_自适应横向滤波器.ppt

第三章 自适应数字滤波器§3.1 引 言 3.1.1 从维纳滤波到自适应滤波 1.维纳滤波器的适用条件 维纳滤波器的适用条件比较苛刻，主要表现在： （1）需要知道信号和噪声统计特性(如 , )的先验知识； （2）输入信号必须是平稳的，滤波器的参数是针对已知的输入统计特 性设计的，因而是固定的，当输入统计特性变化时, 其最佳滤波性能将 被破坏。 （3）卡尔曼滤波是采用递推算法实现的维纳滤波器, 本质上仍具有维 纳滤波器的上述特点，虽然可适用于平稳和非平稳过程, 但不适用于输 入统计特性未知或变化的情况. 2.自适应滤波器的特点 （1）自适应滤波器，实际上是一种参数可自动调整的特殊的维纳滤波 器。 （2）实现自适应滤波器不需要任何关于信号和噪声统计特性的先验知 识；当输入统计特性变化时，它能按照某种准则自动地调整自身参数， 以满足最佳滤波的需要。 （3）自适应滤波器具有学习和跟踪性能。 ●学习过程: 在输入信号统计特性未知的情况下, 调整自身参数达到 最佳的过程. ●跟踪过程: 当输入信号统计特性变化时, 调整自身参数达到最佳的 过程. 3.1.2 自适应滤波器的原理 原理框图如图3.1.1所示，主要包括两部分： ●参数可调数字滤波器，滤波器结构: FIR, IIR或格形滤波器； ●自适应算法。 与维纳滤波器比较, 自适应滤波器增加了一个识别控制环节. 图中: —— 输入信号(或称观测信号)； —— 输出信号； —— 期望信号(或称参考信号,训练信号)； —— 误差信号。 自适应滤波原理(过程): （1）输入信号 经参数可调数字滤波器输出 : (3.1.1) 即 是 的估计. 将 与期望信号 比较, 产生误差信号 : (3.1.2) （2）通过自适应算法，由 产生相应的控制信号，自动调整数字滤 波器的参数，最终使 的均方误差最小, 即 (3.1.3) 这时 即为 的最佳逼近. 说明: （1）自适应滤波有两个输入信号: 原始输入信号和参考输入信号; 两个输出信号: 实际响应 和误差信号 . 和 究竟哪个作原始输入, 哪个作参考输入, 信号形式如何; 和 究竟哪个作为输出, 均根据具体应用来确定. （2）要达到自适应滤波的目的, 原始输入信号与参考输入信号必须相关. §3.2 自适应横向滤波器 3.2.1 自适应线性组合器和自适应FIR滤波器 自适应线性组合器和自适应FIR滤波器, 是自适应滤波的基本结构形式, 也是学习自适应信号处理的基础. 1.自适应滤波器的矩阵表示式 （1）自适应线性组合器(多输入系统) 输入信号矢量是一个空间序列, 其元素由同一时刻的一组取样值构成 (即在同一时刻 , 对 个不同信号源取样得到): (3.2.1) 这种情况相当于并行输入. 如图3.2.1所示, 这种多输入系统的输出 , 等于输入矢量 的 各元素的线性组合(因此称该系统为线性组合器): (3.2.2) 其中, 为加权系数. 定义“权矢量”: (3.2.3) 则 的矢量表示式为: (3.2.4) 在该线性组合器中，其自适应过程，就是通过自适应算法自动调整权 系数 ， ，使其均方误差最达最小的过程。 （2）自适应FIR滤波器(单输入系统) 输入信号矢量是一个时间序列, 其元素由同一个信号在不同时刻的取 样值构成(即对同一信号源, 在 时刻以前 个取样时刻得到): (3.2.5) 如图3.2.2所示, 单输入自适应系统的输出为 (3.2.6) 同样用矢量表示为 其中权矢量 与式(3.2.3)相同. 由上可得单输入自适应滤波器的结构如图3.2.3示: 这是一种时变横向数字滤波器, 在信号处理中应用较为广泛. 2.利用均方误差最小准则求最佳权系数和最小均方误差 下面采用均方误差(或平均功率)最小准则, 求最佳权系数. 对于以上两种输入情况, 输出误差信号均可表示为: (3.2.7) 均方误差为: (3.2.8) 定义输入信号 的自相关矩阵 :