简介:人们对自适应滤波器的研究始于五十年代末,已提出了多种自适应算。目前,最常用的方法是在LMS的权系数递推中采用时变步长来代替标准LMS算法的固定步长。然而超量均方误差直接与自适应步长成比例,步长减小会导致收敛时间增加。鉴于一般情况下,滤波器的阶数是固定不变的,因此本文采用变阶思想
简介:提出了一种基于线性约束最小方差波束形成(LCMV)的自适应方向图控制方法。该方法通过在原有线性约束基础上构造新的线性约束,然后根据新组成的线性约束进行LCMV自适应波束形成,所得到的自适应方向图在固定零点方向和干扰方向形成零陷的同时保留了期望静态方向图的副瓣电平特性,从而能够减小快变干扰的影响,并且计算十分简便。计算机仿真证明了本文方法的有效性。
简介:针对经典脉冲压缩匹配滤波器距离旁瓣高、不利于检测邻近距离小目标的局限性,文献[2]和[3]提出了自适应脉冲压缩方法,在高斯背景下对P3取得了良好的压缩效果。但其多普勒容限性能差,且杂波环境简单。在此基础上,该文采用相位编码脉内线性调频信号,分析了海杂波背景下自适应脉冲压缩方法的性能,进行了仿真。仿真结果表明,在海杂波背景下,该方法具有距离旁瓣低、多普勒容限大、能检测多目标等优点。
简介:传统图像局部方向特性的自适应全变分去噪算法,通过计算图像局部方向的角度矩阵,用优化最小化算法迭代求解实现图像去噪,不能保存图像边缘信息,去噪效果及稳定性差。提出基于能量回归滤波全变分图像自适应去噪算法,通过能量回归尺度空间滤波法获取滤波图像时,对源噪声图像进行多尺度二进小波分解获取小波变换系数及低频粗糙分量,采用能量回归滤波法计算小波系数并对小波系数进行重构,获取源图像的滤波图像。采用基于图像局部方向特性的自适应全变分去噪算法从含噪滤波图像中分离出轮廓尺度图像,对含噪图像同轮廓尺度图像实施差计算获取含噪残差纹理细节图像,基于该图像运算获取规整化可信度参数λ后,采用基于参数P与λ的全变分图像自适应去噪算法对带噪滤波图像进行处理,得到消噪图像。实验结果表明:所提算法去噪效果佳,其具有较高的稳定性和效率。