导读:本文包含了自适应噪声抵消技术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,分解,失配,回波。
自适应噪声抵消技术论文文献综述
康彩丽[1]（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）
张志强,余莉,韩方剑,刘志强[2]（2016）在《语音信号的自适应噪声抵消技术研究》一文中研究指出该文以语音信号为对象进行噪声抵消研究。首先对自适应噪声抵消(ANC)系统的基本原理进行了阐述;而后分别对基于LMS(最小均方)、NLMS(归一化最小均方)、RLS(递归最小二乘)、BP(误差反向传播神经网络)算法的自适应噪声抵消系统进行MATLAB仿真,发现LMS算法去噪效果较好、但迭代次数多,不能满足语音通信的实时性及高质量语音的要求。而训练函数为trainrp的BP算法去噪能力最好,可应用于语音质量要求高的去噪;训练函数为traincgf的BP算法收敛速度最快,可应用于抢险救灾、处突维稳等任务的实时语音去噪。(本文来源于《电脑知识与技术》期刊2016年02期）
张兰勇,周俊成,李冰,孙蓉[3]（2015）在《自适应噪声谱估计抵消技术及其应用》一文中研究指出为扩大虚拟暗室EMI(electromagnetic interference,电磁干扰)测试系统的应用范围,提高系统测量精度,改善其在复杂环境下的测试效果,借助自适应滤波及维纳滤波理论对基于传统自适应噪声抵消模型建立的测试系统进行分析,传统测试系统的参考通道存在的设备辐射分量制约了系统应用范围,从而不能实现任意信噪比环境下的高精度测量.同时,提出基于谱估计的自适应噪声抵消模型,该模型建立的虚拟暗室系统通过对测试系统主通道信号进行谱估计,得到设备辐射信号及噪声信号的功率谱密度,并根据该功率谱密度对参考通道信号进行针对性抑制,以滤除参考通道辐射信号分量,从而提高测试系统的适用性及精度.仿真实验表明:该方法在高、低信噪比环境下均能准确地提取设备辐射信号并准确复现受试设备的辐射信号,提高了虚拟暗室系统对环境噪声的抑制能力,增强了虚拟暗室系统的环境适应性.(本文来源于《哈尔滨工业大学学报》期刊2015年09期）
戴志美[4]（2015）在《非均匀子带自适应噪声抵消技术研究》一文中研究指出随着现代社会的发展和工业化进程的不断加快,噪声污染愈来愈成为主要的环境污染源,各种干扰、噪声不但影响着实际工程应用和人们的生产生活,还威胁到人们的健康。自适应噪声抵消技术可在外界干扰源特性未知,传播途径不断变化的情况下,抑制或衰减噪声,检测和提取出有用信号。本文以自适应噪声抵消为研究目标,主要工作如下:(1)基于功率谱的非均匀子带分解与重构算法的研究。应用周期图法对信号的功率谱进行估计,然后对功率谱幅度进行划分,实现信号的频谱分组,通过调制对分组后的频谱进行搬移,实现非均匀子带信号的分解;全带信号的重构,采用完全相反的过程;Matlab对子带信号本征值扩散度、信号重建性能的仿真结果表明,该算法能够控制子带信号本征值扩散度分布在合理的范围内,并具有较好的重构性能,重构误差的数量级为1016?。(2)基于功率谱的非均匀子带自适应噪声抵消算法的研究。对于期望信号采用与参考信号相同的基于功率谱分布的非均匀子带分解方法,在不同子带内独立进行频谱搬移和子带抽取后,进行自适应噪声抵消处理。仿真结果表明,该法可以有效的实现自适应噪声抵消处理,并且其收敛速度,快于全带抵消处理。(3)模型失配问题研究。针对自适应滤波器存在的阶数模型失配问题,研究了分数变阶数FIR自适应滤波算法。该算法将稳态均方片段误差定义为代价函数,以分数的形式对滤波器阶数进行迭代运算,实现自适应滤波。仿真结果表明,变阶数自适应滤波器可以在阶数未知时,给定初始阶数后,自动的收敛到最佳滤波器阶数。(4)自适应噪声抵消的实验研究。根据自适应噪声抵消的原理,设计并构建了实验系统,开展了抵消性能的实验研究。在实验环境中的噪声分别选用单频、白噪声和风扇噪声,有用信号选取一段音乐。对于实验数据,进行了相干性分析和噪声抵消性能分析,并对模型失配问题进行了实验验证。结果表明,在实际环境中,噪声间的相干性与声源大小、话筒间距离等因素有关;在风扇噪声干扰下,进行噪声抵消时,采用基于功率谱的非均匀子带分解与重构算法与均匀子带分解算法相比,同阶数时(同为50阶时),比均匀子带噪声抵消的信噪比增益高约1.0521d B;对于模型失配问题,采用变阶数LMS算法,可以实现实际环境中的噪声抵消处理,但是由于环境的复杂性,滤波器阶数浮动变化。(本文来源于《陕西科技大学》期刊2015-03-01）
高伟[5]（2014）在《UUV阵列自适应噪声抵消关键技术研究》一文中研究指出随着新型无人水下航行器（Unmanned Underwater Vehicle, UUV）的发展其航速将得到进一步提高，UUV声纳阵列所接收到的自噪声和混响级也随之大幅增强，同时由于水声对抗技术的不断发展和广泛应用，如何有效地抑制和消除自噪声、混响以及干扰对远程微弱目标探测的影响，提高UUV阵列对微弱信号检测的能力是目前进行海洋资源探测开发和加强海防的现实迫切需求。本文在对UUV声纳阵列自噪声产生机理和特性分析的基础上，针对阵列信号多通道处理的特点，将基于多通道差分方法与基于核函数的非线性自适应滤波器技术相结合，重点研究了基于核函数的非线性自适应滤波器理论收敛性能、非平稳环境中基于单核函数以及基于多核函数的线性与非线性加权组合的阵列自适应噪声抵消方法，针对多输入多输出（MIMO）阵列的空时两维自适应处理对混响和干扰进行抑制的方法，并通过仿真实验对本文所提方法的有效性进行了验证分析。本文的主要研究成果和创新点如下：1.针对动态非平稳输入信号会导致基于核函数的非线性自适应滤波器所构造的在线“字典”中出现和输入信号统计分布不匹配的冗余失效元素问题，提出了存在冗余失配“字典”元素情况下基于单高斯核函数方法的最小均方误差KLMS非线性滤波器误差均值和均方收敛特性的理论计算方法，为非平稳环境中基于单核函数的非线性自适应滤波器性能分析和设计提供了有力理论工具。仿真结果表明：基于所推理论计算方法预测出的收敛曲线与蒙特卡洛仿真实验平均后所得的均方误差学习曲线在瞬时动态过程和稳态阶段均一致吻合。因此不仅验证了所推理论计算方法的正确性和有效性，而且该理论计算方法为非线性自适应噪声抵消滤波器在非平稳动态应用中针对“字典”提出自适应更新准则提供了理论依据。2.针对动态非平稳噪声环境，在多通道差分方法提供相关参考噪声情况下，提出了具有1-范数的FOBOS-KLMS-1和自适应-范数的FOBOS-KLMS-a两种促在线“字典”稀疏自适应噪声抵消方法，同时证明了在引入1-范数促稀疏操作后，所提两种FOBOS-KLMS方法在均值意义上仍然是平稳且严格收敛的。两种FOBOS-KLMS方法通过对基于单高斯核函数的非线性自适应滤波器引入1-范数稀疏正则项后，得到以向前向后算子分裂方法定义的在线“字典”元素自适应更新策略，即对在线“字典”中对函数拟合估计贡献权值小于给定门限的“字典”元素进行删除操作。利用湖试噪声数据的仿真结果表明：在声纳阵列被加速和减速的非平稳变化过程中，与常规线性方法相比核自适应滤波方法对噪声估计的均方误差低了7dB，而且所提两种“字典”自适应稀疏方法降低了阵列非线性自适应噪声抵消器的“阶数”，因此计算复杂度和对存储空间的要求更低，为工程实际中阵列在线自适应噪声抵消应用奠定基础。3.针对基于多核的方法较之单核方法具有更多的系统自由度和特征能够有效解决动态系统在线辨识和核函数参数必须离线选择问题的优点，提出基于K个高斯核函数的最小均方误差MKLMS1、MKLMS2、MKLMS3叁种多核自适应滤波算法，并提出了前两种多核滤波器在预先给定“字典”元素情况下的理论收敛分析计算方法，通过所推理论表达式可以比较叁种不同类型的多核自适应滤波器的性能特点。仿真结果表明：基于所提计算方法预测出的理论收敛曲线与蒙特卡洛仿真实验平均后所得的误差学习曲线在瞬态阶段和稳态阶段均一致吻合，不仅验证了所推多核自适应滤波器理论性能计算方法的正确性和有效性，而且提供了基于多核函数的非线性自适应滤波器性能分析、比较和设计手段。4.针对阵列接收噪声组成分量的空时复杂性，同时根据多核函数的自适应滤波器结构，提出两种基于线性核函数与非线性高斯核函数加权组合的双核归一化最小均方误差滤波BKNLMS1方法和BKNLMS2方法。针对阵列多通道差分方法提供相关噪声的复杂性，通过对线性核函数和非线性高斯核函数分别加权得到两种综合自适应滤波器。不仅考虑线性相关噪声的抵消，而且进行非线性相关噪声的抑制，并利用湖试噪声数据分别对单频和调频接收信号进行相关检测验证阵列自适应噪声抵消效果。仿真结果表明：所提两种方法可以同时自适应抵消线性和非线性噪声分量从而改善信噪比提高检测概率，在相同检测概率下不仅相对传统线性自适应噪声抵消器的检测概率提高了5dB，而且比单核KNLMS算法非线性自适应噪声抵消方法提高了2dB，因此所提两种方法在对声纳阵列自适应噪声抵消的工程实际中具有很强的实用价值。5.针对UUV舷侧MIMO阵列对低速运动目标检测时易受到混响和干扰影响的问题，提出针对MIMO阵列基于子空间估计降维的空时两维自适应处理对混响和干扰进行抑制的方法。该方法结合扁长椭球波函数的时限带限特性近似构造出降维的杂波子空间，并利用与发射波形正交的辅助匹配滤波通道估计出干扰加噪声协方差矩阵，通过“逼零”方法求得MIMO阵列系统的空时权矢量。仿真结果表明：当存在非理想因素影响时，该方法与其它方法相比能够更有效抑制混响和干扰且UUV舷侧MIMO-STAP降维运算量更低。本文研究成果对改善信噪比提高UUV阵列对远程微弱信号检测性能具有重要的理论意义和实用价值，对其它水下声纳阵列系统的降噪问题解决具有借鉴意义。(本文来源于《西北工业大学》期刊2014-12-01）
于新颖[6]（2013）在《多通道子带自适应噪声抵消技术研究及FPGA实现》一文中研究指出抑制社会和自然环境中的噪声分量，对提升人们的生活质量和生产效率都有着重大意义。自适应噪声抵消算法的研究，为提高自适应噪声抵消系统的噪声抑制能力奠定了很好的基础。本文以自适应噪声抵消算法为研究目标，以信号处理技术为理论基础，重点研究了多通道自适应噪声抵消方法、基于DFT的子带自适应噪声抵消系统的结构和性能、多通道子带自适应噪声抵消算法、LMS自适应算法的系统建模及FPGA(Field Programmable Gate Array)设计等。主要研究工作如下：1.多通道自适应噪声抵消技术。多通道噪声源信号传感器，有利于提高复杂噪声背景信号的相关性，仿真表明，多通道自适应噪声抵消系统比单通道自适应噪声抵消系统信噪比增益提高大约1.4dB；另外，论文也研究了多通道噪声抵消系统的滤波器的阶数和步长对噪声抵消性能的影响。2.研究了基于DFT的子带自适应噪声抵消系统的结构和性能。完成了子带自适应噪声抵消系统的程序仿真。在频域中通过各个分析滤波器的划分，将信号分成若干个子带，之后进行数据抽取，以降低数据运算量，然后再在各个子带中分别进行自适应噪声抵消，抵消后的数据通过内插综合滤波器组，构成最终的输出信号。MATLAB仿真表明，子带自适应噪声抵消技术的抵消性能比全带自适应噪声抵消性能要优秀。3.研究了多通道子带自适应噪声抵消技术的性能。通过构思系统结构框图，将多通道自适应噪声抵消技术和子带自适应噪声抵消技术引入到了噪声抵消过程中。MATLAB仿真表明，多通道子带自适应噪声抵消技术的抵消性能要优于单通道全带自适应噪声抵消性能。4. LMS(Least Mean Square)自适应滤波器的模型仿真及FPGA实现方法的研究。为了将LMS自适应滤波算法应用到噪声抵消系统中，且更加直观的了解LMS算法的滤波性能和系统运行速度，在Simulink环境下构建了LMS自适应滤波器，通过改变输入的信号类型、滤波器阶数以及步长等参数，观察滤波器仿真效果，并总结和验证了各个参数对滤波器性能的影响规律。考虑到LMS自适应滤波器的硬件实现方面，将Xilinx公司的FPGA芯片引入到了研究中，并利用Altium Designer完成了自适应噪声抵消系统的外围电路原理图及PCB图的绘制。(本文来源于《陕西科技大学》期刊2013-03-01）
李秋生,袁新娣[7]（2011）在《基于ANFIS的自适应噪声抵消技术研究》一文中研究指出在分析模糊神经网络的模型、系统结构和学习算法的基础上,提出了基于自适应神经模糊推理系统(ANFIS)的自适应噪声抵消算法,并对算法进行了仿真和分析.仿真结果表明,在合理选取隶属度函数类型及其数目的条件下,ANFIS能够根据训练样本对隶属度函数参数等系统参数进行优化设计,从而大大提高模糊滤波输出的信噪比.(本文来源于《赣南师范学院学报》期刊2011年03期）
张守勇[8]（2011）在《自适应回波抵消与噪声消除技术研究》一文中研究指出在电话中回波和噪声是不可避免的，随着电视网络会议等免提系统的发展，对自适应回波抵消器(AEC)提出了更高的要求，需要更高效的控制算法满足实时性强、通信质量高等要求。由于回波是实时变化的，而自适应滤波器具有在未知环境中快速跟踪实时变化信号的功能，所以自适应滤波技术被广泛的应用于回声消除领域中。干扰信号对通讯系统影响是非常严重的所以必须消除，在构建一个通讯系统时，可能会遇到的问题有声学回声、噪声及双方讲话的干扰，为了消除这些干扰获得较好的通信质量，本文采用了一种具有回声抵消和噪声消除功能的抵消器结构，并主要研究了回声抵消中的两个核心技术：去除电子元器件引起的非线性变化，并分析了控制自适应过程的算法；双端同时讲话的保护算法。本文所做的主要工作包括：(1)简要介绍有关声回波抵消技术的背景知识，包括回声噪声消除的意义、国内外的研究现状和发展趋势，并对自适应回声噪声消除的技术难点作了介绍。(2)在介绍了自适应回声抵消原理后，就常用的线性回波抵消算法如最小均方误差(LMS)、归一化最小均方误差算法(NLMS)、递归最小二乘算法(RLS)和仿射投影算法(AP)，分别从算法描述、收敛性能和在自适应回波抵消中的适用性作了分析，最后就回声抵消的各种技术指标对上述算法作了比较。(3)对于因放大器扬声器等引起的非线性失真，可能会使得传统的AEC失去抵消效果，因此本文在介绍了使用Pseudo-相干函数的辨识方法后，得出一种适用于无记忆非线性环境的自适应回声抵消器，并分别分析了辨识非线性的系数和自适应过程的控制算法。在介绍了几种变步长LMS算法的基础上引入了一种改进的基于Sigmoid函数的变步长算法，通过计算机仿真结果来体现了改进算法在AEC中的适用性。(4)在通话时经常会发生双方同时说话的情况，本文在简单介绍了双端检测的发展后指出了使用DTD的一些技术难点和缺陷，因此采用了一种无须DTD就能区分DT和EPC，同时具有双讲保护功能的步长控制方法。(5)考虑到噪声对回声抵消结果的影响，本文主要采用基于最优维纳滤波器的消噪法，将其与AEC结合得出一种联合噪声消除的自适应回声抵消器结构，并分别以噪声和实际语音为输入信号，验证了该结构的效果。(本文来源于《河南工业大学》期刊2011-06-01）
马莉,韩应征[9]（2011）在《基于遗传神经网络自适应噪声抵消技术的研究》一文中研究指出自适应噪声抵消技术是减除背景噪声影响的有效处理方式。概述了自适应噪声抵消原理、BP算法及遗传算法等基本理论,结合各自的优点,提出一种基于BP神经网络和遗传算法相结合的自适应噪声抵消系统。该系统中采用遗传算法优化网络权值方式构造遗传神经网络,用遗传神经网络替代传统的自适应滤波器,以此达到更好的噪声抵消效果。使用MATLAB仿真实例,发现其消噪效果显着同时信噪比得到提高。(本文来源于《电子设计工程》期刊2011年10期）
许国威[10]（2011）在《自适应噪声抵消技术研究及DSP实现》一文中研究指出近几十年来,随着自适应滤波理论和算法的不断发展,自适应滤波技术得到了广泛应用。特别是数字集成电路和计算机技术的迅猛发展为自适应信号处理技术的应用提供了十分优越的条件。自适应滤波技术是现代信号处理的重要组成部分,其以自适应滤波的算法及其应用为重点研究对象。当前,以高性能DSP为核心,结合相关自适应滤波算法的数字式消噪系统成为新的发展趋势。因此,构建一个基于DSP的噪声抵消器,在此基础上进行自适应算法移植,实现高性能的噪声抵消功能,具有重要的实用价值。文中首先分析了自适应滤波器的基本原理、结构及应用,重点对基于最小均方误差(MMSE)准则的标准LMS算法和基于最小二乘(LS)准则的RLS算法进行了深入研究;针对标准LMS算法收敛速度与稳态误差之间的矛盾,提出一种改进的变步长LMS算法,并同几种已有改进LMS算法进行了性能对比分析。其次在MATLAB环境下,介绍了几种自适应算法的实现方法,对影响标准LMS算法的参数进行了敏感性分析,并对几种自适应滤波算法在噪声对消中的应用进行了仿真研究,分析各算法的优缺点及滤波效果。同时采用实际加噪音频信号进行噪声抵消仿真,验证了文中提出改进算法的有效性。本文最后在软件仿真和相关理论的基础上,采用高速的数字信号处理芯片TMS320VC5509A、高性能的音频解码芯片TLV320AIC23及相关外围接口电路设计一个自适应噪声抵消器。在集成开发环境(CCS3.3)的软件仿真器模式下,实现了标准LMS算法与改进变步长LMS算法;在硬件仿真器模式下,采用简单且易于硬件实现的标准LMS自适应算法作为噪声抵消处理算法,通过硬件仿真器下载链接,在DSP噪声抵消系统平台上进行实时消噪处理。文中详细给出了自适应噪声抵消器的软件设计流程图,相关寄存器的配置以及各程序模块的设计,具有很好的参考价值。(本文来源于《西北师范大学》期刊2011-05-01）
自适应噪声抵消技术论文开题报告
（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：
该文以语音信号为对象进行噪声抵消研究。首先对自适应噪声抵消(ANC)系统的基本原理进行了阐述;而后分别对基于LMS(最小均方)、NLMS(归一化最小均方)、RLS(递归最小二乘)、BP(误差反向传播神经网络)算法的自适应噪声抵消系统进行MATLAB仿真,发现LMS算法去噪效果较好、但迭代次数多,不能满足语音通信的实时性及高质量语音的要求。而训练函数为trainrp的BP算法去噪能力最好,可应用于语音质量要求高的去噪;训练函数为traincgf的BP算法收敛速度最快,可应用于抢险救灾、处突维稳等任务的实时语音去噪。
（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。
自适应噪声抵消技术论文参考文献
[1].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
[2].张志强,余莉,韩方剑,刘志强.语音信号的自适应噪声抵消技术研究[J].电脑知识与技术.2016
[3].张兰勇,周俊成,李冰,孙蓉.自适应噪声谱估计抵消技术及其应用[J].哈尔滨工业大学学报.2015
[4].戴志美.非均匀子带自适应噪声抵消技术研究[D].陕西科技大学.2015
[5].高伟.UUV阵列自适应噪声抵消关键技术研究[D].西北工业大学.2014
[6].于新颖.多通道子带自适应噪声抵消技术研究及FPGA实现[D].陕西科技大学.2013
[7].李秋生,袁新娣.基于ANFIS的自适应噪声抵消技术研究[J].赣南师范学院学报.2011
[8].张守勇.自适应回波抵消与噪声消除技术研究[D].河南工业大学.2011
[9].马莉,韩应征.基于遗传神经网络自适应噪声抵消技术的研究[J].电子设计工程.2011
[10].许国威.自适应噪声抵消技术研究及DSP实现[D].西北师范大学.2011
论文知识图
