毕业论文自适应滤波器论文.doc

自适应滤波器论文 1 绪论.1 自适应滤波简介 根据环境的改变，使用自适应算法来改变滤波器的参数和结构。这样的滤波器就称之为自适应滤波器。 一般情况下，不改变自适应滤波器的结构。而自适应滤波器的系数是由自适应算法更新的时变系数。即其系数自动连续地适应于给定信号，以获得期望响应。自适应滤波器的最重要的特征就在于它能够在未知环境中有效工作，并能够跟踪输入信号的时变特征。，使得有意义的目标函数或代价函数最小化，滤波器输出信号逐步逼近所期望的参考信号，由两者之间的误差信号驱动某种算法对滤波系数进行调整，使得滤波器处于最佳工作状态以实现滤波过程。所以自适应过程是一个闭合的反馈环，算法决定了这个闭合环路的自适应过程需要的时间。但是，由于目标函数是输入信号，参考信号及输出信号的函数，即。 因此目标函数必须具有以下两个性质： （1）非负性 ， （2.1） （2）最佳性 ， （2.2） 在自适应过程中，自适应算法逐步使目标函数最小化，最终使逼近与，滤波参数或权系数收敛于，这里是自适应滤波系数的最优解即维纳解。因此，自适应过程也是自适应滤波器的最佳线性估计的过程，既要估计滤波器能实现期望信号的整个过程，又要估计滤波权系数以进行有利于主要目标方向的调整。这些估计过程是以连续的时变形式进行的，这就是自适应滤波器需要有的自适应收敛过程。如何缩短自适应收敛过程需要的收敛时间，这个与算法和结构有关的问题是人们一直重视研究的问题之一。当然滤波子系统在整个自适应滤波器的设计中也占有很重要的地位，因为它对最终的滤波性能有很大的影响。下面介绍两种常用的滤波器结构。 2.4.1 FIR结构滤波器 FIR滤波器：有限长单位冲激响应滤波器，是数字信号处理系统中最基本的元件，它可以在保证任意幅频特性的同时具有严格的线性相频特性，同时其单位抽样响应是有限长的，因而滤波器是稳定的系统。因此，FIR滤波器在通信、图像处理、模式识别等领域都有着广泛的应用。有限长单位冲激响应（FIR）滤波器有以下特点： 系统的单位冲激响应h (n)在有限个n值处不为零系统函数H(z)在|z|0处收敛，极点全部在z = 0处（因果系统）构上主要是非递归结构，没有输出到输入的反馈，但有些结构中（例如频率抽样结构）也包含有反馈的递归部分。.4.2 IIR结构滤波器 IIR滤波器：具有反馈，一般认为具有无限的脉冲响应。长单位冲激响应（滤波器有以下特点：IR滤波器的系统函数可以写成封闭函数的形式IIR滤波器在设计上可以借助成熟的模拟滤波器的成果IIR滤波器的相位特性不好控制，对相位要求较高时，需加相位校准网络。 FIR结构与IIR结构型的区别 （1）单位响应 IIR滤波器单位响应为无限脉冲序列，而FIR数字滤波器单位响应为有限的FIR滤波器，也就是“非递归滤波器”，没有引入反馈。这种滤波器的脉冲响应是有限的。幅频特性IIR数字滤波器幅频特性精度很高，不是线性相位的，可以应用于对相位信息不敏感的音频信号上；FIR数字滤波器的幅频特性精度较之于IIR数字滤波器低，但是线性相位，就是不同频率分量的信号经过fir滤波器后他们的时间差不变，这是很好的性质。实时信号处理FIR数字滤波器是有限的单位响应也有利于对数字信号的处理，便于编程，用于计算的时延也小，这对实时的信号处理很重要。.1 横向滤波结构的最陡下降法 3.1.1 最陡下降法的原理 首先考虑如图3.1所示的横向FTR自适应滤波器 图3.1 自适应横向滤波器结构 它的输入序列以向量的形式记为： （3.1） 假设取自—均值为零，自相关矩阵为R的广义平稳随机过程，而滤波器的系数矢量（加权矢量）为： （3.2） 以上二式中括号内的k为时间指数，因此和分别表示时刻k的滤波器输入序列和加权值，滤波器的输出为： （3.3） 式中M为滤波器的长度。 图4.1中的称为“期望理想响应信号”，有时也可称为“训练信号”，它决定了设计最佳滤波器加权向量的取值方向。在实际应用中，通常用一路参数信号来作为期望响应信号。是滤波器输出相对于的误差，即 （3.4） 显然，自适应滤波控制机理是用误差序列按照某种准则和算法对其系数，M进行调节的，最终使自适应滤波器的目标（代价）函数最小化，打到最佳滤波状态。 按照均方误差（MSE）准则所定义得目标函数是 （3.5） 将式（3.4）代入式（3.5），目标函数可以化为 （3.6） 当滤波系数固