LMS 自适应时延估计法.pdfVIP

国防科学技术大学电子科学与工程学院《随机信号分析与处理》课程论文 LMS 自适应时延估计法 谷阳 傅瑞罡 陈延强 张飞 摘要 由于无法预知信号和噪声的特性或者它们是随时间变化的，用传统的 FIR和 IIR了滤 波器无法实现最优滤波。在这种情况下，设计一种滤波器，它具有跟踪信号和噪声变化 的能力，使得滤波器的特性也随着信号和噪声的变化而变化，以达到最优滤波，这就是 具有学习或训练的自适应滤波器，LMS 自适应滤波器，因而具有很好的应用价值。 关键词 自适应 LMS算法， 仿真， 延时 引言： 自适应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，且要具有一定的先验知识。而在实际中，常常无法知道这些先验知识，而且信 号的统计特性可能随时间的变化而变化，此时若用维纳滤波实现最佳滤波很困难。而自适 应滤波器的特点在于：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。通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”，那么自适应滤波器就具有学习和跟踪的性能。 在许多情况下，信号的统计特性是未知或知之甚少的，或者其统计特性是时变的，这 时就需要采用自适应滤波器。利用自适应滤波器通常可以得到令人满意的解，其性能远远 超过用通用方法所设计的固定参数滤波器。 1.LMS 自适应滤波器的基本原理 自适应滤波器是一种能够自动调节本身参数的特殊滤波器，在设计时不需要事先知道 输入信号和噪声的统计特性，就能够在工作过程中逐渐 “了解”或估计出所需的统计特 性，并以此为依据自动调整自己的参数，以达到某种最佳准则的要求。常用的准则有 LMS （最小均方误差）准则。 国防科学技术大学电子科学与工程学院《随机信号分析与处理》课程论文 基于 LMS准则的自适应滤波器基本原理如图 2-9，整个系统则由数字滤波器和自适应 算法两部分组成，滤波器有两个输入信号X (n ) 和d (n) 及两个输出信号 y (n ) 和e(n) ； X (n ) 通过参数可调数字滤波器中 w (n) 的加权作用，逐次逼近期望信号d (n) ，产生输出 n 响应；并将其与参考信号d (n) 进行比较，形成误差信号e(n) ；e(n) 通过某种自适应算法 对滤波器参数进行调整，最终使 e(n) 的均方值最小。最小均方误差条件的推导过程如下。 假设输入矢量 X (n ) [x (n ),x (n =−1),...x (n −M +1)]T （1.1） 加权矢量（滤波器加权量） W( n) [ w ( n), w ( n),... w ( n)]T （1.2） 1 2 M 则滤波器输出可表示为： M T T y(n) w (n)x(n =−+i 1) W (n)X(n) X(n) Wn( ) ∑i （1.3） i 1 那么y (n ) 与期望输出d (n) 的误差为： T e(n) d(n)=−y(n) d(n)=−W (n)X(n) （1.4）