分布式递归最小二乘算法及其在声场控制系统中的应用

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61901174
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    25.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0111.信号理论与信号处理
  • 结题年份:
    2022
  • 批准年份:
    2019
  • 项目状态:
    已结题
  • 起止时间:
    2020-01-01 至2022-12-31

项目摘要

This project aims at developing diffusion recursive least squares (Diff-RLS) algorithms that have fast convergence and improved robustness. These algorithms are then applied to the Multiple-input multiple-output (MIMO) acoustic networks, where large amount of acoustic channels are involved and the systems are usually time-varying. The research work includes: (1) based on the local modeling of the unknown acoustic channels, the convergence properties of the Diff-RLS algorithm are studied. New algorithms are derived that have fast convergence as well as superior tracking capability. (2) under the framework of the new Diff-RLS algorithms, a technique called regularization is employed, which overcomes problems in acoustic channels, such as modeling error and sparseness. The newly developed algorithms can further increase the convergence and tracking capability, and robustness. (3) the mean and mean squares performance of the newly developed algorithms is analyzed theoretically, which provides insight of the mechanism of the networked adaptive filters. The effect of distribution on the MIMO acoustic systems is also studied. (4) build the software platform of MIMO acoustic systems, e.g. active noise control and sound field synthesis, and evaluate the performance by computer simulations.
本项目旨在申请人原有学术成果的基础上,系统地展开一类新型的、具有分布式结构的递归最小二乘(RLS)自适应滤波网络算法研究,在理论研究的基础上发展新的改进算法,研究其在声学MIMO(多输入多输出)系统中的应用。所开展的研究工作包括:(1)根据声学时变信道特点,对自适应网络进行合理建模,分析分布式RLS算法独有的收敛特性,推导新型的RLS网络算法,保证新算法的快速收敛特性及对时变信道优异的跟踪能力;(2)在新算法的框架下,运用正规化等技术,使算法获得更快的收敛和跟踪速度,更好的对抗声学信道普遍具有的稀疏性、建模误差等干扰;(3)对新算法进行全面的收敛性能分析,包括稳态的均值和均方值、动态的跟踪能力等传统自适应算法性能分析,以及对MIMO声学网络特有的节点分布方式、多任务等问题进行理论分析;(4)搭建MIMO声学系统(主动噪声控制及声场合成)软件平台,验证上述算法优点。

结项摘要

本项目在申请人原有学术成果的基础上,系统地展开一类新型的、具有分布式结构的递归最小二乘(RLS)自适应滤波网络算法研究,在理论研究的基础上发展新的改进算法,研究其在声学MIMO(多输入多输出)系统中的应用。取得的研究成果及意义主要包括:(1)对分布式RLS算法展开理论分析,从而研究空间正则化因子在多任务环境下的作用及机理,重点分析决定算法收敛速度的遗忘因子与空间正则化因子之间的关系,提出优化空间正则化因子的基本方法与策略;(2)在新算法的框架下,运用空间正则化技术,对抗信号及信道干扰、建模误差等影响,进一步加强算法鲁棒性;(3)关注分布式算法在声学信号处理中行之有效的技术和新算法,建立仿真平台,并且理论分析算法在相关应用中的性能。取得的相关成果为,发表期SCI刊论文7篇(其中一篇被选为Jasa封面文章),国内重点期刊论文1篇,国际会议论文4篇,国内会议论文1篇,邀请报告2个,大会报告若干,授权发明专利1项。在国际上率先提出扩散式主动噪声控制方法、理论分析、以及噪声控制多任务问题的分析解决方案,创新性的提出基于空间平滑的主动噪声控制方法。新型分布式RLS自适应滤波网络收敛特性的基础理论研究,促进了分布式自适应理论的发展和进一步完善,在理论基础上发展出的声学应用方法,推进了分布式新算法在声学系统中的应用创新。在国家大力发展交叉学科背景下,深度融合信号处理与声学应用、网络技术与自适应处理,实现了重点技术突破。

项目成果

期刊论文数量(9)
专著数量(0)
科研奖励数量(0)
会议论文数量(3)
专利数量(1)
一种新型基于分布式FxLMS的主动噪声控制算法与空间平滑
  • DOI:
    10.13232/j.cnki.jnju.2021.04.017
  • 发表时间:
    2021
  • 期刊:
    南京大学学报. 自然科学版
  • 影响因子:
    --
  • 作者:
    褚轶景;麦卓明;蔡陈之;吴鸣
  • 通讯作者:
    吴鸣
A new diffusion variable spatial regularized LMS algorithm
一种新的扩散变量空间正则化LMS算法
  • DOI:
    10.1016/j.sigpro.2021.108207
  • 发表时间:
    2021
  • 期刊:
    Elsevier
  • 影响因子:
    --
  • 作者:
    Yijing Chu;Shing-Chow Chan;Yi Zhou;M. Wu
  • 通讯作者:
    M. Wu
A New Diffusion Variable Spatial Regularized QRRLS Algorithm
一种新的扩散变量空间正则化QRRLS算法
  • DOI:
    10.1109/lsp.2020.2999883
  • 发表时间:
    2020
  • 期刊:
    IEEE Signal Processing Letters
  • 影响因子:
    3.9
  • 作者:
    Yijing Chu;S. C. Chan;Yi Zhou;Ming Wu
  • 通讯作者:
    Ming Wu
A new parametric adaptive source domain method for sound field synthesis
一种新的参数自适应源域声场合成方法
  • DOI:
    10.13140/rg.2.2.35071.97446
  • 发表时间:
    2020
  • 期刊:
    IEEE Trans. Circ. Syst. II
  • 影响因子:
    --
  • 作者:
    Y. J. Chu;S. C. Chan;Y. Zhou;M. Wu
  • 通讯作者:
    M. Wu
Performance analysis of a diffusion control method for ANC systems and the network design
ANC系统扩散控制方法的性能分析和网络设计
  • DOI:
    10.1016/j.jsv.2020.115273
  • 发表时间:
    2020
  • 期刊:
    J. Sound Vib.
  • 影响因子:
    --
  • 作者:
    Y. J. Chu;C. M. Mak;Y. Zhao;S. C. Chan;M. Wu
  • 通讯作者:
    M. Wu

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

赛宾房间和长空间混响时间的比较
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    声学技术(增刊), 24, 87-88,2005.
  • 影响因子:
    --
  • 作者:
    褚轶景;陈华伟;邱小军
  • 通讯作者:
    邱小军
一种新型基于分布式FxLMS 的主动噪声控制算法与空间平滑
  • DOI:
    --
  • 发表时间:
    2021
  • 期刊:
    南京大学学报(自然科学)
  • 影响因子:
    --
  • 作者:
    褚轶景;麦卓明;蔡陈之;吴鸣
  • 通讯作者:
    吴鸣

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

褚轶景的其他基金

分布式自适应网络抗干扰机制及声场控制应用研究
  • 批准号:
    12374452
  • 批准年份:
    2023
  • 资助金额:
    52 万元
  • 项目类别:
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码