基于LMS自适应算法随机信号去噪仿真与分析.docVIP

基于LMS自适应算法随机信号去噪仿真与分析 　　【摘 要】分析了LMS自适应滤波的基本原理和固定步长算法，介绍了Allan方差分析法。基于Matlab实现了滤波系统的搭建，并针对某光纤陀螺原始数据设计了仿真实验，得到固定步长标度因数的可行取值范围为0.2～0.9。利用仿真实验比较了LMS自适应算法与小波分析、均值滤波的去噪效果，采用Allan方差给出了误差源分析。结果表明LMS自适应滤波能有效降低角度随机游走等随机噪声。 　　【关键词】LMS自适应；Allan方差；随机噪声；Matlab 　　Abstract：Adaptive LMS algorithm and Allan-Variance were analyzed.A filter system was constructed based on Matlab，and simulations aimed at some fiber-optic gyroscope raw data were designed，from which the available range 0.2-0.9 of the fixed step scale factor was got.The LMS algorithm was compared with that of Wavelet and Mean-value，and the source of errors was analyzed using Allan-Variance.It is shown by the result that the LMS will control the random errors such as Angle Random Walking，etc. 　　Keywords：Adaptive LMS；Allan-Variance；random noise；Matlab 　　1.引言 　　受热漂移等随机噪声影响，很多传感器输出的信号通常是非线性、非平稳的随机信号，典型例子是光纤陀螺的随机漂移[1-2]。由于混叠在信号中的热噪声不具有典型的频域分布，而经典的滤波器设计是基于信号与噪声谱不重叠的前提，因而不适于受热噪声影响较大的应用场合。现代滤波理论中的维纳滤波和卡尔曼滤波充分利用了信号和噪声的先验统计知识，由给定的某种最优准则，以时域的递推算法对数据进行滤波，克服了经典滤波器的缺点[3]。然而它们需要知道信噪的先验统计知识，这在实际应用中往往很难或者无法得到。随着数字处理技术的发展，自适应滤波得到了越来越多的应用，因为它带有一定的学习过程，不需要先验知识，这对实际中的传感器及其检测系统而言更为实用[4-5]。 　　本文针对随机信号提升信噪比的需求，以某光纤陀螺输出信号为原始数据，基于Matlab编程与仿真建模，研究LMS自适应滤波法的去噪效果，并与小波分析、均值滤波进行比较，采用Allan方差函数评价几种数字滤波的效果。 　　2.理论研究与算法设计 　　2.1 LMS自适应滤波算法 　　LMS滤波是一种线性自适应滤波算法，它以最小均方误差为准则，使用随机梯度进行迭代收敛，得到最优的滤波器参数[6-7]。 　　经典的LMS固定步长自适应滤波器包含两部分：横向滤波器和自适应控制器，如图1（a）所示。 　　图1 LMS自适应滤波器基本结构 　　横向滤波器本质上是一个M阶FIR数字滤波器，它将输入的离散信号u（n）及其M-1阶过去值组成输入向量，对其进行加权滤波，得到输出信号y（n）；同时比较实际输出y（n）和期望响应d（n），得到估计误差e（n）。自适应控制器根据估计误差e（n）自动调整横向滤波器的参数，即加权值的调整。这两个过程组成一个闭环反馈，不断调整滤波器的效果，达到最优滤波。横向滤波器和自适应控制器的结构如图1（b）和图1（c）所示。整个迭代算法如下式表示： 　　由图1（c）和上式可以看出，算法中的标度因子（即步长）对于算法的收敛快速性和稳定性起着决定作用。文献表明，固定步长需满足小于输入信号最大相关值，方能保证算法的收敛[8]。本实验中首先通过仿真得到较优的步长值，再将该固定步长LMS滤波与其他滤波方法进行比较。 　　2.2 Allan方差分析法 　　Allan方差法是20世纪60年代由美国国家标准局的David Allan提出的，它是一种基于时域的分析方法。其主要特点是能非常容易地对各种误差源及其对整个噪声统计特性的贡献进行细致的表征和辨识，而且具有便于计算、易于分离等优点[9]。 　　设以为采样时间间隔，对角度输出值采样N个点，即采样时刻为，得到，其中，则基于该角度测得值的Allan方差定义如下： 　　其中，是相关时间，的取值将影响评估的分辨率。习惯上将上式的标准差称为Al