离散信号处理——应用与实践 教学课件 ppt 作者 张延华 黎玉玲 编著 第9章 自适应滤波及应用.ppt

来逼近。其中： d是失真系数； k是采样样本数，脉冲响应h(n)适用于 的方程，否则为0。 这个模块可以从MATLAB的DSP模块库 中的demo得到。 3. 噪声发生器模块： 用来产生数字通信系统中经常遇到的加性 噪声， 如果需要模拟电路或者器件的热噪声， 则它应满足零均值的高 斯分布。用白噪声模块产生。 4. 自适应均衡器： 用自适应FIR滤波器实现。 其抽头权系数为 ，用LMS算法调整这些权系数。 5. 延时模块： 我们必须在数据生成模块的输出中引人延时来 补偿色散信道滤波器和自适应均衡器对信号的延时。 一般，该延时 可设置 为最接近 （N＋K）／2的最大整数。 这里，N是自适应均衡器 的长度； K是模拟色散信道的滤波器的长度。 9．4．4 平稳信道估计 卡尔曼滤波是一种线性最小均方误差的过程递推估计算法， 它不仅适用于广义平稳情况，亦可用于非广义平稳的更一般的情况。 卡尔曼滤波算法基于图9-18所示的动态系统的物理实现。 图9-18 基于动态系统物理实现的卡尔曼滤波算法 卡尔曼滤波器（算法）假设滤波器抽头不随时间发生确定性的变 化 （即转移矩阵是恒等式），并且系 统的唯一可观的输出是包含加性 噪声的滤波器输出。 卡尔曼滤波器的矩阵描述形式是： 式中： n ：迭代变量 u(n) ：第n步缓冲输入样本 K(n) ：状态估计误差的相关矩阵 g(n) ：第n步卡尔曼增益向量 ：第n步滤波器抽头估计向量 y(n) ：第n步滤波输出 e(n) ：第n步估计误差 d(n) ：第n步的期望响应 QM ：量测噪声相关矩阵 QP ：处理噪声相关矩阵 卡尔曼滤波器在非平稳噪声信道估计方面具有重要的应用。 下面这个例子介绍如何应用卡尔曼滤波器跟踪一个非平稳5阶 FIR滤波器的时变权系数（时变脉冲响应）。 系统的组成框图， 也就是它的Simulink 仿真模型见图9-19所示，其中几个主要算 法模块的功能和作用如下： 图9-19 使用卡尔曼跟踪滤波器的非平稳信道估计仿真模型（adnsce_kalm.mdl） 其中几个主要算法模块的功能和作用如下： 信源模块：产生连续白噪声试验信号，由带限白噪声信号发生器 给出噪声序列。 2.非平稳系统模块：由一个直接II型滤波器和一个时变直接II型FIR 滤波器组成， 它的下一层子系统见图9-20所示。 这个模块可以从 MATLAB的DSP模块库中的demo得到。 图9-20 非平稳系统的下一层子模型 3.信道噪声发生器模块：用来产生数字通信系统中经常遇到的加性 噪声， 如果需要模拟电路或者 器件的热噪声，则它应满足零均值的 高斯分布。用白噪声模块产生。 4.卡尔曼自适应滤波器：用卡尔曼自适应滤波器实现。 9.4.5 地球物理勘探中的自适应模拟 系统的Simulink仿真模型如图9-24所示。 可以看出整个系统主要 是由4个模块组成的，其功能和子模块构成如下： 图9-24 测量地下冲激响应的自适应模拟仿真模型（earth_lms.mdl） 1．“虚拟地球（Dummy Earth）”模块：设“地球”的传递函数是： 它的z反变换，也就是冲激响应代表了从地面到拾音器的 3个不 同传播路径（延时）。 根据上式构造的虚拟地球子系统如图 9-25所示。 图9-25 虚拟地球子系统 2..Chirp信源模块：该试验信号取自DSP库，它由如下形式的线性调 频信号定义： 式中 是调频信号的相位， 是初始相位。 3．自适应滤波器：用自适应FIR滤波器实现。 其抽头权系数为 ，采用LMS算法调整这些权系数。 4．延时模块：延时因子 的作用是补偿大部分的路径延时。 9.4.6 胎儿心电图中的噪声抑制 在自适应噪声抵消技术中，被测信号d(n)中一般将包含两个信号： 一个是我们感兴趣的未知信号v(n)， 而另一个往往就是干扰（或噪声） 信号u(n)。 我们的目标是利用一个与干扰信号高度相关的基准信号x(n) 把干扰信号从被测信号中除去。 9.4.7 回声消除 在需要语音双工通信的场合，如电话会议系统， 应用回波消除 技术是非常必要的。在回波消除系统中， 麦克风输出信号d(n)中包 含两个信号： 近端语音信号v(n)和远端语音回波信号dhat(n)。 回波消 除的目的就是将远端语音回波信号从麦克风信号中消除，以保证系 统只传输近端语音信号。 图9-4 LMS算法的实现框图 可以看出，对某一固定的权值W，LMS的梯度估计是无偏的， 这 可以通过对（9-50）求数学期望证明 （9-52） 根据（9-11）式，显然有 通常，我们可以把LMS算法写成如下的三个基本迭代方程 1．滤波器输出方程： （9-53） 2．估计误差方程： （9-54） 3．抽头