自适应滤波算法的研究文献综述.docVIP

文献综述 课题名称： 自适应滤波算法的研究 学院（系）： 里仁学院 年级专业： 05通信工程4班 学生姓名： 郭斌 指导教师： 崔冬 完成日期： 2009年4月1日 一、课题国内外现状： 最早人们根据生物能以各种有效的方式适应生存环境从而使生命力变强的特性引伸出自适应这个概念。自适应滤波器属于现代滤波器的范畴，它是40年代发展起来的自适应信号处理领域的一个重要应用。60年代，美国B.Windrow和Hoff首先提出了主要应用于随机信号处理的自适应滤波器算法，从而奠定自适应滤波器的发展。所谓自适应滤波器，即利用前一时刻已获得的滤波器参数等结果，自动地调节现时刻的滤波器参数，以适应信号与噪声未知的或随时间变化的统计特性，从而实现最优滤波。 自适应信号处理主要是研究结构可变或可调整的系统，它可以通过自身与外界环境的接触来改善自身对信号处理的性能。通常这类系统是时变的非线性系统，可以自动适应信号传输的环境和要求，无须详细知道信号的结构和实际知识，无须精确设计处理系统本身。自适应系统的非线性特性主要是由系统对不同的信号环境实现自身参数的调整来确定的。自适应系统的时变特性主要是由其自适应响应或自适应学习过程来确定的，当自适应过程结束和系统不再进行时，有一类自适应系统可成为线性系统，并称为线性自适应系统，因为这类系统便于设计且易于数学处理，所以实际应用广泛。本文研究的自适应滤波器就是这类滤波器。自适应信号处理的应用领域包括通信、雷达、声纳、地震学、导航系统、生物医学和工业控制等[3] 自适应滤波器出现以后，发展很快。由于设计简单、性能最佳，自适应滤波器是目前数字滤波器领域是活跃的分支，也是数字滤波器研究的热点。主要自适应滤波器有：递推最小二乘(RLS)滤波器、最小均方差(LMS)滤波器、格型滤波器、无限冲激响应(IIR)滤波器。其中LMS滤波器和RLS滤波器具有稳定的自适应行为而且算法简单，收敛性能良好。 二、研究主要成果： 自适应滤波器具有很强的自学习、自跟踪能力和算法的简单易实现性，它在噪化信号的检测增强，噪声干扰的抵消，通信系统的自适应均衡，图象的自适应增强复原以及未知系统的自适应参数辩识等方面都有广泛的应用。 现阶段通过对自适应滤波器的研究，发现其主要有以下4种基本应用类型： 第一，系统辨识：这时参考信号就是未知系统的输出，当误差最小时，此时自适应滤波器就与未知系统具有相近的特性，自适应滤波器用来提供一个在某种意义上能够最好拟合未知装置的线性模型。 第二，逆模型：在这类应用中，自适应滤波器的作用是提供一个逆模型，该模型可在某种意义上最好拟合未知噪声装置。理想地，在线性系统的情况下，该逆模型具有等于未知装置转移函数倒数的转移函数，使得二者的组合构成一个理想的传输媒介。该系统输入的延迟构成自适应滤波器的期望响应。在某些应用中，该系统输入不加延迟地用做期望响应。 第三，预测：在这类应用中，自适应滤波器的作用是对随机信号的当前值提供某种意义上的一个最好预测。于是，信号的当前值用作自适应滤波器的期望响应。信号的过去值加到滤波器的输入端。取决于感兴趣的应用，自适应滤波器的输出或估计误差均可作为系统的输出。在第一种情况下，系统作为一个预测器；而在后一种情况下，系统作为预测误差滤波器。 第四，干扰消除：在一类应用中，自适应滤波器以某种意义上的最优化方式消除包含在基本信号中的未知干扰。基本信号用作自适应滤波器的期望响应，参考信号用作滤波器的输入。参考信号来自定位的某一传感器或一组传感器，并以承载新息的信号是微弱的或基本不可预测的方式，供给基本信号上。 三、发展趋势： 自适应信号处理的应用领域包括通信、雷达、声纳、地震学、导航系统、生物医学和工业控制等，所以自适应滤波算法是自适应滤波处理技术中的关键部分，它不仅决定了算法的收敛速度，还决定了算法软件实现的复杂度。因此，找到一种真正快速收敛且性能优良的自适应滤波算法是自适应滤波器在广泛应用技术研究的关键。在现有算法的基础上开发和研究性能优越的自适应波束形成算法成为主要的发展趋势。也将主导自适应滤波器向更广阔的领域发展。 四、存在问题： 自适应滤波算法是自适应滤波处理中极其重要的一环，它的选择不仅决定了算法的收敛速度，还决定了算法软、硬件件实现的复杂度。这也就决定了找到一种合适的，真正的快速收敛且性能优良的自适应滤波算法是非常重要的。课题开发存在的主要问题全都在自适应滤波算法的性能上，而衡量性能的主要因素包括：算法的收敛速度，算法的跟踪性能，算法的稳健性，算法的计算复杂度等方面来体现，但目前的算法在性能上已经大有改进，但仍旧不能从根本上解决还好这