专利交易市场

基于冷原子干涉型重力仪的重力值估计方法，包括：包括设置初始值，计算sigma点，估计状态向量一步预测值及误差协方差平方根矩阵，估计量测噪声统计特性，估计量测向量一步预测值及误差协方差平方根矩阵和互协方差矩阵，计算卡尔曼增益矩阵，得到状态向量估计值和相应的估计误差方差阵。原子重力仪通过产生并拟合干涉条纹得到相位值，从而得到重力加速度。余弦拟合原理为最小二乘法，没有考虑观测数据以及噪声的统计特性，因此直接由余弦拟合得到的重力加速度可能存在偏差。本发明将自适应平方根无迹卡尔曼滤波方法引入到重力值估计中，可以考虑到观测数据和噪声的统计特性，从而估计出更准确的重力加速度。

本发明公开了一种基于核函数的复数仿射投影自适应信号处理方法，将复数高斯核函数应用于广义线性仿射复数投影算法，利用高斯核函数在非高斯环境下尤其是冲激噪声的环境下的优越性能，提高了自适应滤波系统的稳健性。且当迭代次数k较小时，更新公式中的单位矩阵为k阶；当k较大时，更新公式中的单位矩阵为p阶，提高了权重向量计算的准确性；并使用变步长的方法，提高了收敛速度，降低了失调误差。

本发明公开了改进NLMS算法的稀疏系统辨识方法和滤波器和系统，用于无线通信系统中解决因为稀疏信道产生的回波问题，通过对估计滤波器迭代更新方程的ZA函数进行改进，使得ZA函数只包含加法、减法和乘法运算，相对于其他的ZASM‑NLMS算法，该算法更容易硬件实现，且复杂度更低，稳态均方差更低，稳定性更好，收敛速度更快。进一步，通过对SZASM‑NLMS算法ZA函数的ρ进行改进，若|e(n)|≤γ，则将ρ置零，得到的MZASM‑NLMS算法表现出与SZASM‑NLMS类似的性能。在硬件实现上，本发明提出的算法会有更快的数据处理速度，有利于要求高速度的硬件实现。

本发明公开了一种动态系统加性干扰与状态估计的实时滤波方法，具体步骤如下：步骤S1：建立包含有不确定因子的随机系统，不确定因子包括隐变量和加性干扰；步骤S2：设计关于隐变量和加性干扰的Kalman滤波器；步骤S3：基于步骤S2中的Kalman滤波器和随机系统设计出求解随机系统状态状态变量估计值的自适应滤波器，并根据自适应滤波器对随机系统进行实时滤波。采用上述一种动态系统加性干扰与状态估计的实时滤波方法，利用对状态模型和观测模型中当前加性干扰在线的实时辨识结果，实现对状态转移函数和测量转移函数等工况变化的实时在线滤波调整，提高滤波的可靠性。

本发明请求保护一种基于FPGA的高速Delay‑FxLMS滤波器设计方法。主要包括三个部分：(1)DF‑DFxLMS滤波器设计(2)TF‑RDFxLMS滤波器设计(3)HS‑TF‑RDFxLMS滤波器设计。本发明的创新点在于采用延时分解算法来解决时延量增加和输出滞后导致滤波器收敛性下降问题，然后对自适应滤波模块和次级路径模块进行转置操作进一步减小关键路径来提高系统的时钟速度，通过优化电路子模块来减小整个电路寄存器数量；最后在关键路径不变前提下，采用硬件共享思想实现TF‑RDFxLMS滤波器的面积/速度权衡。实验结果表明，该文提出的算法收敛速度是DFxLMS算法的3.5倍,关键路径缩短了 其HS‑TF‑RDFxLMS滤波器时钟速度相比于TF‑RDFxLMS滤波器降低了4％，但LUT和FF的资源分别节约了10％和28％。

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。

本发明公开了基于改进LMS算法的稀疏系统辨识方法和滤波器和系统，用于辨识无线通信信道的系数和解决无线通信系统中因为稀疏信道产生的回波问题，通过对估计滤波器迭代更新方程的ZA函数进行改进，使得需要调整参数更少，复杂度比LMS算法更低，但是其性能表现与l0‑ILMS算法一致，从而使得该算法在硬件处理数据速度更快，延迟更低，其硬件的稳定性更高，风险更低，有利于该算法在硬件中实现。