开题报告66590.docVIP

本科学生毕业论文（设计）开题报告 题目 自适应滤波器的设计及其应用研究 姓 名 李宗先 专 业 电子信息工程 学 号 20101851053 学 院 信息学院 指导教师 李素文 淮北师范大学教务处制 一、本课题研究现状及可行性分析 滤波技术在当今信息处理领域中有着极其重要的应用。滤波是从连续的或离散的输入数据中除去噪音和干扰以提取有用信息的过程，相应的装置就称为滤波器。滤波器实际上是一种选频系统，他对某些频率的信号予以很小的衰减，使该部分信号顺利通过。而对其他不需要的频率信号予以很大的衰减，尽可能阻止这些信号通过。滤波器研究的一个目的就是：如何设计和制造最佳的(或最优的)滤波器。 在数字信号处理中，数字滤波是语音和图像处理、模式识别、频谱分析等应用中的一个基本处理算法。在许多应用场合， 由于无法预先知道信号和噪声的特性或者它们是随时间变化的， 仅仅用 FIR 和 IIR两种具有固定滤波系数的滤波器无法实现最优滤波。在这种情况下，必须设计自适应滤波器， 以跟踪信号和噪声的变化。 自适应滤波器是利用前一时刻已获得的滤波器参数，自动地调节、更新现时刻的滤波器参数，以适应信号和噪声未知的统计特性，从而实现最优滤波。当在未知统计特性的环境下处理观测信号时，利用自适应滤波器可以获得令人满意的效果，其性能远超过通用方法所设计的固定参数滤波器。 二、本课题研究的关键问题及解决问题的思路 研究的关键问题： 1、自适应滤波器的结构： 自适应滤波器的结构有 F I R和 II R 两种。由于 II R滤波器存在稳定性的问题,因此一般采用FIR滤波器。由于 FIR滤波器横向结构的算法具有容易实现和计算量少等优点, 在对线性相位要求不严格、 收敛速度不是很快的场合,多采用 FI R作为自适应滤波器结构。 LMS算法的选取： LMS算法使用的准则是使滤波器的期望输出值和实际输出值之间的均方误差最小化的准则，即使用均方误差来做性能指标. LMS算法的分析： 步长μ：μ
越大,自适应时间越短,自适应过程越快, 但它引起的失调也越大。失调越小,但自适应过程也相应加长。步长的选择应从整个系统要求出发, 在满足精度要求的前提下,尽量减少自适应时间。 阶数N： 当阶数 N取值大时，迭代次数增加，收敛速度变快.但当阶数 N大到一定程度，收敛速度变化不明显，且可能引起系数迭代过程不收敛。 解决思路: 图一为自适应滤波器结构的一般形式，图中 x(n)为输入信号，通过参数可调的数字滤波器后产生输出信号 y(n)，将输出信号 y(n)与标准信号(或者为期望信号)d(n)进行比较，得到误差信号 e(n) 。e(n)和 x(n)通过自适应算法对滤波器的参数进行调整，调整的目的使得误差信号 e(n)的均方值最小。 参数可调滤波器一般选择FIR（有限冲击响应滤波器）滤波器，因其具有稳定性和线性相位两大优点 自适应算法选择LMS（最小均方误差）算法，LMS是一种以期望响应和滤波器输出信号之间误差的均方值最小为准则，其显著特点是简单 、计算量小、 易于实现。但LMS的参数对其性能有一定的影响，尤其是步长的选取。另一方面，梯度算法只有一个调整参数用来控制收敛速率，收敛慢正是由于这个基本的限制，为了避免滤波器出现不稳定，步长 可以由输入功率进行控制。最后用 Matlab中的Simuli nk工具对设计的自适应滤波器进行模拟仿真。 三、论文纲要 第一章：绪论 第二章：自适应滤波器的理论基础 2.1自适应滤波器的基本概念 2.2 自适应滤波器的基本理论 2.3 自适应滤波器的的结构 第三章：自适应滤波器的算法 3.1 最小均方误差（LMS）算法 3.2 最小均方差（LMS）算法性能分析 3.3 递推最小乘法（RLS）算法 3.4 递推最小乘法（RLS）算法性能分析 3.5 LMS算法与RLS算法性能分析比较 3.6 其他自适应滤波算法 3.61 共轭梯度算法 3.62 仿射投影法 3.63 基于子带分解的自适应滤波算法 3.64 其他自适应滤波算法 第四章：基于MATLAB的自适应滤波器仿真实现与应用