带有约束极点和零点的二阶自适应IIR陷波滤波器的无偏纯梯度算法.docVIP

带有约束极点和零点的二阶自适应IIR陷波滤波器的无偏纯梯度算法 摘要 这篇论文提出了一个带有约束极点和零点的二阶自适应IIR陷波滤波器的无偏纯梯度算法。这种算法采用去除一个产生固定偏差的主导参数来实现。通过这种技术，系统的性能将会通过轻微的计算复杂性为代价而得到提高。在这篇文章中，对于在稳定状态中所引申出的偏差估计和均方误差是以一种封闭的形式体现的。此外，对于算法稳定性的约束也是派生的。为了确认分析的结果，计算机仿真得以用来验证所提出的算法的有效性。此外，该算法的性能也跟平原梯度算法（PG）和修改纯梯度算法相比较。 关键词 有偏和无偏；自适应IIR陷波滤波器；梯度算法 1 介绍 众所周知，在对口的计算复杂性和性能方面，一个自适应的无限脉冲响应（IIR）的陷波滤波器优于自适应有限脉冲响应（FIR）的陷波滤波器。对于同样的缺口带宽度，自适应IIR陷波滤波器（IIR - ANF）的系数要求要小于其对应的数量。自适应IIR陷波滤波器已经在很多应用中广泛采用，如正弦增强，频率估计，定期噪音消除等等 [1-5] 。 自适应IIR陷波滤波器调整系数的自适应算法在文章中提了出来 [1-9] 。众所周知，基于梯度的算法是为了适应过滤器的系数而进行深入的研究和开发[1-4,6-9]。纯梯度（PG）算法[3]是最流行的一种自适应IIR陷波滤波器的自适应算法，因外它具有低计算复杂性，简单的实时应用和良好的性能。最近，对于自适应IIR陷波滤波器的约束极点和零点的PG算法的性能分析被提了出来[6]。在这项研究中，我们利用一个极点半径，一个输入正弦频率和输入噪声方差函数的方程而得出的算法找出在稳定状态下的固有偏差。这种偏差是导致不正确的陷波滤波器的频率估计的主要参数。此外，文章[7]还提出了基于PG算法标准基础上的消除偏差的技术。然而，这种算法是难以提供在理论分析中的看法的，因为在分析过程中的任何参数都没有适当的定义。于是，对于这种自适用IIR陷波滤波器结构的修改后的纯梯度（MPG）算法被提出来了[8]。这是一种基于梯度的算法，这种算法是由PG算法发展而来的，它在PG算法的基础上，利用了成本函数是一个斜坡直线这一新的标准。它在没有任何增加计算的情况下有比PG算法更快的收敛速度。但是，这种算法仍然在稳定状态下有一个固有的偏差这样一个缺点。 为了消除这种固有的偏差，对于自适应IIR陷波滤波器的无偏的纯梯度（UPG）算法在这篇文章中被提出。在这一提出的算法中，它的运行是基于MPG算法的标准，移除项是用来追加以消除偏置的。有了这个附加项，算法的性能也以计算负荷略有增加为代价而得到提高。此外，该算法的理论分析也可以很容易的得到。在这篇文章中，偏置电路的稳态分析和方误差（MSE）的估计是在封闭的形式中提交的。此外，稳定性的上限和下限的参数也可以得出。 本文组织如下。第二节介绍了MPG算法的问题。所提出的算法的稳态分析在第三节中介绍。在第四节中介绍了分析和模拟的结果。最后，第五节给出了结论。 2.偏差问题 一个包含约束的极点和零点的二阶自适应IIR陷波滤波器说明了结构图1中的内容，其传递函数由式1给出 图1 包含约束的极点和零点的二阶自适应IIR陷波滤波器结构图 其中是一个控制缺口滤波器的频带宽度。是一个真值由计算的一个系数，其中表示一个正弦频率[1]。假设过滤器的输入信号由一个单一的正弦波和一个零均值的高斯噪声过程组成： 其中A表示正弦振幅，θ是一个随机变量，它的分布是一个由（0,2π）的均匀分布， v（k）是一个零均值高斯噪声信号的方差 在MPG算法中[8]，适应系数可以被找出，如下： 其中和g(k)是一组系数，一组错误的信号（它也是过滤器的输出信号）和一个梯度信号各自的的时间指数K。μ表示一个控制算法的收敛速度和稳定性的步长参数。这种误差和梯度信号的定义给出 在[8]中分析的MPG算法的平均差异系数中，计算公式可以表示为 其中 和 正如等式7-12给出的，B和是在稳态附近的陷波滤波器H（Z）的幅度和相位响应[6-8]。此外，α是等于，一个由定义的差异系数，表示输入正弦信号的功率。此外和是零均值噪声信号，它们分别是陷波滤波器H（Z）的输出和梯度滤波器g（Z）的输出。两个滤波器都由是零均值高斯噪声信号来激励的。 和的差异可以分别由等式13[6]和等式14[8]来计算。 和 作者调查发现，等式7中最后一个与噪声相关的是MPG算法中导致固有偏差的主导参数，这个参数是根据输入噪声方差，极点半径ρ和输入正弦频率的方程来找出的。对于由此产生的偏差，会导致频率估计的不正确。虽然随着ρ参数接近一致性，稳定性和长期的瞬态响应，偏差的影响也可以得到减少，但是这仍然是算法的一个重要问题。此外，和是一个未知的参数，所以，