自适应滤波及滤波算法的研究.pdfVIP

西北工业大学硕I一论文 第一章绪论 图中x(j)表示／时刻的输入信号值，y(J)表示J时刻的输出信号值，d(j) 表示，时刻的参考信号值或所期望响应信号值，误差信号e(j)为d(j)与Y(J) 之差。自适应数字滤波器的滤波参数受误差信号e(j)的控制，根据e(j)的值而 自动调整，使之适合下一时刻的输入x(，+1)，以便使输出y(j+1)接近于所期 a 望的参考信号d(j+11 自适应滤波器可以分为线性自适应滤波器和非线性自适应滤波器。非线性 自适应滤波器包括Volterra滤波器和基于神经网络的自适应滤波器。非线性自 适应滤波器具有更强的信号处理能力。但是，由于非线性自适应滤波器的计算 较复杂，实际用得最多的仍然是线性自适应滤波器。 1．2几种典型的自适应滤波算法 对自适应滤波算法的研究是当今自适应信号处理中最为活跃的研究课题之 一。自适应滤波算法广泛应用于系统辨识、回波消除、自适应谱线增强、自适 应信道均衡、语音线性预测、自适应天线阵等诸多领域中。总之，寻求收敛速 度快，计算复杂性低，数值稳定性好的自适应滤波算法是研究人员不断努力追 求的目标。虽然线性自适应滤波器和相应的算法具有结构简单、计算复杂性低 的优点而广泛应用于实际，但由于对信号的处理能力有限而在应用中受到限制。 由于非线性自适应滤波器，如Volterra滤波器和基于神经网络的自适应滤波器， 具有更强的信号处理能力，已成为自适应信号处理中的一个研究热点。其中较 典型的几种算法包括： 1．LMS自适应滤波算法 2．RLS自适应滤波算法 3．变换域自适应滤波算法 4．仿射投影算法 5．共轭梯度算法 6．基于子带分解的自逶应滤波算法 7．基于QR分解的自适应滤波算法 两北T业人学碗h论史 撼一章绪论 1．3作者所作的工作及研究方法 作者在硕士论文研究期间，对自适应滤波算法工作作了一些有意义的探索， 研究内容主要包括理论、算法和通过计算机仿真得出了有意义的结论。所完成 的主要工作分下面几个部分 1． 在阅读大量的文献的基础上，对自适应滤波的概念进行了必要的研 究和讨论。 2 对目前已经有的自适应滤波算法和方案(如LMS自适应滤波算法， RLS自适应滤波算法，变换域白适应滤波算法等)进行了研究和比 较。 3 对衡量自适应滤波算法优劣的三个重要的技术指标一初始收敛速 度、时变系统跟踪能力及稳态失调一进行了分析和研究。对LMS自 适应滤波算法RLS自适应滤波算法进行了详细的说明和研究。 4 对于固定步长的自适应滤波LMs算法存在的步长与收敛速度、时 变系统跟踪速度、收敛精度方面的矛盾提出了不同予传统自适应滤 波LMS算法的一种改进算法。 5 对几种算法的收敛速度和稳定性进行了计算机仿真。结果证明新的 白适应LMS算法优于传统的自适应LMS算法。 6 在VC++的环境下，搭建对自适应滤波算法的仿真模型。 两北T业人学坝l。论义 第二章自适i照滤波原理及应用 第二章白适应滤波原理及应用 在对随机信号处理过程中经常用到的是维纳滤波器和卡尔曼滤波器两种滤 波器。维纳(Weiner)滤波，它根据平稳随机信号的全部过去和当前的观察数 据来估计信号的当前值，在最小均方差的条件下得到系统的传递函数或者冲击 响应，它是一种最优线性滤波方法，参数是固定的，适用于平稳随机信号。卡 尔曼滤波，它是依据当前时刻数据的观测值和前一时刻对该时刻的预测值进行 递推数据处理的滤波算法。它自动调节本身的冲击响应特性，或者说，自动的 调节数字滤波器的系数，以适应信号变化的特性，从而达到最优化滤波。它的 参数是时变的，适用于非平稳随机信号。然而，只有对信号噪声的统计特性先 验已知的情况下，这两种滤波器才能获得最优滤波。可是，在实际应用中，常 常无法得到这些统计特性的先验知识；或者，统计特性是随时间