自适应周期滤波器及学习算法.pdfVIP

第3l卷第4期 杭州电子科技大学学报 Vd．31，No．4 2011年∞月 Jounmlaf Hm咖Dim面Un／vetsity Aug．2011 自适应周期滤波器及其学习算法 孙明轩，毕宏博 (浙江工业大学信息工程学院，浙江杭州310023) 摘要：针对周期平稳随机信号，提出自适应周期滤波方法。该文给出自适应周期滤波器的一般结 构和实现步骤，推导出周期最小均方算法和周期最小二乘算法。完成的仿真算例验证了所提出的 自适应周期滤波方法的有效性。 关键词：周期平稳随机过程；时变系统；自适应滤波器；周期学习 中图分类号：TN713 文献标识码：A 文章编号：1001—9146(201l104-0110一04 0 引 言 自适应滤波器自行调整滤波器参数，使滤波性能随时间逐步得以改善。根据优化准则不同，通常可 分为两种算法H、2】：最小均方算法和递推最／b-乘算法。针对此两种自适应滤波算法的已发表结果多 针对平稳过程。在实际应用场合，常常遇到所需处理的信号为非平稳随机变化的情形，这引起了人们的 关注∞’7]。在非平稳随机信号中，有一类特殊的信号称为周期平稳随机信号，它的均值和自相关函数呈 器阴]。周期平稳随机信号可由平稳随机信号通过线性周期时变系统产生。因而，可借助于周期时变系 统的Floquet理论来处理这类非平稳信号∽】，但这种方法限于线性系统。本文考虑被处理信号(期望响 应)作为某周期时变系统输出的情形，为了获得其参数估计，采用周期学习机制(原则上适于非线性系 LeastMean Least 统)‘10,11]。提出周期最小均方(Periodic Squares，PLS)两种学习算法。本文首先给出自适应周期滤波器的一般结构及其学习机制的实现步骤， 有效性。 1 自适应周期滤波器 di+kN=xT+kNwoi+kⅣ+vi+kN (1) 式中，Xi+kN为n维输入向量，v；+kN为量测噪声；w?“。为n维权值向量，满足下述周期特性： 2 L二，(2) woi+=0kNwi+ wi+fk—l、N+(k—nN 式中，N为周期权值wo+州的周期。记同一输入向量通过滤波器产生的输出为Y；+州： Yi+kN=xTi+LNWi+kN (3) 滤波误差定义为期望响应与滤波器的实际响应的差，即emN=dm。一xT+。。Wm。。与处理平稳过程 的常规自适应滤波器的学习算法不同，对于由(1)所产生的非平稳过程，按下述学习算法对权值的估值 进行修正： 收稿日期：2011—06—10 基金项目：国家自然科学基金资助项目 作者简介：孙明轩(1961一)，男，安徽固镇人，教授，学习系统． 第4期 孙明轩等：自适应周期滤波器及其学习算法 Wi+kN=Wi+(k—1)N+Awi+(k一”N (4) 式中，△w…H，。的确定取决于所考虑的优化问题的目标函数。常见的学习算法有两种：最小均方 算法和最dx-乘算法。 提出的周期学习机制的具体实现步骤如下： (1)给定初始权向量值W；，i=O，l，…，N—l，并置k=0； (2)在第k个周期，输入信号Xm。，通过周期时变系统产生dj+kN； (3)施加相同的x…。，产生第k个周期的滤波器输出ymN，并计算Aw…¨)。； (4)依据学习算法计算下一周期的权值Wm。(或W…㈧，。)； (5)检验迭代停止条件，若条件满足则停止运行；否则置k=k+l，转至S2。 2周期学习算法 给出两种周期学习算法：一种是周期最小均方算法；另一种是