自适应滤波器的应用.docx

中国地质大学（北京）自适应滤波器的应用小论文课程名称：地球物理信息处理基础 自适应滤波器的应用摘要:自适应滤波器可以在没有任何关于信号和噪声的先验知识的条件下，利用前一时刻已获得的滤波器参数来自动调节现时刻的滤波器参数，以适应信号和噪声未知或随机变化的统计特性，从而实现最优滤波。自适应滤波器可用于干扰对消，在地球物理领域也得到了广泛的应用。一、自适应滤波器简介滤波器的分类方法很多，总的来说可分为经典滤波器和现代滤波器两大类。经典滤波器是假定输入信号中的有用成分和希望去掉的成分各占有不同的频带，即关于信号和噪声应具有一定的先验知识，这样当原始信号通过一个线性系统时有效地除去无用的成分。如果有用信号和噪声的频谱相互重叠，那么经典滤波器就无能为力了。现代滤波器是在没有任何关于信号和噪声的先验知识的条件下，从含有噪声的测量数据或时间序列中估计出信号的某些特征或信号本身。一旦信号被估计出，那么被估计出的信号将比原信号具有更高的信噪比。现代滤波器把信号和噪声都视为随机信号，利用它们的统计特征（如自相关函数、功率谱等）导出一套最佳的估计算法，然后用硬件或用软件予以实现。根据所处理的信号不同，滤波器还通常分为模拟滤波器和数字滤波器。现代滤波器大多是数字滤波器。自适应滤波器属于现代滤波器的范畴，它是40年代发展起来的自适应信号处理领域的一个重要应用。自适应信号处理主要是研究结构可变或可调整的系统，它可以通过自身与外界环境的接触来改善自身对信号处理的性能。通常这类系统是时变的非线性系统，可以自动适应信号传输的环境和要求，无须详细知道信号的结构和实际知识，无须精确设计处理系统本身。自适应系统的非线性特性主要是由系统对不同的信号环境实现自身参数的调整来确定的。自适应系统的时变特性主要是由其自适应响应或自适应学习过程来确定的，当自适应过程结束和系统不再进行时，有一类自适应系统可成为线性系统，并称为线性自适应系统，因为这类系统便于设计且易于数学处理，所以实际应用广泛。本文研究的自适应滤波器就是这类滤波器。自适应信号处理的应用领域包括通信、雷达、声纳、地震学、导航系统、生物医学和工业控制等。自适应滤波器是相对固定滤波器而言的，固定滤波器属于经典滤波器，它滤波的频率是固定的，自适应滤波器滤波的频率则是自动适应输入信号而变化的，所以其适用范围更广。在没有任何关于信号和噪声的先验知识的条件下，自适应滤波器利用前一时刻已获得的滤波器参数来自动调节现时刻的滤波器参数，以适应信号和噪声未知或随机变化的统计特性，从而实现最优滤波。实际情况中，由于信号和噪声的统计特性常常未知或无法获知，为自适应滤波器提供广阔的应用空间。系统辨识、噪声对消、自适应谱线增强、通信信道的自适应均衡、线性预测、自适应天线阵列等是自适应滤波器的主要应用领域。二、自适应滤波算法原理当输入信号和噪声的统计特性未知或输入过程的统计特性发生变化时，自适应滤波能自动调整自身参数以满足某种最佳准则要求 根据不同的准则，产生不同的自适应算法，但主要有两种基本的算法：最小均方误差（LMS）算法和递推最小二乘（RLS）算法。最小均方误差算法，因其具有计算量小、易于实现等优点而在实践中被广泛采用。最小均方误差算法的基本思想是：调整滤波器自身参数，使滤波器的输出信号与期望输出信号之间的均方误差最小，这样系统输出为有用信号的最佳估计。如图1为自适应滤波器原理框图。图1：自适应滤波器原理框图基于最速下降法的最小均方误差算法的迭代公式如下：式中：为自适应滤波器的输入，为自适应滤波器的输出，为参考信号，为误差, 为滤波器的权重系数，为步长，为滤波器阶数。三、自适应干扰对消原理自适应干扰对消是通过一个恰当的自适应过程加以控制的，一般都能将噪声或干扰抑制到用直接滤波难于或不能达到的程度 它可以在信号很微弱或信号用常规的方法无法检测的噪声（干扰）场中，将从一个或多个传感器所取得的参考输入加以过滤，并从包含信号和噪声的原始输入中减去，最后结果是原始信号中的噪声或干扰受到衰减或被消除，并尽量保留了有用信号 噪声（干扰）对消可完成对时间域（频域）的滤波，也可实现空间域的滤波，因此自适应干扰对消具有广泛的应用范围 例如消除心电图中的电源干扰、检测胎儿心音时滤除母亲的心音及背景干扰、在有多人讲话的场合下提取某人的讲话、作为天线阵列的自适应旁瓣对消器。图2：自适应噪声对消原理图自适应干扰对消器的结构如图2所示。它有两个输入通道（相当于两个输入的传感器），一个称为主输入通道，它能接收信号和与之不相关的噪声；另一个称为参考输入通道，它仅能接收与信号不相关的而以某种未知方式与噪声相关的噪声。下面将采用最小均方误差准则来分析自适应干扰对消的原理。主通道输入的是带噪声的有用信号源，即，是有用信号源。参考通道是用来检测噪声的。从图2中可知，由于