现代信号处理手法.pptVIP

第四章 自适应信号处理 郑宝玉 2010.4.27 自适应格型滤波器 自适应格型滤波器 自适应格型滤波器 格型自适应滤波原理 自适应格型滤波器 格型自适应滤波原理 自适应格型滤波器 格型自适应滤波原理 自适应格型滤波器 格型自适应滤波原理 自适应格型滤波器 格型自适应滤波原理 自适应格型滤波器 格型自适应滤波原理 自适应格型滤波器 格型自适应滤波原理 自适应格型滤波器 格型自适应滤波原理 自适应格型滤波器 格型自适应滤波原理 自适应格型滤波器 格型自适应滤波原理 自适应格型滤波器 格型自适应滤波原理 自适应格-梯型滤波器 预备知识 算法原理 自适应格-梯型滤波器 预备知识 自适应格-梯型滤波器 自适应格-梯型滤波器 算法原理 自适应格-梯型滤波器 自适应格-梯型滤波器 自适应格-梯型滤波器 自适应格-梯型滤波器 自适应格-梯型滤波器 自适应格-梯型滤波器 自适应格-梯型滤波器 自适应格-梯型滤波器 自适应格-梯型滤波器 自适应格-梯型滤波器 自适应格-梯型滤波器 自适应格-梯型滤波器 自适应格-梯型滤波器 自适应格-梯型滤波器 自适应格-梯型滤波器 算法原理 自适应格-梯型滤波器 自适应格-梯型滤波器 自适应格-梯型滤波器 自适应格-梯型滤波器 自适应格-梯型滤波器 自适应格-梯型滤波器 梯度格-梯型算法(归一化LMS算法的拓展) 自适应格-梯型滤波器 梯度格-梯型算法 自适应格-梯型滤波器 梯度格-梯型算法 自适应格-梯型滤波器 自适应格-梯型滤波器 梯度格-梯型算法 阶更新方程（续） 12)预测系数向量（即维纳解） b)后向预测： c)联合估计： a)前向预测: 其中 其中 其中 算法原理 (12a-2) (12b-2) (12c-2) 阶更新方程（续） 13)最小代价函数 a)对于前向预测： b)对于后向预测： 算法原理 阶更新方程（续） 14)误差函数 （将维纳解(12)代人相应的基本方程(2)） a)对于前向预测： b)对于后向预测： c)对于联合估计： 其中 其中 其中 算法原理 时间更新方程（关于n 的更新） 15)预测系数向量(利用RLS迭代式) a)对于前向预测： b)对于后向预测： 算法原理 其中Kalman 增益向量由基本方程(10)计算 时间更新方程－ 的更新方程(16) 考虑 其中 利用以上三式并注意到式(15b), 可以导出 定义 则有 其中 [见(8b)] [见(15a)] 算法原理 [见(12b-2)] 时间更新方程－ 的更新方程(17) 其中 因为 由此可导出 算法原理 的阶更新方程 (18) Kalman增益向量可以写为 由上式及式(16a-16b)得 故Kalman增益向量还可写为 再注意到 由此可得 算法原理 其中 联合过程估计(期望信号的估计)（19） 由(2c)和(14c) 可见，系统的输出估计值是后向残差的加权和。 归纳上述，即得如下RLS格-梯型算法。如图1. 其中系统的输出估计值为[根据式(12c)] 其中 算法原理 格型预测器:从n=0出发, 对m=0,1,…,M-1, 计算阶更新 RLS格-梯型算法(先验形式) 梯型预测器:从n=0出发,对m=0,1,…,M-1,计算阶更新 初始化: RLS格-梯型算法(续) + + + + + + + + + … … … + － + － + － + － + － Stage 1 Stage 2 Stage M-1 + + 图1 自适应RLS格-梯型滤波器 + + + + + + + + + … … … + － + － + － + － + － Stage 1 Stage 2 Stage M-1 … + + 图2 自适应LMS格-梯型滤波器 根据均方误差准则 考虑格型基本表达式： 相对于滤波器参数 , 最小化 ,得 当信号的统计特性未知时，采用最小二乘准则： 确定 , 故有 首先,考虑格型部分发射系数的递归实现问题。为此,设 从而，有如下递推公式： 其中 及 其次,考虑联合估计. 类似于RLS格型, 图2格型的总输出: 为求 的最优值,设期望信号