(中文)第三自适应滤波器.pptVIP

现代数字信号处理 第三章：自适应滤波器 内容 1. 自适应滤波器原理 2. 自适应线性组合器 3. 均方误差性能曲面 4. 最陡下降算法 5. LMS算法 6. RLS算法 7. 典型应用：噪声消除 1。 自适应滤波原理 学习和跟踪（时变信号） 带有可调参数的最优线性滤波器 3. 自适应滤波器的性能 4. 最陡下降法 基本思想：搜索性能曲面 理想情况下（梯度可知）: 使用基于梯度的方法（最陡下降法） 实际情况（梯度多数不可知）: LMS方法（the Least-Mean-Square algorithm ） RLS方法（Recursive Least-Square Algorithm） 自适应过程的稳定性 参数变更的回馈模型 收敛速率 滤波器参数的收敛速度决定于自适应步长的选择 在主轴系统中参数沿着各个参数坐标轴独立收敛。各个坐标轴的收敛速度被各自的几何比 r 控制。 需要注意的是，在自然坐标系中各个参数w并不是独立收敛的。这是我们为什么要变换坐标系到主轴系统进行收敛分析的原因。 注意 最陡下降法具有更多的理论分析意义，实际操作时我们必须对其做很多近似。 6. 自适应的递归最小二乘方(RLS)算法 维纳滤波器的一种时间递归形式(收敛速度快) 遗忘因子 新数据比旧数据更加重要 7. 典型应用：噪声消除 没有回声控制的远程电视会议系统 使用自适应回声抵