自适应噪声消除算法的性能比较与仿真.doc

自适应噪声消除算法的性能比较与仿真 常太华，江清潘，朱红路 （华北电力大学 控制科学与工程学院，北京市 昌平区 102206） 摘要：在信号处理中，噪声往往是非平稳和随时间变化的，传统方法很难解决噪声背景中的信号提取问题。通过对自适应噪声消除原理的研究，介绍了基于参考信号和基于预测原理的两种自适应噪声消除(ANC, Adaptive Noise Cancellation)方法，分析对比了基于最小均方(LMS, Least Mean Squares)、递推最小二乘(RLS, Recursive Least Squares)和平方根自适应滤波（QR_RLS, recursive least squares based on QR decomposition）三种噪声消除算法的性能。仿真结果表明：这几种算法都能从高背景噪声中有效的抑制干扰提取出有用信号，显示出了良好的收敛性能。相比之下，RLS算法和QR_RLS算法呈现出更快的收敛速度、更强的稳定性和抑噪能力。 关键词：自适应噪声消除；自适应滤波器；噪声 中图分类号： 文献标识码： Performance Comparisons and Simulations of Adaptive Noise Cancellation Algorithms CHANG Tai-hua, JIANG Qing-pan, ZHU Hong-lu （Control Science and Engineering College, North China Electric Power University, Changping District, Beijing 102206,China ） Abstract: In the signal processing, the noise is often non-smooth and time-varying, so the traditional method is difficult to solve the signal extraction problem from the background noise. Through the study on the principle of adptive noise cancellation, two de-noising method that based on reference signal and principles of prediction have been introduced, and noise canceling performance of the LMS algorithms、RLS algorithms and QR_RLS algorithms were compared. The results of computer simulations show that all of these adaptive algorithms can restrain the disturbance effectively and extract the true signal in strong background noise, shows a good convergence performance. In comparison, the RLS algorithm and QR_RLS algorithm take on faster convergence speed, stronger stability and stronger ability to suppress noise. Key words: ANC; adaptive filtering; noise 1 引言 在信号处理领域中噪声消除是一个非常重要的问题，对噪声环境中系统的正常工作有着很大的影响。隐藏在有用信号中的背景噪声往往是非平稳且随时间变化的，信号和噪声的统计特性往往无法知晓，而且背景噪声中的有用信号往往微弱而不稳定，此时采用传统方法很难解决噪声环境中的信号提取问题[1]。近年来自适应噪声消除（ANC）系统成为消除噪声的研究热点，利用自适应滤波器具有在未知环境下良好运行并跟踪输入统计量随时间变化的能力，通过不断调整抽头权系数来适应发生变化的信号和噪声的统计特性，达到消除噪声干扰的目的[2]。 根据噪声知识的了解情况，ANC系统可采用基于参考信号和基于预测原理的两种噪声消除方法。在噪声相关知识足够了解的情况下可选取一个与噪声信号相关的参考信号进行噪声干扰对消。在噪声相关知识了解不够充分时可根