5无线通信信号处理_第3讲(自适应滤波).ppt

A popular application of acoustic noise reduction is for headsets for pilots. This uses two microphones. 自适应噪声消除 自适应滤波器在通信工程中应用 均衡技术 Fig.3 Classification of equalizers Linear equalizer with N-taps, and (N-1) delay elements. Go * 自适应均衡 用于校正通信中由于数据传输信道色散引起的信号失真。 原理框图 (a)非盲均衡器 自适应均衡（非盲均衡与盲均衡） * (b)盲均衡器 横向滤波器 ∑ 无记忆非线性估计器 g ( . ) 接收信号 r(t) y(n) LMS自适应算法 e(n) - + * 横向滤波器 ∑ 阀值决策装置 接收信号 r(t) y(n) LMS自适应算法 e(n) - + (c)非线性函数取阈值(a)的盲均衡器 * 盲自适应算法 决策指向算法 无记忆非线性函数取为 的算法称为决策指向算法，其均衡器框图如图5. Sato算法 g(.)取为 的算法称为Sato算法，其中 * Godard算法(恒模算法CMA) 恒模盲均衡算法适合于所有恒定包络(恒模)的发射信号的均衡. 在该算法中, 式中 其中p是一正整数, 通常p=1或p=2. 盲自适应算法（续） * 混合均衡器 * * * 首先,考虑格型部分的递归实现问题。为此,设 从而，有如下递推公式： 其中 及 7.2 LMS格-梯型滤波器（续） 其次,考虑格型-梯形的联合估计问题。图1格型的总输出: 为求 的最优值,设期望信号d(n)与m级格型估计信号的误差： 或 向量 必须满足正交性条件，故有 后面将利用这个正交性表达式求 。 或 7.2 LMS格-梯型滤波器（续） 利用后向误差的正交性： 从而 有 并注意到 是对角阵，有 再注意到 其中vm见式(8) 7.2 LMS格-梯型滤波器（续） 梯度格-梯型算法 其中: 7.2 LMS格-梯型滤波器（续） 图1 自适应格-梯型滤波器 + + + + + + + + + … … … + － + － + － + － + － Stage 1 Stage 2 Stage M-1 … + + LMS格-梯型滤波器实现抠图 格型预测器:从n=0出发, 对m=0,1,…,M-1, 计算阶更新 7.3 RLS格-梯型滤波器（算法） 梯型预测器:从n=0出发,对m=0,1,…,M-1,计算阶更新 初始化: 7.3 RLS格-梯型滤波器（算法续） + + + + + + + + + … … … + － + － + － + － + － Stage 1 Stage 2 Stage M-1 图2 自适应RLS格-梯型滤波器 RLS格-梯型滤波器实现抠图 分块矩阵求逆引理 设有分块矩阵： 则有 或 其中 (a) (b) [原(5.3.23)] [原(5.3.22)] RLS格-梯型滤波算法依据 ◇数据向量与预测系数向量 - 考虑数据向量 则存在两种不同的分块方式 分别对应于前向预测和后向预测。 - 定义前向预测系数向量和后向预测系数向量，即 RLS格-梯型滤波算法依据（续） - 应用： 对于前向预测，用向量 来预测 预测系数向量为 对于后向预测，用向量 来预测 预测系数向量为 ◇自相关矩阵 a)对于前向预测： b)对于后向预测： 其中，u(n)和v(n)为期望响应加权平方和 注意:因为矩阵R有两种分块形式,故其求逆用两种形式 RLS格-梯型滤波算法依据（续） ◇互相关向量 a)对于前向预测： b)对于后向预测： c) 对于联合估计： RLS格-梯型滤波算法依据（续） ◇ W-H方程与Wiener解 a)对于前向预测： b)对于后向预测： c)对于联合估计： RLS格-梯型滤波算法依据（续） 参考：清华大学出版社2013.1：统计信号处理算法(5.3节)（Proakis著） * 8. 自适应滤波器的应用 滤波的最终目标是在有