第十一部分自适应信号处理.pptVIP

自适应信号处理;自适应信号处理;一、 概 述; 卡尔曼滤波器： 20世纪60年代 空间技术的发展 用前一个估计值和最近一个观察数据来估计信号的 当前值，它是用状态方程和递推的方法进行估计的，它 的解是以估计值（状态变量值）形式给出的。 条 件：必须知道产生输入过程的系统状态方程和测量方程,即要求对信号和噪声的统计特性有先验知识, 但实际中往往难以预知这些统计特性，难以达到最佳。 自适应滤波理论： 1967年 Widrow B．等提出 自适应滤波理论可使自适应滤波系统的参数自动地调整而达到最佳状况。而且滤波器设计时，只需很少或者根本不需要任何关于信号与噪声的先验统计知识。; 自适应滤波器理论和方法迅速发展。对自适应滤波器而言： ( 1). 自适应算法 (2). 算法的统计特性 (3). 跟踪系统或环境动态变化能力 (4). 实际中的应用 自适应信号处理 ;（二）、自适应滤波器的基本原理 ;（三）、基于最小二乘准则的自适应滤波器方法 自适应滤波期望响应d(n)与真实滤波输出y(n)。构成 自适应滤波性能优化的准则是： 三种不同的最小二乘自适应滤波算法： 自适应递归最小二乘法 横向滤波器结构的递归最小二乘法 (RLS算法) 自适应最小二乘算法 (RLSL算法) 以多级格型预测器作为自适应滤波器实现的基本结构;(3) QR分解最小二乘算法 迭代开环形式和利用QR分解对输入数据矩　阵直接进行递推算法。 首先，将输入数据矩阵用QR分解成正交三角形式矩阵，对新输入数据进行递推计算，其次，利用QR分解最小二乘(QRD-LS)算法来计算滤波器的权矢量。 特点 ：a.稳定性好，鲁棒性好； b.快速收敛，计算效率高。 ;（四）、 自适应信号处理技术的应用;二、 自适应信号处理基础理论知识;输出信号y(t)，调整权的方法即是“自适应算法”。;输入信号的向量表示： ( T表示矩阵转置) 权系数 ( 权向量 W) 自适应信号输出 2. 输入信号的相关矩阵R (*为复共轭）;*复共轭; R是Hermite矩阵，即满足 (T为转置) R的性质 对应于R的不同特性值的特征向量都是正交的。 R的特征值可由以下齐次方程得到：;式中： λ是一个标量， I是单位矩阵 是一列矩阵， 0是0矩阵 上述方程有解的唯一条件是(当且仅当) 方程解为 , 是R的特征值。 对于任一个特征值，至少存在一个列向量解 ，使 对于R的对应不同特征值的两个特征向量 和 则：; 对于(a)两边左乘 (H为矩阵的共轭转置) 对于(b)式两边共轭转置并右乘 (c)式-(d)式，则有： ; 特征向量 和 是正交的。 (2) R 是正定(或或(半正定))矩阵，它所有的特征值都为实数，且大于或等于零。(对于任意向量V，都存在 ) 所有特征值之和等于矩阵R的迹，即为输入信号的功率。 (矩阵主对角线所有元素之和） (4) 信号相关矩阵R可以被分解为一个实对称矩阵和实反对 称矩阵，即：;其中：实对称矩阵 分别满足条件： 和 反对称矩阵 的对角元素全部为零。 (证明：