自适应滤波算法实验.docVIP

自适应滤波算法实验 一、实验目的 1、自适应滤波算法原理。 2、自适应滤波算法的实现方法。 二、实验原理 1、自适应滤波器一般由两部分组成：滤波器结构(一般采用FIR) 和调整滤波器系数的自适应算法。 图1：自适应滤波原理框图 简单的说，自适应滤波就是将实际输出与所希望的输出进行比较，看是否一样。若有误差就用这个误差去调整滤波器的权向量W，使W靠近最佳权向量W*。 2自适应滤波器原理及算法 自适应算法的关键在于怎样能简便地找到W*。 LMS算法运用最陡下降法寻找均方误差最小点，简单而有效。按照这种方法，下一个权向量等于现在的权向量加一个正比于梯度 的负值变化量，即： 其中μ 为W向W*靠拢的步长，在实际中可取误差样本平方的梯度作为均方误差梯度的估值： LMS自适应滤波器算法可描述如下： (1) 对x(n)进行FIR滤波，得到y(n)的估值。 (2) 计算误差。 (3) 利用LMS算法调整滤波器的系数。 自适应滤波原理验证： 用信号源产生频率小于8KHz峰峰值小于0.8V的正弦信号，输入到实验板。 编写DSP程序实现：每获得一个采样数据(d)，给采样数据加上随机噪声作为自适应滤波器的输入(x=d+n)，使用一个12阶的自适应滤波器，权系数向量(H)初始为0，对加噪后的数据进行FIR滤波，为使得到的输出(y)逼近采样数据(d)，使用LMS算法根据误差(e=