自适应滤波器(终).pptVIP

基于LMS算法的自适应滤波器的研究与应用 14小组成员：范莹 郭静 高春杰 主要内容 一、自适应滤波器 1、自适应滤波器的原理 所谓自适应滤波器，就是利用前一时刻已获得的滤波器参数等结果，自动地调节现时刻的滤波器参数，以适应信号和噪声未知的或随时间变化的统计特性，从而实现最优滤波。根据环境的改变，使用自适应算法来改变滤波器的参数和结构。 2、自适应滤波器的特点 它能够在未知的环境中有效工作，并能够跟踪 输入信号的的时变特征。 具有学习和跟踪过程： 学习过程，即是调整自己参数的过程。 跟踪过程，即是根据输入信号的变化而自动改变参 数的过程。 3、与维纳滤波器、卡尔曼滤波的比较 二、LMS算法 LMS：以均方误差最小为准则，能自动调节单位脉冲响应h(n),即图中的权系数向量W(n)，以达到最优滤波。 自适应算法的目的就是寻找最优的滤波器权值系数，使得性能函数最小。 计算公式： 最终的迭代公式： W(n+1)=W(n)+μe(n)X(n) 三、改进的LMS算法 LMS算法的主要参数是滤波器权系数矢量W(n)的阶数和自适应步长μ，它们影响着滤波器的收敛速度和稳态误差。并且，滤波器权系数矢量W(n)的阶数和运算量有关。 仿真结论 变步长 在初始阶段选用较大步长，使算法有较快初始收敛速度，随着系统逐渐稳定，采用较小步长来减小稳态误差。本文中变步长公式为: M为采样点数 变阶数 权系数矢量阶数N和误差函数e(n)的函数关系为: 结论：该算法具有初始阶段和未知状态时变阶段滤波器阶数自动增加，而稳态时阶数减小的特点，显著降低了运算量，而且达到了良好的滤波效果。 通过变步长和权系数矢量的阶数，明显加快了算法的收敛速度，并且减少了稳态误差，从而改善了滤波效果。 四、自适应滤波器的应用 1、自适应噪声抵消器 2、电网谐波电流预测 目前，提高电网电能质量的趋势是采用有源电力滤波器（APF），但数字计算过程不可避免地引入延时，造成APF补偿信号的相位滞后，影响其优良性能的发挥。 自适应滤波器通过改进的LMS算法可以根据输入数据的大小，自动地取较大或较小的收敛因子。这种方法改善了因延迟造成的APF补偿信号的相位滞后问题，而且该方法算法简单，便于数字化实现。 * * Company Logo * LOGO 主讲人：贺鹏 一、自适应滤波器 二、LMS算法 三、改进的LMS算法 四、自适应滤波器的应用 1 自适应滤波器原理 2 自适应滤波器的特点 3 与维纳滤波器、卡尔曼滤波的比较 自适应滤波器 维纳滤波器和卡尔曼滤波器处理的信号： 信号和噪声的统计特性先验已知 主要区别 自适应滤波器处理的信号的： 信号和噪声的统计特性未知或随时间变化 μ的增大加快 收敛速度，增大稳态误差。 阶数的增大加快收敛速度，增大稳态误差 收敛速度与稳态误差相互矛盾，为使算法最优，要寻找平衡点 信号源 噪声源 自适应滤波 + -