第四章 自适应数字滤波器.pptVIP

采用LMS准则求其稳态时的传输函数 假设输入信号为d(n), 输出信号为e(n)，自适应滤波器的输出之和为y(n)，设采样间隔为T，系统的原始输入端信号为 d(n)=s(n)+cos(ω0nT) 参考输入端的x1(n)和x2(n)为 误差信号为 两个自适应滤波器的输出为 应用LMS迭代方法，更新权向量在n+1时刻的取值为 自适应陷波器的传输函数为 自适应陷波器的幅频和相频特性 自适应陷波器的两个零点为 由|z0|=1, 可以知道零点位于单位圆上。 当μC21 时，得到极点的极坐标近似表示式 图4.5.7 陷波器的零极点图 当μc21时，极点靠近单位圆，从零极点图可以粗略确定3dB带宽为 因此可以通过改变μC2来调节3 dB带宽，使陷波器的缺口的肩部可以任意窄。 （量纲为角频率） 为取样角频率， 3、自适应逆滤波 自适应均衡器与自适应解卷积问题都可归结为用自适应的方法求逆滤波系统的问题。 自适应均衡器用以补偿信道干扰的影响，使接收信号与发送信号完全一致。 h(n) w(n) 图 4.5.9 自适应逆系统的类型 (a) 无延迟的； (b) 有延迟的 xk=sk * pk+nk minE[ε2k] pk 图 4.5.10 自适应逆系统的FIR实现 (a) 在单位圆外有一个极点的逆滤波器的冲激响应h(-)(n)的特性； (b) 经过时延Δ的h(-)(n)特性 求解图4.5.9（b）中自适应逆系统的最佳权向量。 假设系统噪声与信号是独立的， 则输入功率为 d端与x端的互功率谱为 其中，G(z)表示d到x的传输函数，G(z)=zΔP(z), 没有噪声时, 最佳传输函数为 最佳传输函数为 4、自适应信号分离器 图 4.5.11 自适应信号分离器 5、自适应预测器 图 4.5.12 自适应预测 为了推导简单起见， 取Λ=I，则误差信号能量重新表示为 要使ξ(n)取得最小值，满足 引入M维向量pM(n)以及M×M维矩阵RM(n)， 可得wM(n)的最小二乘估计wLS(n) 若rank［XM(n)］＜M, 则wM(n)不能唯一辨识。 当 存在时，最小二乘的估计值 为 最小二乘估计的误差信号能量ξmin为 最小二乘估计的模型描述 令误差信号能量为J，并取加权矩阵Λ=I，则 3、 递推最小二乘法(RLS) 基本思想：新的估计值是在老的估计值的基础上修正而成的。 新的估计值θ(k)=老的估计值θ(k-1)+修正项 ^ ^ 最小二乘递推算法的关键是得到修正项的表达式 递推最小二乘法(RLS) 根据最小二乘估计式,用a(i)表示第i步迭代时A的取值，Ak表示前k步A的数值构成的向量。定义一个变量P：  其中 那么 k-1时刻θ的估计值为 上式两边同时左乘P-1(k-1)，得 定义q(k)为 根据矩阵反演公式 由此可得 最小二乘递推算法： 4.5 自适应滤波的应用 自适应抵消器 自适应陷波滤波器 自适应逆滤波 自适应信号分离器 1、自适应抵消器 自适应滤波器的重要特性：能有效地在未知环境中跟踪时变的输入信号，使输出信号达到最优。 自适应噪声抵消器，利用干扰源的输出，通过一个数字滤波器，最佳地估计出干扰值，从而从混有干扰的输入中减去干扰估值，实现了干扰与信号相当完善的分离。 输入：原始信号（含信号与噪声），参考信号（与待抵消噪声信号相关）； 输出：无噪声信号 图 4.5.1 自适应对消系统 对消原理 原始输入端：dj=sj+n0, n0是要抵消的噪声，并且与s不相关； 参考输入端：xj =n1，n1是与n0相关、与s不相关的噪声信号； 系统的输出：zj=dj-yj； 滤波器的传输函数可以根据系统的输出信号自动调整，假定s, n0, n1是零均值的平稳随机过程 输出信号的均方值 由于s与n0, n1不相关，因此s与yj也不相关，则 性能分析 参考输入端噪声与原始输入端噪声相关性； 参考输入端存在一定的有用信号。 由此可知，原始信号进来什么信号，出来什么信号，这时自适应滤波器关闭。要使其完成自适应噪声抵消任务，则参考输入必须与被抵消信号相关。 若n0与 n1不相关，其与yj也不相关，则 参考输入端存在一定的有用信号 当有信号分量泄漏到参考输入中时，噪声的抵消能力可以通过比较输入端的信噪比、参考输入端的信噪比及输出端的信噪比数值大小来评价。 噪声抵消后，输出端信号为sout(n)= spri(n)- sref(n)，噪声为 nout(n)= npri(n)- nref(n) ,其功率谱分别为 噪声抵消前，原始输入端的