• 综述 • 维纳滤波 • 最小二乘滤波

利用神经网络对白噪声、红噪声和正弦波进行辨识.进而采用单片机对以上3种噪声和尖峰脉冲干扰进行自适应滤波处理.实验结果表明该方案正确

提出了利用神经网络自适应滤波原理解决多传感器信号处理的方法,通过对多路带噪声的数字模拟信号的滤波结果表明,该方法能快速、有效地消除主信号源的各种背景噪声

–匹配滤波器 –Winer最优估计 –Wiener-Hopf方程 –LMS滤波

针对一般LMS自适应滤波算法在对系统建模时存在的初始收敛速度、时变系统跟踪能力及收敛精度三个指标难于协调的问题,提出了变论域变步长的LMS自适应滤波算法,并利用李亚普诺夫函数证明了算法的收敛性.研究结果表明,该算法在对系统建模时可以同时兼顾上述三个指标,可用于控制领域的系统及其逆系统建模

人工智能基础：采用脉冲宽度检测的自适应滤波算法

§1 确定性时间序列分析方法概述 §2 移动平均法 §3 指数平滑法 §4 差分指数平滑法 §5 自适应滤波法 §6 趋势外推预测方法 §7 平稳时间序列模型 §8 ARMA 模型的特性 §9 时间序列建模的基本步骤

6.1 数字信号处理基础 6.2 数字信号的基本变换 6.3 随机信号处理的基本概念与方法 6.3 自适应滤波 6.4 信号平均与信号压缩技术

针对常规自适应卡尔曼滤波器存在过渡过程差的问题,基于一个给定的指标切换函数,采用多个基于不同动态噪声协方差矩阵的卡尔曼滤波器和一个常规自适应卡尔曼滤波器共同组成多模型自适应卡尔曼滤波器.与常规自适应卡尔曼滤波器相比,多模型自适应卡尔曼滤波器可以在保持原有自适应滤波器性能的基础上极大地改善瞬态响应

针对非线性时变特性的液压位置伺服系统跟踪控制问题,基于自适应逆控制理论,提出X滤波液压位置自适应逆控制策略.对传统自适应滤波算法在X滤波结构下的不足,提出变换域变步长归一化最小方差算法.采用该算法对液压伺服位置系统进行了对象建模、在线逆建模及开环控制系统设计.仿真结果表明,X滤波液压位置自适应逆控制具有跟踪速度快、对参数摄动鲁棒性强等良好动态特性