现代数字信号处理( 自适应滤波).pptVIP

第二节 最小二乘自适应滤波器 3、正则方程 前加窗 第二节 最小二乘自适应滤波器 其中 定义 第二节 最小二乘自适应滤波器 定义 正则方程 第二节 最小二乘自适应滤波器 误差函数 第二节 最小二乘自适应滤波器 三、RLS自适应 横向滤波器 第二节 最小二乘自适应滤波器 前加窗法最小二乘性能函数 正则方程 第二节 最小二乘自适应滤波器 递推式： 期望输出能量 第二节 最小二乘自适应滤波器 矩阵求逆定理 A、B正定 令 增益系数 * 第五章 – 自适应滤波器 本章的教学内容 前言 最小均方自适应横向型滤波器(LMS) 最小二乘自适应滤波器(RLS) 自适应对消器 前言 一、自适应滤波器的提出 Weiner滤波器： 输入信号是广义平稳的；输入信号的特性是已知的。 自适应滤波器： 输入信号统计特性是未知的或知道甚少，或者其统计特性是时变的，能够根据输入信号统计特性的变化自动调整其结构参数，以满足某种最佳准则的要求。 学习与跟踪 前言 二、自适应滤波器的组成 IIR、FIR 横向型、格型 LMS、RLS 开环、闭环 第一节 LMS自适应滤波器 本节的教学内容 自适应最小均方误差滤波器的推导 正则方程 均方误差性能函数的几何意义 梯度法 LMS算法 第一节 LMS自适应滤波器 Widrow B，Hoff M E Jr. Adaptive switching circuits. 1960 最小均方误差滤波器、最陡下降法 一、自适应最小均方误差滤波器的推导 第一节 LMS自适应滤波器 定义： 均方误差性能函数 第一节 LMS自适应滤波器 定义： 第一节 LMS自适应滤波器 二、正则方程的解 满秩 直接矩阵求逆算法( DMI ) 最陡下降法 Levinson－Durbin算法 LMS算法基础 速度快，运算量大 格形自适应滤波器 第一节 LMS自适应滤波器 三、均方误差性能函数的几何意义 第一节 LMS自适应滤波器 不失一般性，对于两维加权情况，我们有 自适应滤波器的性能面 四、梯度法(Gradient-Method) 第一节 LMS自适应滤波器 梯度法是沿性能曲面的负梯度方向，也就是沿性能曲面最陡方向向下搜索其最低点。这是一个迭代搜索过程。 1 引出 步长因子 第一节 LMS自适应滤波器 2 计算 定义误差权矢量 第一节 LMS自适应滤波器 矩阵基础－特征值和特征矢量 给定n阶方阵A。若对矢量x和数 成立方程 则可得齐次方程组 有非零解的充要条件满足特征方程 ： 的n阶多项式 称为特征多项式： 特征方程的n个根 称为特征值 。 的相应的非零解 称为对应 的特征矢量 。 第一节 LMS自适应滤波器 正交矩阵和酉矩阵 实对称矩阵和Hermit矩阵 特征值为实数，不同特征值所对应特征矢量正交(内积为零)。 第一节 LMS自适应滤波器 3 梯度法收敛性 定义 第一节 LMS自适应滤波器 或 满足条件 第一节 LMS自适应滤波器 第一节 LMS自适应滤波器 五、LMS算法 B.Widrow和M.E.Hoff 1960年，对梯度矢量作出估计 1 引出 单个误差样本平方的梯度 第一节 LMS自适应滤波器 LMS算法流程 LMS算法框图 2 收敛性 第一节 LMS自适应滤波器 几点假设 平稳 不相关 讨论 第一节 LMS自适应滤波器 (1) 梯度估计的无偏性 定义：梯度矢量的随机估计误差 加权误差矢量 LMS梯度计算： 第一节 LMS自适应滤波器 梯度的无偏估计 (2) 的选择 第一节 LMS自适应滤波器 第一节 LMS自适应滤波器 令 (3)时间常数(指数衰减) 第一节 LMS自适应滤波器 表示在LMS算法中权矢量第k个分量的均值的收敛时间常数。 值大，则时间常数小，收敛快；反之更加平稳。 值选择 (4) 估计误差 第一节 LMS自适应滤波器 第一节 LMS自适应滤波器 均方误差收敛时间 在LMS算法中瞬时误差 第k个分量的均值的收敛时间常数。 最大时间常数 取决于 特征值的散度 ，散度愈大，则收敛时间常数愈长。对于具有等特征值的情形，其收敛性能最为理想。 超量均方误差 (5) 超量均方误差 第一节 LMS自适应滤波器 可证 时 定义：失调量 阶数高，信号功率大, 值大，失调量大。 第一节 LMS自适应滤波器 超量均方误差物理意义 梯度法 LMS算法 第二节 最小二乘自适应滤波器 一、RLS算法与LMS算法 LMS算法－最小均方误差准