- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
Nanjing University of Aeronautics and Astronautics
硕士自适应滤波器课程要求论文
自适应滤波器设计及应用
The design and application of adaptive filter
学院名称: 电子信息工程学院
专业班级: 通信 电子与通信工程
学生姓名:
指导老师:
老师职称: 教授
2012年12月 目录
第一章 绪论 1
1.1 课题的背景与研究意义 1
1.2 国内外研究发展现状与前景 4
1.3 本文研究思路及主要工作 6
第二章 自适应滤波器的基础理论 8
2.1 模拟滤波器的基本理论 8
2.2 数字滤波器的基本理论 9
2.3 自适应滤波器的基本理论 12
2.4 自适应滤波器的结构 14
2.4.1 自适应横向滤波器 15
2.4.2 自适应递归滤波器 16
2.4.3 自适应各型滤波器 16
第三章 自适应滤波算法 18
3.1 最小均方误差(LMS)算法 18
3.2 最小均方差(LMS)算法的性能分析 21
3.3 递推最小二乘法(RLS)算法 23
3.4 递归最小二乘(RLS)算法的性能分析 26
3.5 LMS算法与RLS算法性能分析与比较 30
3.6 其他自适应滤波算法 31
3.6.1 仿射投影法 31
3.6.2 共轭梯度算法 31
3.6.3 基于子带分解的自适应滤波算法 32
3.6.4 其他自适应滤波算法 32
第四章 基于MATLAB的自适应滤波器仿真实现与应用 34
4.1 MATLAB语言简介 34
4.2 基于LMS和RLS的自适应滤波器应用仿真 35
4.2.1 基于LMS自适应预测器设计 35
4.2.2 基于RLS信号增强器的设计 36
第五章 总结与展望 41
5.1 总结 41
5.2 展望 41
致 谢 43
参考文献 44
附 录 45
自适应滤波器滤波器的设计及实现
摘要 自适应滤波器的研究是当今自适应信号处理中最为活跃的研究课题之一。因其具有很强的自学习、自跟踪能力和算法的简单易实现性等优点,使得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,图像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得到了广泛的应用。
自适应滤波器是指利用前一时刻的结果,自动调节当前时刻的滤波器参数,以适应信号和噪声未知或随机变化的特性,得到有效的输出。研究自适应滤波器可以去除输出信号中噪声和无用信息,得到失真较小或者完全不失真的输出信号。本文介绍了自适应滤波器的理论基础,重点讲述了自适应滤波器的几种实现结构, 然后重点介绍了两种自适应滤波算法最小均方误差(LMS)算法和递推最小二乘(RLS)算法,并对LMS算法和RLS算法性能进行了详细的分析。其中LMS算法结构简单,鲁棒性强,但其收敛速度很慢,而RLS收敛速度快,但其运算量很大。最后本文对基于LMS算法和RLS算法的自适应滤波器进行MATLAB仿真应用,实验表明:在自适应信号处理中,自适应滤波信号占有很重要的地位,自适应滤波器应用领域广泛;另外LMS算法和RLS算法各有优缺点,LMS算法因其鲁棒性强特点而应用于自回归预测器,而RLS算法因其收敛速度快优点而应用于信号增强器中。
关键词:自适应滤波器,LMS算法,IIR滤波器
Design and Implemeutation of the Auto-adapted Filter
Abstract The adaptive filter is one of the most active research topic in adaptive signal processing today. Because it has a strong self-learning, self-tracking capabilities and algorithms simple ease of implementation, etc., making it in the detection in the noise of the signal enhancement, noise offset, communication systems, adaptive equalization, adaptive image enhanced recovery and unknown adaptive parameter identification have been widely used.
Adaptive filter using the results of the pre
文档评论(0)