专利交易市场

本发明公开了一种自适应滤波的系数更新方法，包括步骤1：将k时刻的滤波器W(k)的长度等分为M段；步骤2：求取每段滤波器的系数的二次范数；步骤3：将一矩形窗在该M段滤波器上移动，对窗口内的各分段滤波器系数的二次范数进行累加以获得最大累加值；步骤4：以最大累加值所在窗口内的各滤波器分段作为滤波器活跃系数分段Wa(k)，其余则为非活跃系数分段Wn-a(k)；步骤5：更新滤波器的全部活跃系数分段Wa(k)并循环更新一段非活跃系数分段Wn-a(k)。本发明更新滤波器的全部活跃系数并循环更新一小段非活跃系数，降低滤波器有效长度，提高收敛速度，降低了算法复杂度。本发明同时提供一种自适应滤波的系数更新装置。

本发明提供一种自适应滤波的系数更新方法：将滤波器的长度等分为M段；在k时刻，判断在所述滤波器分段内是否所有系数均为零值系数，若是，则该分段记为零值分段，否则记为活跃分段；获取输入信号，选取滤波器的全部活跃分段和选定的一部分零值分段参与迭代获得下一时刻滤波器系数；在k+1以及后续时刻，选取滤波器的全部活跃分段和未参加上一时刻迭代的k时刻零值分段参与迭代，直至所有零值分段均参与了一次迭代。而后重新一下一时刻为新的k时刻开始新一轮k时刻零值分段的选取迭代。相较现有技术，本发明提高了计算收敛速度、系统跟踪能力与降低计算复杂度。

本发明提供一种基于自适应滤波的传感器数据在线去噪的方法。针对土木结构形变参数的数据，首先，根据数据的波动特性建立二阶自适应动力学模型，其次，根据建立的二阶自适应动力学模型对数据的波动特性进行预测，得到数据的状态预测值；然后，根据数据的测量模型和数据的状态预测值计算数据状态测量的预测值；利用kalman滤波器，根据数据的原始值和数据的预测值计算数据的状态估计值；且计算数据的协方差估计值，衡量数据的状态估计值与数据的状态真实值之间的误差；同时，利用Yule‑Walker方法，通过数据的预测值实时更新系统自适应参数，进而实现模型自适应更新，往复下去，利用更新的自适应模型预测下一时间点数据的状态预测值，实现了对数据的在线实时去噪。

一种抗冲击噪声干扰的M估计解相关成比例自适应回声消除方法，其步骤如下：A、远端信号采集，对远端传来的远端信号进行采样，可以获得当前时刻n的远端输入信号的离散值x(n)，其滤波器输入信号向量为x(n)＝[x(n),x(n‑1),...,x(n‑L+1)]T；B、回声信号估计，将时刻n的输入信号向量x(n)通过自适应滤波器，其输出值y(n)即回声信号的估计值；C、输入信号的解相关运算，计算相关系数a(n)，得到自适应滤波器抽头权向量w(n)的更新向量z(n)；D、回声消除，用近端麦克风采样得到带回声的当前时刻n的近端信号d(n)减去回声信号的估计值y(n)；E、滤波器抽头权系数更新，计算出滤波器当前时刻n的抽头权向量w(n)更新的评价函数ψ(e(n))以及更新步长矩阵G(n)；F、令n＝n+1，重复上述A，B，C，D，E的过程至通话结束。

本发明公开了一种基于零吸引的仿射投影自适应回声消除方法，其步骤如下：A、远端信号处理，将远端传来的远端信号采样得到为当前时刻n的远端信号离散值x(n)，进而构建当前时刻的自适应滤波器输入向量X(n)和仿射投影矩阵U(n)；B、回声估计，将滤波器输入向量X(n)通过自适应滤波器得到输出值y(n)、也即回声的估计值y(n)；C、回声抵消，近端麦克风拾取出当前时刻n的带回声的近端信号d(n)，将当前时刻n的带回声的近端信号d(n)与当前时刻n的自适应滤波器的输出值y(n)相减得到残差信号e(n)，D、成比例仿射投影矩阵的构建；E、零吸引因子计算；F、权系数向量的更新；G、重复。该方法的辨识能力强，收敛速度快、稳态误差低，回声消除效果好。

本发明公开了一种凸约束自适应回声消除方法，其主要步骤如下：A、远端信号采样；B、回声信号估计；C、回声信号消除；D、误差信号阈值的确定：由误差信号平方时间窗向量E(n)取中位数，得到方差纠正量α(n)，进而得到M估计器的期望方差σ2(n)；再得到M估计器阈值ξ(n)；E、误差信号标识值的计算；F、权向量更新：计算出增益向量k(n)，进而更新递归矩阵P(n)及惩罚向量Γ(n)，最终对滤波器权向量进行更新；G、重复。该发明具有较好的抗冲击能力及较低的稳态失调。

一种抗输入噪声的自适应回声消除方法，其抽头权向量更新的主要步骤为：B1、估计出当前时刻n的时间窗内的时刻i与时刻j间的误差信号概率密度p(i，j)，进而得到当前时刻n的时间窗的误差信号概率密度均值P(n)；B2、计算误差熵，由概念密度估计值P(n)通过微分得到当前时刻n时间窗的误差熵V(n),B3、输入噪声的补偿，得到输入噪声补偿向量B4、输入偏差补偿，算出得到当前时刻n的时间窗内的偏差补偿值B(n)，B5、滤波器抽头权向量的更新，得到下一时刻n+1的滤波器抽头权向量W(n+1)：W(n+1)＝W(n)+μV(n)+μB(n)，C、重复。该方法的收敛速度快、稳态误差低，抗输入噪声性能强、回声消除效果好，通话质量好。

本发明请求保护一种冲击噪声下的自适应联合滤波方法，研究发现冲击噪声不仅具有在有限的时间内呈现较大的幅度，在其他时间内的幅度值则很小的近似稀疏特性，而且表现为组稀疏特性，即信号在时间域中其大部分样本值为零的同时，非零样本值成组/簇出现。通过利用冲击噪声的这个特点并结合信号自身特点重新构造目标函数，设计出信号/噪声的联合估计算法来提高信号恢复质量。经过对算法进行理论分析和计算机仿真分析表明，提出的算法性能更优越，在参数估计、语音信号处理等领域中有着很好的应用前景。