DSP课程设计试题.docVIP

自适应滤波器的设计 1 引 言 滤波技术是信号处理中的一种基本方法和技术，在当今信息处理领域中有着极其重要的应用。尤其数字滤波技术使用广泛，数字滤波理论的研究及其产品的开发一直受到很多国家的重视。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，与其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。从总的来说滤波可分为经典滤波和现代滤波。经典滤波要求已知信号 和噪声的统计特性，如维纳滤波和卡尔曼滤波。现代滤波则不要求已知信号和噪声的统计特性，如自适应滤波。 1.1 设计目的 掌握自适应数字滤波器的原理和实现方法。 掌握LMS自适应算法及其实现。 了解自适应数字滤波器的程序设计算法。 1.2 设计意义 自适应信号处理的核心思想是“最小方差”,最终目地是使误差信号最小化。由WIDROW和HOFF提出来的最小均方误差（LMS）算法，因具有计算量小、易于实现、不依赖模型、性能稳健等优点而被广泛应用，然而，传统的固定步长的LMS算法在收敛速度、时变系统的跟踪能力和稳态失调之间的要求是存在很大矛盾的。小的步长确保稳态时具有小的失调，但是算法的收敛速度慢，并且对非稳态误差的跟踪能力差。另一方面，大的步长使算法具有更快的收敛速度和好的跟踪能力，但是是以失调为代价的。为了解决这一问题，人们提出了许多改进的LMS算法。 1.3　自适应滤波器发展背景 目前的图像复原技术，即去噪的滤波技术可以分为两大类：传统滤波和现代滤波。传统滤波技术是建立在已知有用信号和干扰噪声的统计特性（自相关函数或功率谱）的基础上的噪声去除；现代滤波技术则是不需要知道图像的先验知识，只是根据观测数据，即可对噪声进行有效滤除。 自适应滤波器属于现代滤波器,它是 20 世纪 40年代发展起来的, 在自适应信号处 理领域中发挥着重要的作用。 自适应滤波器是相对固定滤波器而言的, 自适应滤波器滤波的频率是自动适应输入信号而变化的, 在没有任何关于信号和噪声的先验知识的条件下,自适应滤波器利用前一时刻已获得的滤波器的参数来自动调节现时刻的滤波器的参数。以适应信号和噪声未知或随机变化的统计特性, 从而实现最优滤波器。 即是根据不同的信号环境实现自身参数的调整。而实际情况中, 信号和噪声的统计特性常常未知或无法获知,因此自适应滤波器的应用空间非常广泛。 如系统辨识;噪声对消; 自适应均衡、 线性预测、 自适应天线阵列等很多领域。?基于维纳滤波理论的LMS算法因其算法简单，而且能达到满意的性能，得到了青睐，成为了应用最广泛的自适应算法。 2　设计原理 要使自适应滤波器自动调整自身参数, 得到有效的输出, 则它必须满足某种最佳准则要求。不同的准则, 可以产生不同的自适应算法, 目前主要有两种基本的算法: 最小均方误差(LM S)算法和递推最小二乘(RL S)算法。由W idow 和Hoff 提出的最小均方误差(LM S)算法, 具有计算量小、 易于实现等优点而在实践中被广泛采用。LM S 算法的基本思想: 调整滤波器自身参数, 使滤波器的输出信号与期望输出信号之间的均方误差最小。这样系统 输出为有用信号的最佳估计。 2.1　自适应滤波原理 自适应滤波器的特性变化是由自适应算法通过调整滤波器系数来实现的。一般而言，自适应滤波器由两部分组成，一是滤波器结构，二是调整滤波器系数的自适应算法。自适应滤波器的结构采用FIR或IIR结构均可，由于IIR滤波器存在稳定性问题，因此一般采用FIR滤波器作为自适应滤波器的结构。图1给出了自适应滤波器的一般结构。 图2-1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)最小。 图2-1 自适应滤波器的一般结构 自适应滤波器设计中最常用的是FIR横向型结构。图2-2是横向型滤波器的结构示意图。 图2-2 横向型滤波器的结构示意图 其中：x(n)为自适应滤波器的输入；w(n)为自适应滤波器的冲激响应： w(n)={w(O)，w(1)，…，w(N-1)}； (2-1) y(n)为自适应滤波器的输出： y(n)=x(n)*w(n).