. 应用RLS滤波器得到维持直流母线电压恒定的直流侧有功系数A<,dc>,克服了传统PI控制中参数难以得到且由于参数过于敏感而导致补偿后电流纹波太大的问题.使得当稳态时SAPF自身的功率损耗和暂态负载变化时因为直流侧电容提供电网和负载之间的有功功率差而引起的电压的波动迅速反馈到指令电流的计算中.RLS算法收敛快,SAPF实时性大大提高.基于该方法的SAPF结构简单,无需锁相器. 根据本文的算法应用MATAB建立了仿真系统,仿真结果表明基于该算法的SAPF的可行性和实时性.
上传时间： 2013-04-24
上传用户：mfhe2005
心音信号是人体最重要的生理信号之一，包含心脏各个部分如心房、心室、大血管、心血管及各个瓣膜功能状态的大量生理病理信息。心音信号分析与识别是了解心脏和血管状态的一种不可缺少的手段。本文针对目前该研究领域中存在的分析方法问题和分类识别技术难点展开了深入的研究，内容涉及心音构成的分析、心音信号特征向量的提取、正常心音信号（NM）和房颤（AF）、主动脉回流（AR）、主动脉狭窄（AS）、二尖瓣回流（MR）4种心脏杂音信号的分类识别。本文的工作内容包括以下5个方面： a）心音信号采集与预处理。本文采用自行研制的带有录音机功能的听诊器实现对心音信号的采集。通过对心音信号噪声分析，选用小波降噪作为心音信号的滤波方法。根据实验分析，选择Donoho阈值函数结合多级阈值的方法作为心音信号预处理方案。 b）心音信号时频分析方法。文中采用5种时频分析方法分别对心音信号进行了时频谱特性分析，结果表明：不同的时频分析方法与待分析心音信号的特性有密切关系，即需要在小的交叉项干扰与高的时频分辨率之间作综合的考虑。鉴于此，本文提出了一种自适应锥形核时频（ATF）分析方法，通过实验验证该分布能较好地反映心音信号的时频结构，其性能优于一般锥形核分布（CKD）以及Choi-Williams分布（CWD）、谱图（SPEC）等固定核时频分析方法，从而选择自应锥形核时频分析方法进行心音信号分析。 c）心音信号特征向量提取。根据对3M Littmann（） Stethoscopes[31]数据库中标准心音信号的时频分析结果，提取8组特征数据，通过Fihser降维处理方法提取出了实现分类可视化，且最易于分类的心音信号的2维特征向量，作为心音信号分类的特征向量。 d）心音信号分类方法。根据心音信号特征向量组成的散点图，研究了支持向量机核函数、多分类支持向量机的选取方法，同时，基于分类的目的 性和可信性，本文提出以分类精度最大为判断准则的核函数参数与松弛变量的优化方法，建立了心音信号分类的支持向量机模型，选取标准数据库中NM、AF、AR、AS、MR每类心音信号的80组2维特征向量中每类60组数据作为支持向量机的学习样本，对余下的每类20组数据进行测试，得到每类的分类精度（Ar）均为100％，同时对临床上采集的与上述4种同类心脏杂音信号和正常心音信号中每类24个心动周期进行分类实测，分类精度分别为：NM、AF、MR的分类精度均为100％，而AR、AS均为95．83％，验证了该方法的分类有效性。 e）心音信号分析与识别的软件系统。本文以MATLAB语言的可视化功能实现了心音信号分析与识别的软件运行平台构建，可完成对心音信号的读取、预处理，绘制时-频、能量特性的三维图及两维等高线图；同时，利用MATLAB与EXCEL的动态链接，实现对心音信号分析数据的存储以及统计功能；最后，通过对心音信号2维特征向量的分析，实现心音信号的自动识别功能。 本文的研究特色主要体现在心音信号特征向量提取的方法以及多分类支持向量机模型的建立两方面。 综上所述，本文从理论与实践两方面对心音信号进行了深入的研究，主要是采用自适应锥形核时频分析方法提取心音信号特征向量，根据心音信号特征向量组成的散点图，建立心音信号分类的支持向量机模型，并对正常心音信号和4种心脏杂音信号进行了分类研究，取得了较为满意的分类结果，但由于用于分类的心脏杂音信号种类及数据量尚不足，因此，今后的工作重点是采集更多种类的心脏杂音信号，进一步提高心音信号分类精度，使本文研究成果能最终应用于临床心脏量化听诊。 关键词：心音信号，小波降噪，非平稳信号，心脏杂音，信号处理，时频分析，自适应，支持向量机
上传时间： 2013-04-24
上传用户：weixiao99
文档是关于自适应信号处理算法研究及FPGA实现的文章，
上传时间： 2013-08-27
上传用户：Maple
