Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: nonlinear signal processing

Sortuj według:

Ogranicz wyniki do:

Realizacja nieliniowych metod przetwarzania sygnałów w systemach cyfrowych

Konopko K.

Przegląd Elektrotechniczny

2015

R. 91, nr 1

77-80

Wiele metod analogowego przetwarzania sygnałów zostało z powodzeniem zrealizowane w technice CPS (Cyfrowe Przetwarzanie Sygnałów). Jednakże cyfrowa realizacja układów nieliniowego przetwarzania sygnałów prowadzi do zniekształceń widmowych, które nie występują w procesie przetwarzania analogowego. W artykule przedstawiono dwie metody, które minimalizują zniekształcenia widmowe związane z nieliniowym przetwarzaniem sygnałów cyfrowych. Pierwsza stosuje nadpróbkowanie przetwarzanego sygnału. Druga, zaproponowana przez autora, wykorzystuje metody analizy i syntezy sygnałów. W artykule przedstawiono również analizę wykorzystania zaproponowanych metod w nieliniowym przetwarzaniu sygnałów dźwiękowych.

Many signal processing methods have already been successfully translated from their original analog implementations into DSP (Digital Signal Processing). However, digital implementation of the nonlinear processing methods leads to spectral distortions which are not present in the analog processing. The paper presents two methods that minimize the spectral distortion associated with the nonlinear processing of digital signals. The first one uses oversampling of a processing signal. The second one, proposed by author uses the methods of analysis and synthesis of the signals. The article also presents an analysis of the use of the proposed methods in nonlinear processing of audio signals.

Pipelined architectures for the LMS adaptive Volterra filter

Glentis G.-O., Georgoulakis K.

Foundations of Computing and Decision Sciences

2006

Vol. 31, No. 2

135-155

In this paper, efficient pipelined architectures for Least Mean Square (LMS) adaptive filtering and system identification of discrete-time Volterra models is presented. First, the multichannel embedding is adopted for the transformation of the discrete-time Volterra model to an equivalent multi-input single output format. Then, the LMS algorithm with delayed coefficients adaptation is applied, for the identification of the model parameters. The adaptation delay introduced in the computational flow of the adaptive scheme, allows for a pipelined implementation, however, the convergence and tracking properties of the algorithm are affected. Proper correction terms are subsequently introduced that compensate the adaptation delay and give results identical to the original LMS algorithm, subject to a latency delay.