针对常用的非线性扩展卡尔曼滤波算法在工程应用中所存在的发散问题，文中分析归纳了导致该算法发散的主要原因，同时在目前两种抑制滤波发散非线性算法的基础上，探讨了一种既保证滤波精度又提高自适应能力的改进型自适应滤波算法。
并通过捷联惯导系统的初始对准误差模型对3种滤波算法进行数学仿真。
仿真结果表明，改进型非线性自适应滤波可有效地抑制滤波发散，并在提高误差估计精度的基础上具有较大范围的自适应能力。
并通过捷联惯导系统的初始对准误差模型对3种滤波算法进行数学仿真。
仿真结果表明，改进型非线性自适应滤波可有效地抑制滤波发散，并在提高误差估计精度的基础上具有较大范围的自适应能力。
2024/12/12 15:51:54
1.53MB
1
胎儿心电信号是各种生理信号中常见的一种，在临床诊断胎儿宫内缺氧、胎儿心脏病等有着非常重要的意义。
但从母体体表提取到的胎儿心电信号往往受到各种噪声的严重干扰，其中最主要的几种干扰为母体心电信号(MECG)、50Hz工频干扰、基线漂移。
本文以胎儿心电信号(FECG)为研究对象，采用自适应滤波算法将胎儿心电信号从复杂的噪声中提取。
但从母体体表提取到的胎儿心电信号往往受到各种噪声的严重干扰，其中最主要的几种干扰为母体心电信号(MECG)、50Hz工频干扰、基线漂移。
本文以胎儿心电信号(FECG)为研究对象，采用自适应滤波算法将胎儿心电信号从复杂的噪声中提取。
2024/8/22 11:23:23
1.35MB
1
信号处理方面，LMS算法，最小均方算法（LeastMeanSquare,LMS）是一种简单、应用为广泛的自适应滤波算法，是在维纳滤波理论上运用速下降法后的优化延伸，早是由Widrow和Hoff提出来的。
该算法不需要已知输入信号和期望信号的统计特征，“当前时刻”的权系数是通过“上一时刻”权系数再加上一个负均方误差梯度的比例项求得。
这种算法也被称为Widrow-HoffLMS算法，在自适应滤波器中得到广泛应用，其具有原理简单、参数少、收敛速度较快而且易于实现等优点。
该算法不需要已知输入信号和期望信号的统计特征，“当前时刻”的权系数是通过“上一时刻”权系数再加上一个负均方误差梯度的比例项求得。
这种算法也被称为Widrow-HoffLMS算法，在自适应滤波器中得到广泛应用，其具有原理简单、参数少、收敛速度较快而且易于实现等优点。
2024/7/20 8:02:26
421B
1
关于基于STM32F767的LMS算法,亲测有效，望需要者结合本人写的MATLAB版的LMS理解其算法，谢谢下载！！！
2024/4/24 20:19:25
1.28MB
1
设定：一个房间中两个麦克风，一个放在远处采集房间噪声，一个放在说话人附近采集带噪语音信号，认为两个音频文件的噪声相似。
目标是使用LMS自适应滤波算法来抑制噪声还原语音。
仿真：现给定一录音.mat文件，其中：s是原音频内容；
ref_noise是均值为0，方差为1的高斯噪声；
mixed是叠加上高斯噪声序列；
fs为信号采样率。
要求使用LMS自适应滤波法抑制噪声。
目标是使用LMS自适应滤波算法来抑制噪声还原语音。
仿真：现给定一录音.mat文件，其中：s是原音频内容；
ref_noise是均值为0，方差为1的高斯噪声；
mixed是叠加上高斯噪声序列；
fs为信号采样率。
要求使用LMS自适应滤波法抑制噪声。
2024/2/11 6:23:56
14.21MB
1
包括LMS-based_Algorithms，Nonlinear_Adaptive_Filters，QR-decomposition-based_RLS_Algorithms，RLS_Algorithms，Set-membership_Algorithms，Subband_Adaptive_Filters
2023/11/29 22:06:14
82KB
1
介绍了自适应滤波器去除噪声的原理和从强噪声背景中采用自适应滤波提取有用信号的方法，并对最小均方(LMS,LeastMeanSquares)和递推最小二乘(RLS,RecursiveLeastSquares)两种基本自适应算法进行了算法原理、算法性能分析。
计算机模拟仿真结果表明，这两种算法都能通过有效抑制各种干扰来提高强噪声背景中的信号。
检测特性相比之下，RLS算法具有良好的收敛性能，除收敛速度快于LMS算法和NLMS算法以及稳定性强外，而且具有更高的起始收敛速率、更小的权噪声和更大的抑噪能力。
计算机模拟仿真结果表明，这两种算法都能通过有效抑制各种干扰来提高强噪声背景中的信号。
检测特性相比之下，RLS算法具有良好的收敛性能，除收敛速度快于LMS算法和NLMS算法以及稳定性强外，而且具有更高的起始收敛速率、更小的权噪声和更大的抑噪能力。
2023/9/20 22:36:54
194KB
1
用MATLAB脚本实现，使用LMS和RLS两种算法分别实现系统辨识和逆辨识，通过脚本实现过程可比对LMS和RLS两种算法收敛速度、稳态误差变化趋势等特征，模仿本段代码可作为理解自适应滤波算法的入门练习。
2023/8/19 21:04:26
1KB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB