一臺(tái)數(shù)控機(jī)床的先進(jìn)程度衡量著一個(gè)國家制造業(yè)的先進(jìn)水平，而數(shù)控機(jī)床最核心的部分就是數(shù)控機(jī)床控制系統(tǒng)。近年出現(xiàn)的ARM數(shù)入式系統(tǒng)具有硬件資源豐富、性能好、成本低和功耗低等優(yōu)點(diǎn)，F(xiàn)PGA技術(shù)具有可重復(fù)編程、在線升級(jí)、實(shí)時(shí)性好、可靠性高等優(yōu)點(diǎn)。為了克服傳統(tǒng)的數(shù)控機(jī)床成本高、控制精度低、實(shí)時(shí)性差，可靠性低等缺點(diǎn)，研究基于ARM+FPGA架構(gòu)的新型數(shù)控機(jī)床系統(tǒng)，具有重要的社會(huì)經(jīng)濟(jì)意義和重大的經(jīng)濟(jì)價(jià)值本文以數(shù)控機(jī)床為工程背景，以何服電機(jī)PMSM為具體對(duì)象以ARM+FPGA作為數(shù)控系統(tǒng)的實(shí)現(xiàn)平臺(tái)，從提高何服系統(tǒng)位置環(huán)控制的自適應(yīng)能力，提高位置環(huán)、速度環(huán)和電流環(huán)等復(fù)雜運(yùn)算的處理速度，提高系統(tǒng)管理與控制程序開發(fā)的簡單性、界面的美觀性等方面開展了深入的研究。其主要研究工作和結(jié)論如下：（1）在對(duì)比分析了幾種控制系統(tǒng)架構(gòu)基礎(chǔ)上，提出了一種基于ARM+FPGA的數(shù)控機(jī)床自適應(yīng)模糊控制何服系統(tǒng)的設(shè)計(jì)方案。該系統(tǒng)采用以ARM作為系統(tǒng)主控與運(yùn)動(dòng)軌跡計(jì)算芯片，F(xiàn)PGA作為何服系統(tǒng)運(yùn)動(dòng)控制芯片，而其中的FPGA運(yùn)動(dòng)控制系統(tǒng)包括自適應(yīng)位置控制模塊、速度控制模塊、電流變換模塊三大部分（2）針對(duì)提出的 ARM+FPGA的數(shù)控機(jī)床自適應(yīng)模糊控制何服系統(tǒng)的設(shè)計(jì)方案，進(jìn)行了有關(guān)數(shù)學(xué)模型的建立占推導(dǎo)，并借助MATLAB工具建立系統(tǒng)仿真模型進(jìn)行仿真。系統(tǒng)仿真結(jié)果表明，該系統(tǒng)位置響應(yīng)超調(diào)量小，響應(yīng)時(shí)間短，系統(tǒng)性能優(yōu)越（3）為了提高運(yùn)動(dòng)控制的實(shí)時(shí)性、可靠性、靈活度，根據(jù)運(yùn)動(dòng)控制系統(tǒng)的模型，提出了一種FPGA實(shí)現(xiàn)的運(yùn)行控制系統(tǒng)的結(jié)構(gòu)，井詳細(xì)進(jìn)行了自適應(yīng)位置控制模塊、速度控制模塊、電流變換模塊等內(nèi)部各模塊的設(shè)計(jì)，之后利用HDL進(jìn)行了有關(guān)模塊的程序設(shè)計(jì)和PGA實(shí)現(xiàn)仿真（4）針對(duì)基于ARM微處理器的主挖與運(yùn)動(dòng)軌跡計(jì)算系統(tǒng)，進(jìn)行了系統(tǒng)控制界面的設(shè)計(jì)，F(xiàn)PGA與ARM芯片、FPGA與上位機(jī)等通信程序設(shè)計(jì)，進(jìn)行了運(yùn)動(dòng)控制中加減速、插補(bǔ)方法的分析與設(shè)計(jì)關(guān)鍵字：數(shù)控機(jī)床：水磁同步電機(jī)：自適應(yīng)模糊控制：ARM:FPGA
標(biāo)簽： 數(shù)控機(jī)床 自適應(yīng)模糊控制
上傳時(shí)間： 2022-03-11
上傳用戶：20125101110
小功率自激反激開關(guān)穩(wěn)壓電源的設(shè)計(jì)摘要
標(biāo)簽： 開關(guān)穩(wěn)壓電源
上傳時(shí)間： 2022-03-29
上傳用戶：
本文擬借助于神經(jīng)網(wǎng)絡(luò)良好的逼近能力，實(shí)現(xiàn)永磁同步電機(jī)的無位置傳感器控制。 人工神經(jīng)網(wǎng)絡(luò)(Neural Network)可以逼近任意復(fù)雜非線性映射，具有很強(qiáng)的自學(xué)習(xí)自適應(yīng)能力，十分適合于解決復(fù)雜的非線性控制問題。其中，BP神經(jīng)網(wǎng)絡(luò)是目前廣泛應(yīng)用的神經(jīng)網(wǎng)絡(luò)之一，得到了較為深入的研究，其結(jié)構(gòu)簡單，需要離線確定的參數(shù)少、泛化能力強(qiáng)、逼近精度高、實(shí)時(shí)性強(qiáng)，采用BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)永磁同步電機(jī)的調(diào)速控制具有重要意義。 文中提出了基于BP神經(jīng)網(wǎng)絡(luò)的永磁同步電機(jī)自適應(yīng)調(diào)速控制策略，建立了一種包含辨識(shí)網(wǎng)絡(luò)和控制網(wǎng)絡(luò)的雙神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)控制系統(tǒng)。辨識(shí)網(wǎng)絡(luò)在線動(dòng)態(tài)辨識(shí)系統(tǒng)輸出并對(duì)控制網(wǎng)絡(luò)參數(shù)進(jìn)行調(diào)整，控制網(wǎng)絡(luò)與PI控制方法相結(jié)合實(shí)現(xiàn)永磁同步電機(jī)自適應(yīng)轉(zhuǎn)速控制。仿真結(jié)果表明，該系統(tǒng)動(dòng)態(tài)響應(yīng)快、實(shí)時(shí)性較強(qiáng)、精度較高。 文中提出了一種基于混合訓(xùn)練算法的BP神經(jīng)網(wǎng)絡(luò)永磁同步電機(jī)無位置傳感器控制方法。采用混沌優(yōu)化和梯度下降法相結(jié)合的混合算法對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行離線訓(xùn)練后，將其用于永磁同步電機(jī)的轉(zhuǎn)子位置角在線估計(jì)。結(jié)果表明，該訓(xùn)練算法可以有效地加快神經(jīng)網(wǎng)絡(luò)收斂速度，且估計(jì)的轉(zhuǎn)子位置角誤差較小、精度較高。 文中建立了以TMS320F2812芯片為核心的永磁同步電機(jī)調(diào)速控制系統(tǒng)，并進(jìn)行了相應(yīng)的軟硬件設(shè)計(jì)，為實(shí)現(xiàn)永磁同步電機(jī)的各種控制策略奠定了實(shí)驗(yàn)基礎(chǔ)。DSP控制系統(tǒng)為神經(jīng)網(wǎng)絡(luò)訓(xùn)練提供樣本，為研究永磁同步電機(jī)的自適應(yīng)調(diào)速控制和轉(zhuǎn)子位置角估計(jì)創(chuàng)造了條件。
標(biāo)簽： BP神經(jīng)網(wǎng)絡(luò) 永磁同步電機(jī) 自適應(yīng)控制
上傳時(shí)間： 2013-05-23
上傳用戶：1101055045
隨著電力電子技術(shù)的飛速發(fā)展,越來越多的電力電子裝置被廣泛應(yīng)用到各個(gè)領(lǐng)域,其中相當(dāng)一部分負(fù)荷具有非線性或具有時(shí)變特性,使電網(wǎng)中暫態(tài)沖擊、無功功率、高次諧波及三相不平衡問題日趨嚴(yán)重,給電網(wǎng)的供電質(zhì)量造成嚴(yán)重的污染和損耗.因此,對(duì)電力系統(tǒng)進(jìn)行諧波抑制和無功補(bǔ)償,提高電網(wǎng)供電質(zhì)量變得十分重要.電力有源濾波器(Active Power Filter,簡稱APF)與無源濾波器相比,APF具有高度可控制和快速響應(yīng)特性,并且能跟蹤補(bǔ)償各次諧波、自動(dòng)產(chǎn)生所需變化的無功功率和諧波功率,其特性不受系統(tǒng)影響,無諧波放大威脅.并聯(lián)型電力有源濾波器(Shunt Active Power Filter,簡稱SAPF)更是得到了廣泛的應(yīng)用. 近年來,自適應(yīng)算法中的遞推最小二乘法(簡稱RLS)應(yīng)用越來越廣泛,該算法簡單,收斂速度快.應(yīng)用基于RLS自適應(yīng)算法的濾波器(簡稱RLS濾波器),可以快速有效的濾除雜波,同時(shí)自動(dòng)調(diào)整濾波器參數(shù),不斷改進(jìn)濾波性能,最終得到所需的信號(hào). 本文研究了基于平均功率和RLS自適應(yīng)算法的并聯(lián)型有源濾波器.它的參考電流是一個(gè)同電網(wǎng)相電壓同相位的三相平衡的有功電流,它包含兩個(gè)分量:一個(gè)是由實(shí)測的三相負(fù)載瞬時(shí)功率計(jì)算得到的,基于平均功率算法的電網(wǎng)應(yīng)該為負(fù)載各相提供的有功電流瞬時(shí)參考值；另一個(gè)是為了維持有源濾波器中逆變器的直流母線電壓基本恒定,主要通過RLS濾波器計(jì)算得出的電網(wǎng)各相應(yīng)該提供的有功電流瞬時(shí)參考值.兩個(gè)分量的計(jì)算共同構(gòu)成了該有源濾波器參考電流的計(jì)算.補(bǔ)償電流指令值與實(shí)際補(bǔ)償電流比較生成控制逆變橋工作的PWM脈沖,生成補(bǔ)償電流,達(dá)到補(bǔ)償負(fù)載無功和抑制諧波的目的. 應(yīng)用RLS濾波器得到維持直流母線電壓恒定的直流側(cè)有功系數(shù)A<,dc>,克服了傳統(tǒng)PI控制中參數(shù)難以得到且由于參數(shù)過于敏感而導(dǎo)致補(bǔ)償后電流紋波太大的問題.使得當(dāng)穩(wěn)態(tài)時(shí)SAPF自身的功率損耗和暫態(tài)負(fù)載變化時(shí)因?yàn)橹绷鱾?cè)電容提供電網(wǎng)和負(fù)載之間的有功功率差而引起的電壓的波動(dòng)迅速反饋到指令電流的計(jì)算中.RLS算法收斂快,SAPF實(shí)時(shí)性大大提高.基于該方法的SAPF結(jié)構(gòu)簡單,無需鎖相器. 根據(jù)本文的算法應(yīng)用MATAB建立了仿真系統(tǒng),仿真結(jié)果表明基于該算法的SAPF的可行性和實(shí)時(shí)性.
標(biāo)簽： RLS 功率 自適應(yīng)算法
上傳時(shí)間： 2013-04-24
上傳用戶：mfhe2005
永磁同步電機(jī)(Permanent Magnet Synchronous Motor)因功率密度大、效率高、過載能力強(qiáng)、控制性能優(yōu)良等優(yōu)點(diǎn)，在中小容量調(diào)速系統(tǒng)和高精度調(diào)速場合發(fā)展迅速。但由于永磁同步電機(jī)的磁場具有獨(dú)特的交叉耦合和交叉飽和現(xiàn)象，且其控制系統(tǒng)是一個(gè)強(qiáng)非線性、時(shí)變和多變量系統(tǒng)，要實(shí)現(xiàn)高精度調(diào)速就需對(duì)其控制策略進(jìn)行深入研究。 永磁同步電機(jī)調(diào)速系統(tǒng)中，位置傳感器的存在使得系統(tǒng)成本增加、結(jié)構(gòu)復(fù)雜、可靠性降低，所以永磁同步電機(jī)的無位置傳感器控制成為一個(gè)新的研究熱點(diǎn)。本文擬借助于神經(jīng)網(wǎng)絡(luò)良好的逼近能力，實(shí)現(xiàn)永磁同步電機(jī)的無位置傳感器控制。 人工神經(jīng)網(wǎng)絡(luò)(Neural Network)可以逼近任意復(fù)雜非線性映射，具有很強(qiáng)的自學(xué)習(xí)自適應(yīng)能力，十分適合于解決復(fù)雜的非線性控制問題。其中，BP神經(jīng)網(wǎng)絡(luò)是目前廣泛應(yīng)用的神經(jīng)網(wǎng)絡(luò)之一，得到了較為深入的研究，其結(jié)構(gòu)簡單，需要離線確定的參數(shù)少、泛化能力強(qiáng)、逼近精度高、實(shí)時(shí)性強(qiáng)，采用BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)永磁同步電機(jī)的調(diào)速控制具有重要意義。 文中提出了基于BP神經(jīng)網(wǎng)絡(luò)的永磁同步電機(jī)自適應(yīng)調(diào)速控制策略，建立了一種包含辨識(shí)網(wǎng)絡(luò)和控制網(wǎng)絡(luò)的雙神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)控制系統(tǒng)。辨識(shí)網(wǎng)絡(luò)在線動(dòng)態(tài)辨識(shí)系統(tǒng)輸出并對(duì)控制網(wǎng)絡(luò)參數(shù)進(jìn)行調(diào)整，控制網(wǎng)絡(luò)與PI控制方法相結(jié)合實(shí)現(xiàn)永磁同步電機(jī)自適應(yīng)轉(zhuǎn)速控制。仿真結(jié)果表明，該系統(tǒng)動(dòng)態(tài)響應(yīng)快、實(shí)時(shí)性較強(qiáng)、精度較高。 文中提出了一種基于混合訓(xùn)練算法的BP神經(jīng)網(wǎng)絡(luò)永磁同步電機(jī)無位置傳感器控制方法。采用混沌優(yōu)化和梯度下降法相結(jié)合的混合算法對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行離線訓(xùn)練后，將其用于永磁同步電機(jī)的轉(zhuǎn)子位置角在線估計(jì)。結(jié)果表明，該訓(xùn)練算法可以有效地加快神經(jīng)網(wǎng)絡(luò)收斂速度，且估計(jì)的轉(zhuǎn)子位置角誤差較小、精度較高。 文中建立了以TMS320F2812芯片為核心的永磁同步電機(jī)調(diào)速控制系統(tǒng)，并進(jìn)行了相應(yīng)的軟硬件設(shè)計(jì)，為實(shí)現(xiàn)永磁同步電機(jī)的各種控制策略奠定了實(shí)驗(yàn)基礎(chǔ)。DSP控制系統(tǒng)為神經(jīng)網(wǎng)絡(luò)訓(xùn)練提供樣本，為研究永磁同步電機(jī)的自適應(yīng)調(diào)速控制和轉(zhuǎn)子位置角估計(jì)創(chuàng)造了條件。
標(biāo)簽： BP神經(jīng)網(wǎng)絡(luò) 永磁同步電機(jī) 自適應(yīng)控制
上傳時(shí)間： 2013-07-03
上傳用戶：kakuki123
心音信號(hào)是人體最重要的生理信號(hào)之一，包含心臟各個(gè)部分如心房、心室、大血管、心血管及各個(gè)瓣膜功能狀態(tài)的大量生理病理信息。心音信號(hào)分析與識(shí)別是了解心臟和血管狀態(tài)的一種不可缺少的手段。本文針對(duì)目前該研究領(lǐng)域中存在的分析方法問題和分類識(shí)別技術(shù)難點(diǎn)展開了深入的研究，內(nèi)容涉及心音構(gòu)成的分析、心音信號(hào)特征向量的提取、正常心音信號(hào)（NM）和房顫（AF）、主動(dòng)脈回流（AR）、主動(dòng)脈狹窄（AS）、二尖瓣回流（MR）4種心臟雜音信號(hào)的分類識(shí)別。本文的工作內(nèi)容包括以下5個(gè)方面： a）心音信號(hào)采集與預(yù)處理。本文采用自行研制的帶有錄音機(jī)功能的聽診器實(shí)現(xiàn)對(duì)心音信號(hào)的采集。通過對(duì)心音信號(hào)噪聲分析，選用小波降噪作為心音信號(hào)的濾波方法。根據(jù)實(shí)驗(yàn)分析，選擇Donoho閾值函數(shù)結(jié)合多級(jí)閾值的方法作為心音信號(hào)預(yù)處理方案。 b）心音信號(hào)時(shí)頻分析方法。文中采用5種時(shí)頻分析方法分別對(duì)心音信號(hào)進(jìn)行了時(shí)頻譜特性分析，結(jié)果表明：不同的時(shí)頻分析方法與待分析心音信號(hào)的特性有密切關(guān)系，即需要在小的交叉項(xiàng)干擾與高的時(shí)頻分辨率之間作綜合的考慮。鑒于此，本文提出了一種自適應(yīng)錐形核時(shí)頻（ATF）分析方法，通過實(shí)驗(yàn)驗(yàn)證該分布能較好地反映心音信號(hào)的時(shí)頻結(jié)構(gòu)，其性能優(yōu)于一般錐形核分布（CKD）以及Choi-Williams分布（CWD）、譜圖（SPEC）等固定核時(shí)頻分析方法，從而選擇自應(yīng)錐形核時(shí)頻分析方法進(jìn)行心音信號(hào)分析。 c）心音信號(hào)特征向量提取。根據(jù)對(duì)3M Littmann（） Stethoscopes[31]數(shù)據(jù)庫中標(biāo)準(zhǔn)心音信號(hào)的時(shí)頻分析結(jié)果，提取8組特征數(shù)據(jù)，通過Fihser降維處理方法提取出了實(shí)現(xiàn)分類可視化，且最易于分類的心音信號(hào)的2維特征向量，作為心音信號(hào)分類的特征向量。 d）心音信號(hào)分類方法。根據(jù)心音信號(hào)特征向量組成的散點(diǎn)圖，研究了支持向量機(jī)核函數(shù)、多分類支持向量機(jī)的選取方法，同時(shí)，基于分類的目的 性和可信性，本文提出以分類精度最大為判斷準(zhǔn)則的核函數(shù)參數(shù)與松弛變量的優(yōu)化方法，建立了心音信號(hào)分類的支持向量機(jī)模型，選取標(biāo)準(zhǔn)數(shù)據(jù)庫中NM、AF、AR、AS、MR每類心音信號(hào)的80組2維特征向量中每類60組數(shù)據(jù)作為支持向量機(jī)的學(xué)習(xí)樣本，對(duì)余下的每類20組數(shù)據(jù)進(jìn)行測試，得到每類的分類精度（Ar）均為100％，同時(shí)對(duì)臨床上采集的與上述4種同類心臟雜音信號(hào)和正常心音信號(hào)中每類24個(gè)心動(dòng)周期進(jìn)行分類實(shí)測，分類精度分別為：NM、AF、MR的分類精度均為100％，而AR、AS均為95．83％，驗(yàn)證了該方法的分類有效性。 e）心音信號(hào)分析與識(shí)別的軟件系統(tǒng)。本文以MATLAB語言的可視化功能實(shí)現(xiàn)了心音信號(hào)分析與識(shí)別的軟件運(yùn)行平臺(tái)構(gòu)建，可完成對(duì)心音信號(hào)的讀取、預(yù)處理，繪制時(shí)-頻、能量特性的三維圖及兩維等高線圖；同時(shí)，利用MATLAB與EXCEL的動(dòng)態(tài)鏈接，實(shí)現(xiàn)對(duì)心音信號(hào)分析數(shù)據(jù)的存儲(chǔ)以及統(tǒng)計(jì)功能；最后，通過對(duì)心音信號(hào)2維特征向量的分析，實(shí)現(xiàn)心音信號(hào)的自動(dòng)識(shí)別功能。 本文的研究特色主要體現(xiàn)在心音信號(hào)特征向量提取的方法以及多分類支持向量機(jī)模型的建立兩方面。 綜上所述，本文從理論與實(shí)踐兩方面對(duì)心音信號(hào)進(jìn)行了深入的研究，主要是采用自適應(yīng)錐形核時(shí)頻分析方法提取心音信號(hào)特征向量，根據(jù)心音信號(hào)特征向量組成的散點(diǎn)圖，建立心音信號(hào)分類的支持向量機(jī)模型，并對(duì)正常心音信號(hào)和4種心臟雜音信號(hào)進(jìn)行了分類研究，取得了較為滿意的分類結(jié)果，但由于用于分類的心臟雜音信號(hào)種類及數(shù)據(jù)量尚不足，因此，今后的工作重點(diǎn)是采集更多種類的心臟雜音信號(hào)，進(jìn)一步提高心音信號(hào)分類精度，使本文研究成果能最終應(yīng)用于臨床心臟量化聽診。 關(guān)鍵詞：心音信號(hào)，小波降噪，非平穩(wěn)信號(hào)，心臟雜音，信號(hào)處理，時(shí)頻分析，自適應(yīng)，支持向量機(jī)
上傳時(shí)間： 2013-04-24
上傳用戶：weixiao99
自適應(yīng)濾波器是統(tǒng)計(jì)信號(hào)處理的一個(gè)重要組成部分。在實(shí)際應(yīng)用中，由于沒有充足的信息來設(shè)計(jì)固定系數(shù)的數(shù)字濾波器，或者設(shè)計(jì)規(guī)則會(huì)在濾波器正常運(yùn)行時(shí)改變，因此我們需要研究自適應(yīng)濾波器。凡是需要處理未知統(tǒng)計(jì)環(huán)境下運(yùn)算結(jié)果所產(chǎn)生的信號(hào)或需要處理非平穩(wěn)信號(hào)時(shí)，自適應(yīng)濾波器可以提供一種吸引人的解決方法，而且其性能通常遠(yuǎn)優(yōu)于用常規(guī)方法設(shè)計(jì)的固定濾波器。此外，自適應(yīng)濾波器還能提供非自適應(yīng)方法所不可能提供的新的信號(hào)處理能力。 本論文從自適應(yīng)濾波器研究的重要意義入手，介紹了線性自適應(yīng)濾波器的基本原理、算法及設(shè)計(jì)方法，對(duì)幾種基于最小均方誤差準(zhǔn)則或最小平方誤差準(zhǔn)則的自適應(yīng)濾波器算法進(jìn)行研究，最終基于一改近的LMS算法設(shè)計(jì)復(fù)數(shù)自適應(yīng)濾波器，并以VHDL語言編寫在maxplus平臺(tái)上進(jìn)行仿真測試。
標(biāo)簽： FPGA 自適應(yīng)濾波器
上傳時(shí)間： 2013-07-11
上傳用戶：W51631
本課題設(shè)計(jì)和完成了一套基于DSP+FPGA結(jié)構(gòu)的小波變換實(shí)時(shí)圖像處理系統(tǒng)。采用小波算法對(duì)圖像進(jìn)行邊緣提取、圖像增強(qiáng)、圖像融合等處理，并在ADSP-BF535上實(shí)現(xiàn)了小波算法，分析了其運(yùn)行小波算法的性能。圖像處理的數(shù)據(jù)量比較大，而且運(yùn)算比較復(fù)雜，DSP的特殊結(jié)構(gòu)和性能很好地滿足了系統(tǒng)實(shí)現(xiàn)的需要，而FPGA的高速性和靈活性也滿足了系統(tǒng)實(shí)時(shí)性和穩(wěn)定性的需要，所以采用DSP+FPGA來實(shí)現(xiàn)圖像處理系統(tǒng)是可靠的，也是可行的。系統(tǒng)的硬件設(shè)計(jì)以DSP和FPGA為平臺(tái)，DSP實(shí)現(xiàn)算法、管理系統(tǒng)運(yùn)行、并實(shí)現(xiàn)了系統(tǒng)的自啟動(dòng)；FPGA實(shí)現(xiàn)一些接口、時(shí)序控制等，簡化了外圍電路，提高了系統(tǒng)的可靠性。結(jié)果表明，在ADSP-BF535上實(shí)現(xiàn)小波算法，效果良好，而且滿足系統(tǒng)實(shí)時(shí)性的要求。最后，總結(jié)了系統(tǒng)的設(shè)計(jì)和調(diào)試經(jīng)驗(yàn)，對(duì)調(diào)試時(shí)遇到的一些問題進(jìn)行了分析。
標(biāo)簽： FPGA DSP 小波變換 實(shí)時(shí)圖像
上傳時(shí)間： 2013-04-24
上傳用戶：Kecpolo
設(shè)計(jì)并實(shí)現(xiàn)具有硬件濾波空氣清新器的信息采集系統(tǒng)，根據(jù)空氣的復(fù)雜性以及隨機(jī)性，結(jié)合自適應(yīng)濾波器的原理，提出一種新的空氣信息采集系統(tǒng)設(shè)計(jì)方法。該方法利用最小均方(LMS)自適應(yīng)濾波器進(jìn)行軟件濾波，針對(duì)空氣
標(biāo)簽： LMS 自適應(yīng)濾波器 信息采集 系統(tǒng)設(shè)計(jì)
上傳時(shí)間： 2013-06-14
上傳用戶：sjb555
自適應(yīng)濾波器是智能天線技術(shù)中核心部分-自適應(yīng)波束成形器的關(guān)鍵技術(shù)，算法的高效穩(wěn)定性及硬件時(shí)鐘速率的快慢是判斷波束成形器性能優(yōu)劣的主要標(biāo)準(zhǔn)。 首先選取工程領(lǐng)域最常用的自適應(yīng)橫向LMS濾波算法作為研究對(duì)象，提出了利用最小均方誤差意義下自適應(yīng)濾波器的輸出信號(hào)與主通道噪聲信號(hào)的等效關(guān)系，得到濾波器最佳自適應(yīng)參數(shù)的方法。并分析了在平穩(wěn)和非平穩(wěn)環(huán)境噪聲下，濾波器的收斂速度、權(quán)系數(shù)穩(wěn)定性、跟蹤輸入信號(hào)的能力和信噪比的改善等特性。 在分析梯度自適應(yīng)格型算法的基礎(chǔ)上，提出利用最佳反射系數(shù)的收斂性和穩(wěn)定性，得到了梯度自適應(yīng)格型濾波器的定步長改進(jìn)方法；并以改進(jìn)的梯度自適應(yīng)格型和線性組合器組成梯度自適應(yīng)格型聯(lián)合處理算法，在同樣環(huán)境噪聲下，相比自適應(yīng)橫向LMS算法，其各項(xiàng)性能指標(biāo)都得到了極大地改善，而且有利于節(jié)省硬件資源。 設(shè)計(jì)了自適應(yīng)橫向LMS濾波器和梯度自適應(yīng)格型聯(lián)合處理濾波器的電路模型，并用馳豫超前技術(shù)對(duì)兩類濾波器進(jìn)行了流水線優(yōu)化。利用Altera公司的CycloneⅡ系列EP2C5T144C6芯片和多種EDA工具，完成了濾波器的FPGA硬件設(shè)計(jì)與仿真實(shí)現(xiàn)。并以FPGA實(shí)現(xiàn)的3節(jié)梯度自適應(yīng)格型聯(lián)合處理器為核心，設(shè)計(jì)了一種TD-SCDMA系統(tǒng)的自適應(yīng)波束成形器，分析表明可以很好地利用系統(tǒng)提供的參考信號(hào)對(duì)下行波束進(jìn)行自適應(yīng)成形。
標(biāo)簽： FPGA 自適應(yīng)濾波器 算法設(shè)計(jì)
上傳時(shí)間： 2013-07-16
上傳用戶：xyipie
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
