通信系统中的回声抵消算法研究探究_第三章节 自适应滤波器跟算法_23_38.pdf

中北大学学位论文 第三章 自适应滤波器及算法 本章研究了自适应滤波器的基本原理和自适应滤波器的最基本的但也是最重要的 自适应算法LMS 算法。 3.1 自适应滤器的概述 “自适应”广义上可以理解为一系统能自我调节某些特性以适应对象和扰动的动态 变化特性，从而达到某一预期的目的状态，而这些状态又依赖于此系统的这些特性。自 适应控制的研究对象是具有一定程度不确定性的系统，这里所谓的“不确定性”是指描 述被控对象及其环境的数学模型是不能完全确定的，其中包含一些未知因素和随机因 素。而任何实际系统中都有不同程度不确定性，所以就需要运用自适应来控制。 3.2 自适应滤波器的基本原理 3.2.1 线性估计滤波器： 线性估计理论是自适应滤波器的基础。线性估计滤波器如图 3.1，它对输入信号进 行整形，使输出信号与期望信号尽量近似，即误差信号尽量小，其中误差信号是期望信 号和输出信号的差值。当误差信号最小时，线性估计滤波器就达到最优，即维纳滤波器 （Wiener ）。但维纳滤波器需要对输入信号的统计特性有预先的认识，然后得到固定的 维纳滤波器。但在实际情况中往往不能预先得到这些认识，如在房间的回声抵消中，房 间的回声是因具体情况（不同房间，不同温度等条件）而变的，并不能得到固定特性的 回声，就不能预先得出维纳滤波器。这时就需要滤波器能够进行自我调节，同时利用输 入信号和输出的误差信号来学习所需的统计特性，从而不断调节逼近并最终收敛到对应 的Wiener 滤波器[14] 。 16 中北大学学位论文 期望信号 输入信号 FIR估计 输出信号 - + 误差信号 滤波器 ∑ 图3.1 线性估计滤波器 3.2.2 自适应滤波器 自适应滤波器就是解决上面问题的滤波器，从上可看出 Wiener 滤波器与自适应滤 波器的区别就在于：自适应滤波器可看作是滤波器系数可变的线性估计滤波器，它也是 让输出信号对期望信号进行最优估计；Wiener 滤波器则是滤波器系数固定的。自适应滤 波器系数是不断更新的，即根据误差信号逼近进行调节逼近 Wiener 滤波器[15] 。 期望信号 输入信号 自适应滤 输出信号 - + 误差信号 波器 ∑ 图3.2 自适应滤波器示意图 自适应滤波器见图 3.2，其中误差信号回馈给滤波器调节，这与上图的区别就是自 适应滤波器的本质特点。 自适应滤波器的基本结构如图3.3 ： 17 中北大学学位论文 x (n) x (n −1) x (n − N + 1) − 1 − 1 − 1 z z K z w (n) w (n) w (n) 0