《现代数字信号处理》-第二章-自适应数字滤波器答案.doc

第三章 自适应数字滤波器 3.1 引言 3.2 自适应横向滤波器 3.3 自适应格型滤波器 3.4 最小二乘自适应滤波 3.5 自适应滤波的应用 3.1 引 言 （维纳滤波器的特点与不足）自适应数字滤波器和维纳滤波器一样，都是符合某种准则的最佳滤波器。维纳滤波器的参数是固定的，适用于平稳随机信号的最佳滤波，但要设计这种滤波器，必须要求输入信号是平稳的，且具有信号和噪声统计分布规律的先验知识。在实际中，常常无法知道这些先验知识，且统计特性还会变化，因此实现最佳滤波是困难的。自适应滤波器的特点是：滤波器的参数可以自动地按照某种准则调整到最佳滤波；实现时不需要任何关于信号和噪声的先验统计知识，尤其当输入统计特性变化时，自适应滤波器都能调整自身的参数来满足最佳滤波的需要。常常将这种输入统计特性未知，调整自身的参数到最佳的过程称为学习过程。 将输入信号统计特性变化时，调整自身的参数到最佳的过程称为跟踪过程，因此自适应滤波器具有学习和跟踪的性能。由于自适应滤波器有这些特点，自1967年威德诺(B. Widrow)等人提出自适应滤波器以来，在短短十几年中，自适应滤波器发展很快，已广泛地用于系统模型识别，通信信道的自适应均衡，雷达与声纳的波束形成，减少或消除心电图中的周期干扰，噪声中信号的检测、跟踪、增强和线性预测等。3.2 自适应横向滤波器 自适应滤波器的原理框图如图3.2.1所示，图中称为输入信号，是输出信号，称为期望信号，或者称为参考信号、训练信号，是误差信号。其中 自适应滤波器的系数根据误差信号，通过一定的自适应算法，不断地进行改变，使输出最接近期望信号。这里暂时假定是可以利用的，实际中，要根据具体情况进行选取，能够选到一个合适的信号作为期望信号，是设计自适应滤波器的一项有创意的工作。如果真正的可以获得，我们将不需要做任何自适应滤波器。 1. 自适应滤波器的矩阵表示式 图3.2.2表示的是一个有个权系数的自适应线性组合器，图中个权系数受误差信号的自适应控制。对于固定的权系数，输出是输入信号的线性组合，因此称它为线性组合器。这里的可以理解为是从个不同的信号源到达的瞬时输入，是一个多输入系统，也可以是同一个信号源的个序贯样本，如图 3.2.3 所示。 因此它是一个单输入系统， 实际上这种单输入系统就是一个FIR网络结构，或者说是一个自适应横向滤波器。其输出用滤波器的单位脉冲相应表示成下式： 这里称为滤波器单位脉冲响应，令：，，用表示，上式可以写成 这里也称为滤波器加权系数。用上面公式表示其输出，适合于自适应线性组合器，也适合于FIR滤波器。将上式表示成矩阵形式： 式中 误差信号表示为 2. 利用均方误差最小准则求最佳权系数和最小均方误差 误差信号被用来作为权系数的控制信号。下面采用均方误差最小的准则，求最佳权系数。由(3.2.4)式，均方误差为 令 将(3.2.6)、(3.2.7)式代入(3.2.5)式，得到 称为与的互相关矩阵，是一个维列矩阵；是输入信号的自相关矩阵，特点如下： (1) 是对称矩阵，即 (2) 是正定或半正定的，因为对于任意矢量V满足下式： 自相关矩阵主对角线是输入信号的均方值，交叉项是输入信号的自相关值。(3.2.8)式表明，当输入信号和期望信号是平稳随机信号时和为常数），均方误差信号是权系数的二次函数，即将(3.2.8)式展开时，公式中的权系数均以它的一次幂或二次幂出现。如果只有一个权系数则是的口向上的抛物线；如果有两个权系数则是它们的口向上的抛物面；对于两个权系数以上的情况，则属于超抛物面性质。 在自适应信号处理中是一个重要的函数，经常称它为性能函数。为选择权系数，使性能函数到达它的最小点，一些有用的自适应方法都是基于梯度法的，我们用表示的梯度向量，它是用对每个权系数求微分而形成的一个列向量，用公式表示如下： 按照(3.2.4)式，梯度推导如下 还可以用(3.2.8)式对W求导得到 令上式等于0得到最佳权矢量的表达式： 对比第二章维纳滤波器的最佳解，结果是一样的。上式也称为维纳权矢量。当自适应滤波器的权系数满足上式时，均方误差将取最小值。将(3.2.12)式代入(3.2.8)式得到最小均方误差： 或者将上式取转置，用下式表示： 比较式（3.2.13）和（3.2.14）可知，，这是因为它们都是常数。 我们知道，在维纳滤波器中，当滤波器的单位脉冲响应取最佳值时，其误差信号和输入信号