自适应信号论文.docVIP

一、自适应干扰抵消 自适应干扰抵消是以噪声干扰为处理对象，将他们抑制掉或进行衰减，以提高信号传递和接收的信噪比质量。自适应干扰抵消的原理的原理图如图1所示。 图1 自适应干扰抵消原理 图中，s（n）vˊ(n)与v(n)是相关的，因为他们是来自同一环境的噪声，而信号s（n）与噪声vˊ(n)和v(n)都不相关。图1中的自适应处理器用于将vˊ(n)加工成，加工时所依据的准则就是在均方误差最小的意义下使最好的逼近v(n)。 假定s(n)、v(n)vˊ(n)都是零均值的平稳随机过程，将作为参考信号d(n)，将背景噪声vˊ(n)作为辅助输入，根据 （1） （2） （3） 因为信号与噪声不相关，所以（3）式成为 其中为信号功率，与自适应调整无关。由上式可以得出要使最小，就是使最小。根据（1）式可得。所以，当最小时，也最小，其中e（n）（Least Mean Square,LMS）(Least Mean Square，LMS)LMS算法设法使y(n)接近d(n)d(n)与滤波器输出y(n)之差e(n)的R=E[X(n)XT(n)]为N×Nε达到最小时，得到最佳权系数它应满足下式： 求解最佳权系数的两种方法，一种是最陡梯度法。其思路为：设计初始权系数W(0)clear all; t=0:0.0001:1.9999; N=20000; %生成有用信号s s=3*sin(2*pi*100*t); figure(1); subplot(3,1,1); plot(t,real(s)); title(有用信号s); xlabel(n); ylabel(s); %生成两个相关的噪声n1,n2 n1=wgn(1,N,3); n2=zeros(1,N); n2(1:18000)=n1(1:18000); n3=wgn(1,N,3); n2(18001:N)=n3(18001:N); figure(1); subplot(3,1,2); plot(t,real(n2)); title(噪声参考输入); xlabel(n); ylabel(n2); %输入端期望信号d=s+n1 d=s+n1; subplot(3,1,3); plot(t,real(d)); title(含有噪声的信号d); xlabel(n); ylabel(d); %初始化各参量 M=8; %滤波器阶数 w=zeros(M,1); %滤波器权系数 mu=0.01; %更新步长 iter=2000; %迭代次数 x=zeros(M,1); %输入矢量 %LMS循环算法 for i=1:iter i x(1)=n2(i); y(i)=dot(w,x); e=d(i)-y(i); w=w+mu*e*x; for j=M:-1:2 x(j)=x(j-1); end error(i)=e; %保存输出误差 cost(i)=e*e; end figure(2); subplot(1,1,1); plot(error); title(除噪后的信号); xlabel(n); ylabel(error);