10 自适应横向滤波器_1_.pdf

桂林电子科技大学 研究生《现代数字信号处理》教案 第三章 自适应数字滤波器 §3.1 引 言 3.1.1 从维纳滤波到自适应滤波 1. 维纳滤波器的适用条件 维纳滤波器的适用条件比较苛刻，主要表现在： (1) 需要知道信号和噪声统计特性(如Rss (m) ,Rvv (m) )的先验知识； (2) 输入信号必须是平稳的，滤波器的参数是针对已知的输入统计特 性设计的，因而是固定的，当输入统计特性变化时, 其最佳滤波性能将 被破坏。 (3) 卡尔曼滤波是采用递推算法实现的维纳滤波器, 本质上仍具有 维纳滤波器的上述特点，虽然可适用于平稳和非平稳过程, 但不适用于 输入统计特性未知或变化的情况. 2. 自适应滤波器的特点 (1) 自适应滤波器，实际上是一种参数可自动调整的特殊的维纳滤 波器。 (2) 实现自适应滤波器不需要任何关于信号和噪声统计特性的先验 知识；当输入统计特性变化时，它能按照某种准则自动地调整 自身参数，以满足最佳滤波的需要。 (3) 自适应滤波器具有学习和跟踪性能。 学习过程: 在输入信号统计特性未知的情况下, 调整自身参数达 到最佳的过程. 跟踪过程: 当输入信号统计特性变化时, 调整自身参数达到最佳 的过程. 3.1.2 自适应滤波器的原理 原理框图如图 3.1.1 所示，主要包括两部分： 参数可调数字滤波器，滤波器结构: FIR, IIR 或格形滤波器； 和自适应算法。 与维纳滤波器比较, 自适应滤波器增加了一个识别控制环节. [ 附注] ] 韩传久编 第 10-1 页 桂林电子科技大学 研究生《现代数字信号处理》教案 x(n) ° • 参数可调数字滤波器 • °y (n) − d(n) ° ∑ • °e(n) + 自适应算法 识别控制环节 图3.1.1 自适应滤波器原理图 图中: x (n) —— 输入信号(或称观测信号)； y (n ) —— 输出信号； d (n)—— 期望信号(或称参考信号,训练信号)； e(n) —— 误差信号。 自适应滤波原理(过程): (1) 输入信号x (n) 经参数可调数字滤波器输出y (n ) : ˆ y (n ) d (n ) (3.1.1) 即y (n ) 是d (n) 的估计. 将y (n ) 与期望信号d (n) 比较, 产生误差信号e(n) : e(n) d (n) =−y(n) (3.1.2) (2) 通过自适应算法，由e(n) 产生相应的控制信号，自动调整数字 滤波器的参数，最终使e(n) 的均方误差最小, 即 E [e2 (n )] min (3.1.3) 这时y (n ) 即为d (n) 的最佳逼近. 说明: (1) 自适应滤波有两个输入信