自适应模拟与系统识别分析.ppt

自适应模拟与系统辨识 内容： 一、 自适应模拟与系统识别的概述 二、 FIR滤波器综合的自适应模拟 自适应模拟与辨识的概述 如果一个真实的物理系统是具有一个或多个输入、一个或多个输出的未知的“黑箱”的话，那么这个系统的特性可由一个自适应滤波器去模拟或者说模仿。 如果适当的去选取自适应滤波器的参数的话，那么就可以使模拟出来的信号与理想中的信号的均方误差达到最小。 未知系统 自适应模拟 输入 ∑ ∑ ＋ ＋ ＋ － 系统噪声 系统输出 误差 单输入单输出被控系统的模拟（带噪） xk与噪声 互不相关 红色为有噪声的情况，蓝色为无噪声的情况 u=0.01 k=1000 程序 单位 （dB） 自适应滤波 输入 ∑ ∑ ＋ － 输入信号（此处做期待信号） 滤波输出 误差 横向自适应滤波器 系统噪声 Cos(2πk/N) 加噪后的信号 SNR=4.5 K=1000 u=0.002 L=2 红色为原信号 蓝色为滤波后的信号 程序 FIR滤波器综合的自适应模拟 FIR滤波器的基本思想如下图，在自适应滤波器收敛之后，自适应滤波器的冲击响应将会满足一组给定的设计指标的滤波，这些设计指标是体现在标有‘伪滤波器’字样的方框图中的。因为一个严格的满足这样一组滤波器，一般是物理不可实现的，因为伪滤波器并不存在，只是一个概念的东西。 为使指标在很多频率上同时被满足，用N个指标频率的正弦波的和，同时加在伪滤波器和自适应滤波器上，如下图： 滤波器设计指标----在离散频率上有规定的幅度增益与相位特性。 自适应过程----寻找最佳拟合性能指标的解。 自适应滤波器去模拟由设计指标导出的的伪滤波器 当指标不能同时在所有频率上精确满足时，若要在某些确定频率上满足的更紧密一些（或是某些频率响应比其他部分更加关键），可将不同频率正弦波赋不同的振幅，输入正弦波振幅愈大，则在相应频率上指标拟合愈紧密，此时输入信号为： 其中 为正常数，称为对所有 的“代价函数”，这时候的伪滤波器的输出如下（其中， 与 就是我们在频率f1 上要设计的指标，分别为振幅和相移）： LMS算法设计自适应滤波器 当待设计的滤波器有大量的权时，需要解大量的线性联立方程，这样会大大的增加运算量，所以，我们可以用LMS算法来逼近最近权向量方程，明显LMS算法更加的方便 LMS算法的核心公式 均匀代价函数的自适应------LMS算法 相位：从零频道四分之一的取样频率提供最大相移-13pi的线性相位。 幅度增益：从零频处得-50dB到四分之一的取样频率的0dB，其它为-60dB。 u=0.005 L=49 可注意到在自适应增益比较高的地方，相位与振幅指标满足比较好。 程序 非均匀代价函数的自适应------LMS算法 程序 程序 在很多情况下，要求滤波器具有线性相位，如下图将各个抽头权对于中心权按对称方式安排，容易证明这类滤波器的线性相位特性。 因果线性相位滤波器 非因果、零相位滤波器的Hz 上图的传输函数为： 围绕中心的各权赋以对称的初值，每一对权按下式同等地自适应调整：