自适应RLS算法的研究及周期信号噪声滤除的应用
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 课题的来源及意义 | 第10-11页 |
| 1.2 国内外发展现状 | 第11-12页 |
| 1.3 课题研究的主要内容 | 第12-13页 |
| 1.4 论文结构安排 | 第13-14页 |
| 第2章 自适应滤波算法 | 第14-26页 |
| 2.1 自适应系统 | 第14-15页 |
| 2.2 自适应滤波器的基本原理 | 第15-23页 |
| 2.2.1 LMS 自适应算法 | 第17-18页 |
| 2.2.2 递归最小二乘(RLS)算法 | 第18-20页 |
| 2.2.3 变换域自适应滤波算法 | 第20-21页 |
| 2.2.4 仿射投影算法 | 第21页 |
| 2.2.5 共轭梯度算法 | 第21-22页 |
| 2.2.6 基于子带分解滤波算法 | 第22页 |
| 2.2.7 基于 QR 分解滤波算法 | 第22页 |
| 2.2.8 其它自适应滤波算法 | 第22-23页 |
| 2.3 自适应自调谐滤波系统 | 第23-25页 |
| 2.4 总结 | 第25-26页 |
| 第3章 变遗忘因子 RLS 算法的改进 | 第26-37页 |
| 3.1 RLS 滤波算法的改进算法 | 第26-32页 |
| 3.1.1 RLS 算法可变遗忘因子的改进 | 第26-30页 |
| 3.1.2 RLS 算法 P(N)更新方程的改进 | 第30-32页 |
| 3.2 仿真结果及分析 | 第32-36页 |
| 3.2.1 收敛性和跟踪速度 | 第32-34页 |
| 3.2.2 抗干扰能力 | 第34-35页 |
| 3.2.3 稳定性能 | 第35-36页 |
| 3.3 总结 | 第36-37页 |
| 第4章 改进 RLS 算法在电力除噪中的应用 | 第37-44页 |
| 4.1 高斯白噪声宽带干扰的滤除 | 第38-41页 |
| 4.2 白噪声宽带干扰的滤除 | 第41-43页 |
| 4.3 总结 | 第43-44页 |
| 第5章 基于 FPGA 的硬件设计 | 第44-53页 |
| 5.1 基于改进算法的周期信号采集模块设计 | 第44-52页 |
| 5.1.1 前期数据采集 | 第45-48页 |
| 5.1.2 改进算法的硬件设计 | 第48-52页 |
| 5.2 总结 | 第52-53页 |
| 第6章 总结与展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 附录 | 第57-58页 |
| 致谢 | 第58-59页 |
| 攻读硕士学位期间发表论文情况 | 第59页 |
