版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、本文概述了國內(nèi)外嵌入式信號處理技術(shù)研究現(xiàn)狀,分析現(xiàn)有小波閾值去噪算法和自適應(yīng)濾波算法的優(yōu)缺點(diǎn),并在虛擬儀器LabYIEW平臺構(gòu)建自適應(yīng)信號處理系統(tǒng),實(shí)現(xiàn)信號采集、濾波處理、存儲顯示等功能,并運(yùn)用LabVIEW嵌入式模塊,在ARM7(S3C4480)平臺上實(shí)現(xiàn)自適應(yīng)信號處理技術(shù)。其中重點(diǎn)介紹了幾種小波閾值去噪算法和自適應(yīng)濾波算法的處理流程和實(shí)現(xiàn),提出了兩種信號處理改進(jìn)方案: 一、針對Donho提出的傳統(tǒng)的硬、軟閾值去噪算法,以及在
2、光譜信號分析中主要關(guān)心的是譜峰的大小和位置特征等,提出一種基于a、b可變閾值去噪算法,該算法不僅可以克服硬軟閾值函數(shù)的缺陷,還可以較好地保留光譜信號的峰值信息。同時(shí),還可以通過a和b調(diào)整此閾值函數(shù)的取向。通過實(shí)驗(yàn)結(jié)果分析,信噪比和均方誤差都優(yōu)于其它的閾值函數(shù),體現(xiàn)了新算法的可行性和優(yōu)越性。 二、通過建立步長和誤差信號之間的非線性關(guān)系,提出一種新的自適應(yīng)變步長LMS濾波算法,算法中通過比較誤差值e(n)和e(n-1)之間的關(guān)系自適
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于信號失配處理的自適應(yīng)抗干擾技術(shù)研究.pdf
- 基于自適應(yīng)神經(jīng)網(wǎng)絡(luò)的信號處理.pdf
- 基于陣列信號處理的自適應(yīng)波束形成技術(shù)研究.pdf
- 14_自適應(yīng)信號處理.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的多維自適應(yīng)信號處理技術(shù)研究.pdf
- 基于DSP技術(shù)的自適應(yīng)光學(xué)系統(tǒng)信號處理系統(tǒng).pdf
- 基于激光偏振態(tài)的自適應(yīng)信號處理的應(yīng)用.pdf
- 基于最優(yōu)濾波的自適應(yīng)譜峭度信號處理方法.pdf
- 基于LABVIEW的軌道信號處理研究.pdf
- 相控陣?yán)走_(dá)陣列信號的空域自適應(yīng)處理.pdf
- 自適應(yīng)信號處理的神經(jīng)網(wǎng)絡(luò)方法.pdf
- 汽車自適應(yīng)馳控裝置的信號處理.pdf
- 自適應(yīng)信號處理在水聲中的應(yīng)用.pdf
- QAM信號的自適應(yīng)均衡技術(shù).pdf
- 自適應(yīng)信號處理沈福民答案
- 基于塊稀疏恢復(fù)的空時(shí)自適應(yīng)信號處理研究.pdf
- 微慣性傳感器信號的自適應(yīng)處理.pdf
- 基于低復(fù)雜度自適應(yīng)信號處理的波束成形技術(shù)研究.pdf
- 基于子陣的自適應(yīng)雷達(dá)信號分離技術(shù)研究.pdf
- 基于LabVIEW的自適應(yīng)神經(jīng)網(wǎng)絡(luò)諧波檢測系統(tǒng).pdf
評論
0/150
提交評論