统计信号处理实验四.docVIP

《统计信号处理》实验四 一、实验目的 掌握自适应滤波的原理； 实验内容 内容一： 假设一个接收到的信号为：d(t)=s(t)+n(t), 其中s(t)=A*cos(wt+a), 已知信号的频率w=1KHz，而信号的幅度和相位未知，n(t)是一个服从N(0,1)分布的白噪声。为了利用计算机对信号进行处理，将信号按10KHz的频率进行采样。 1）通过对进行自适应信号处理，从接收信号中滤出有用信号； 2）观察自适应信号处理的权系数； 3）观察在不同的收敛因子下的滤波结果，并进行分析； 4）观察在不同的抽头数N下的滤波结果，并进行分析。 内容二： 在实验一的基础上，假设信号的频率也未知，重复实验一； 内容三： 假设s(t)是任意一个峰峰值不超过1的信号（取幅度为0.5的方波），n(t)是一个加在信号中的幅度和相位未知的，频率已知的50Hz单频干扰信号（可以假设幅度为1）。信号取样频率1KHz，试通过自适应信号处理从接收信号中滤出有用信号s(t)。 三、实验要求 给出自适应滤波器结构图； 设计仿真计算的Matlab程序，给出软件清单； 完成实验报告，对实验过程进行描述，并给出试验结果，对实验数据进行分析。 四、设计过程 1、假设一个接收到的信号为：d(t)=s(t)+n(t), 其中s(t)=A*cos(wt+a), 已知信号的频率w=1KHz，而信号的幅度和相位未知，n(t)是一个服从N(0,1)分布的白噪声。为了利用计算机对信号进行处理，将信号按10KHz的频率进行采样。 1）参考信号d(k)=s(k)+n(k)，s(k)=A*cos(wk+a),产生一个与载波信号具有相同频率的正弦信号作为输入信号,即x(k)=cos(wk)。经过自适应处理后，就可以在输出信号端得到正确的载波信号（包含相位和幅度）。 框图如下： 改变收敛因子，观察滤波结果。 改变滤波器抽头数N，观察滤波结果。 2、在实验一的基础上，假设信号的频率也未知，重复实验一。 参考信号d(k)=s(k)+n(k)，s(k)=A*cos(wk+a),将参考信号延时一段时间后得到的信号作为输入信号,即x(k)=d(k-m)。经过自适应处理后，就可以在误差输出端y(k)得到正确的载波信号（包含频率、相位和幅度）。 3、假设s(t)是任意一个峰峰值不超过1的信号（取幅度为0.5的方波），n(t)是一个加在信号中的幅度和相位未知的，频率已知的50Hz单频干扰信号（可以假设幅度为1）。信号取样频率1KHz，试通过自适应信号处理从接收信号中滤出有用信号s(t)。 我们可以使用陷波滤波器对噪声进行滤除，但普通滤波器一旦做成，其陷波频率难以调整。如果使用自适应陷波滤波器，不仅可以消除单频干扰，而且可以跟踪干扰的频率变化，持续消噪。 自适应陷波滤波器的原理框图如下图所示： 假如输入信号是一个纯余弦信号，则可将其分为两路，将其中一路进行90度相移，然后同步采样，得到： 它们通过相关抵消回路以最小均方算法去控制和加权，然后两个加权输出和相加得到，称为自适应滤波器的输出。权值计算如下： 写成矩阵形式为： 也可以简单的采用与内容1一样的LMS滤波器，本实验选择了只有一路参考信号的自适应滤波器。 实验结果及分析 波形如下： 可以看出，滤波信号（蓝色）与有用信号（红色）逐渐逼近，加权系数也逐渐稳定。 改变收敛因子得到的输出波形如下： 可以看出，收敛因子太小会导致收敛速度过慢，收敛因子太大会导致最终波动幅度太大，无法精确地逼近有用信号。 改变滤波器阶数后的输出波形如下： 可以看出，阶数越高，收敛地越快，但更高得阶数需要适当改变收敛因子来达到最理想的滤波效果。 有用信号频率未知 波形如下： 可以看出，输出信号较好的逼近s(t)，但性能不如第一题的结果那么好。 改变收敛因子后输出波形如下： 改变抽头数N后输出波形如下： 消除工频干扰滤波器 采用20阶滤波器，μ取0.0016，可以看出，较好地滤除了工频干扰，得到了矩形波信号。 六、源程序： %1 clear; n=500; %信号点数 f=1000; fs=10000; %采样点数 N=1; %滤波器阶数 t=(0:n-1)/fs; s=cos(2*pi*f*t); %有用信号 nt=randn(1,n); %噪声信号 x=cos(2*pi*f*t); %参考信号 d=s+nt; %观测信号 u=0.016; %LMS算法下自适应增益常数 [e wl y]=lms(N,u,n,x,d); figure(1); subplot(3,1,1);plot(t,d);grid;title(观测信号d); subplot(3,1,2);plot(t,y,b,t,s,r);grid;t