6现代信号处理-自适应信号处理.pptVIP

　　我们知道,信道受诸多因素的影响，信道的传输特性很难用数学表达式来表示或者根本就不能完全确定。要求均衡器与信道的传输特性严格匹配，就是要求均衡器随着信道的传输特性的改变而变化，即均衡器具有自适应的功能，是信道的逆系统。 五、自适应滤波的应用 自适应信号处理 5.3. 自适应逆滤波 在自适应滤波器的应用当中，都涉及到选择滤波器的长度问题。一般来讲，滤波器的最佳长度与输入信号的统计特性有关。在均方误差最小的准则下，假设自适应滤波器是用有限长度(FIR)的横向滤波器来实现的，失调量是与滤波器的长度成正比的， 而且滤波器的长度还影响收敛的步长因子，因此在设计滤波器时， 应综合考虑快速收敛、 失调量及谱分辨率等因素。 五、自适应滤波的应用 自适应信号处理 各阶反射系数可依次按如下的递推方程作自适应调整 最终得到格型自适应算法的公式: 　　是第p级的自适应增益，它的收敛范围是： 三、LMS自适应格型滤波器 自适应信号处理 　　格型预测误差滤波器前后各阶输出误差是相互正交的，使滤波器前后级互相解耦，对于系统最小化问题化为一系列独立的对每一级局部最小化问题。用作自适应滤波时，各级可选用不同的自适应步长，使收敛速度提高。另外，为提高线性预测性能，需要增加一节或几节，可以只对新增加的级进行独立的调节，达到输出均方误差最小，无需再调节前面的系数。 三、LMS自适应格型滤波器 自适应信号处理 　　本节讨论另外一种以误差的平方和最小作为最佳准则的误差准则——最小二乘(Least Square)准则。 定义　　　　　　　　　　　　　　　(4.1.1) 式中, 　　是误差信号的平方和；　是 j 时刻的误差信号： 　　是 j 时刻的期望信号，　是 j 时刻的输入信号构成的向量，W表示滤波器的权系数构成的向量。 四、最小二乘自适应滤波 自适应信号处理 　　通过选择W，使　　取得最小值的滤波称为最小二乘(Least Square,简称LS)滤波，而满足　　取得最小值的滤波称为LMS滤波。和LMS滤波相比，LS滤波对非平稳信号的适应性要强许多，这是由于LS滤波总是采用新的准则，在每一个时刻对所有已输入信号而言，重新评估使其误差的平方和最小，因此具有更精确的含义，属于精确分析法。 而LMS滤波是以集合平均为基础的，属于统计分析的方法。 四、最小二乘自适应滤波 自适应信号处理 　　基本RLS自适应算法所遵循的准则是确定这样的W，它使： （3.4.2） 的加权平方和 （3.4.3） 最小。 其中 称为遗忘因子 四、最小二乘自适应滤波 自适应信号处理 为了使加权平方和最小，令 即 有 四、最小二乘自适应滤波 自适应信号处理 若令 　　当R(k)是非奇异的,则可以得到求解滤波器参数的公式： 通过的推导，可以得将基本RLS的自适应算法综合如下： 四、最小二乘自适应滤波 自适应信号处理 　　假设自适应噪声对消系统的原始输入端用dj表示，dj=sj+n0, n0是要抵消的噪声，并且与s不相关，参考输入端用xj表示，这里xj =n1。n1是与n0相关、与s不相关的噪声信号，系统的输出用z表示，zj=dj-yj，如图3.5.1所示。 五、自适应滤波的应用 5.1.自适应对消 自适应信号处理 5.1.1.对消原理 图 5.1 自适应对消系统 五、自适应滤波的应用 5.1.自适应对消 自适应信号处理 5.1.1.对消原理 其中，滤波器的传输函数可以根据某一信号（这里为系统的输出信号）自动调整，假定s, n0, n1是零均值的平稳随机过程。 （5.1.1） 输出信号的均方值 （5.1.2） 五、自适应滤波的应用 5.1.自适应对消 自适应信号处理 5.1.1.对消原理 由于s与n0, n1不相关，因此s与yj也不相关，则： (5.1.3) 自适应过程就是自动调节W，使均方值最小。 E［sj2］表示信号的功率,它与W无关。由上面的表达式可以看出，要使输出信号的均方值为最小，就要求 E［(n0-yj)2］取得最小值，由（5.1.3）式推出等价的条件就是要求E［(zj-sj)2］取得最小值，即要求输出信号与有用信号的误差的均方值为最小。 五、自适应滤波的应用 5.1.自适应对消 自适应信号处理 5.1.1.对消原理 单信道噪声对消器的性能，可以用输出端信噪比与原始输入端的信噪比来评价，该比值称为系统的增益G。  图