自适应信号处理论文-基于MATLAB的自适应滤波算法研究.docVIP

自适应信号处理论文  基于MATLAB的自适应滤波算法研究 摘要：自适应滤波算法是自适应滤波器设计的核心部分，本文主要介绍了两种算法： LMS算法和DCT变换。LMS算法是时域变换，DCT是频域变换，文章采用 MATLAB相关函数实现了对信号变换的仿真，并对这两种算法进行了一定的对比。 关键词：Matlab，LMS算法，DCT变换 1、引言 LMS算法是自适应滤波算法中最基本的算法，它包含了自适应滤波的许多基本的概念，是其它许多算法的基础，是实际中使用的最广泛的一种算法。LMS算法是在最陡下降法的基础上导出的，可以说LMS算法是最陡下降法的随机实现。表1详细地给出LMS算法，其中x(n)为n时刻滤波器的输入信号，w(n)为n时刻的滤波器系数，y(n)为滤波器的输出信号，d(n)为滤波器的期望信号，e(n)为滤波器的估计误差，u为更新步长。 表 1 LMS算法 滤波（Filtering）： 误差估计（Error estimation）： 权值更新（Tap-weight update）： 为了保证最陡下降法收敛，步长的取值决定于特征值最大的那个收敛模式。 其中为特征值中的最大值。这必然导致其它收敛模式的收敛速度下降，输入信号自相关矩阵R的特征值分散度在很大程度上影响了算法的收敛性能。 针对LMS算法存在特征值分散度的问题，我们可以采用牛顿法来进行克服，牛顿法使得滤波器各系数（各收敛模式）的收敛速度一致，与特征值分布无关，从根本上消除了最陡梯度下降法受特征值分布影响的缺陷。牛顿方法其实就是KL变换域的最陡下降法，由于KL变换是最理想的正交变换，它依赖于自相关矩阵R特征矢量，统计特性不同的输入信号有不同的KL变换，所以很难在实际中使用。 因此我们可以用常用的变换来替代KL变换，这样就得到了TDAF算法。TDAF就是变换域中的LMS算法，所以也称为TDLMS算法。详细算法如下所示。 表 2 TDLMS算法 变换（Transformation）： 滤波（Filtering）： 误差估计（Error estimation）： 功率估计（Power estimation）： 权值更新（Tap-weight update）： TDAF中的常用变换主要有 离散傅立叶变换（DFT）、实数离散傅立叶变换（RDFT）、离散哈特利变换（DHT）、离散余弦变换（DCT）和离散正弦变换（DST）。 在这里主要研究DCT变换，DCT变换是一种性能接近于最佳正交变换KL变换的频域变换，由于其相比离散余弦变换很多有快速算法，便于实现，所以经常被信号处理和图像处理使用，用于对信号和图像进行有损数据压缩。 2、DCT变换 离散余弦变换（Discrete Cosine Transform ，简称DCT ）变换是一种与傅立叶变换紧密相关的数学运算。在傅立叶级数展开式中，如果被展开的函数是实偶函数，那么其傅立叶级数中只包含余弦项，再将其离散化可导出余弦变换，因此称之为离散余弦变换。该变换有八种表达形式，其中主要的四种变换形式如下图(1) 所示。 图（1） 四种DCT变换形式 DCT-I ： DCT-II ： DCT-III： DCT-IV： 本文采用其中第二种来进行讨论。 一维N点离散余弦变换(DCT)可表示为： 其中，xn是输入时域序列中的第n项，yk是输出频域序列的第k项，系数Ck定义如下： 一维N点离散余弦逆变换(IDCT)可以表示为： 3、MATLAB仿真实验 3.1 DCT变换对语音信号的压缩 DCT 变换的MATLAB实现方法，基于FFT 的快速算法，这是通过 MATLAB 工具箱提供的 dct 和 idct 函数实现的，仿真结果如下 程序： t=0:1/1000:0.2;x=sawtooth(2*pi*45*t); subplot(4,1,1);plot(t,x);title(原始信号); y=dct(x); %DCT 变换输出 subplot(4,1,2); plot(y);title(DCT输出信号); y1=y.*(abs(y)0.5); %将 DCT 结果中绝对值小于 0.5 的令为 0，相当于压%缩了数据率 subplot(4,1,3);plot(y1);title(DCT 压缩后的信号); z=idct(y1); %DCT 反变换 subplot(4,1,4);plot(t,z);title(恢复的信号); 仿真结果图： 可以看出，当波形数据做DCT 变换后压缩到原数据的 12.94%左右时 ，根据压缩信号重建的时域波形存在失真，但在工程上这样的失真是允许的。在一定失真度指