生物医学信号处理7.pptVIP

维纳滤波参数是固定的，适用于平稳随机信号。卡尔曼滤波器参数是时变的，适用于非平稳随机信号。然而，只有对信号和噪声的统计特性先验已知条件下，这两种滤波器才能获得最优滤波。 所谓的自适应滤波，就是利用前一时刻已获得滤波器参数等结果，自动地调节现时刻的滤波器参数，以适应信号或噪声未知的或随时间变化的统计特性，从而实现最优滤波。设计自适应滤波器时可以不必要求预先知道信号和噪声的自相关函数，而且在滤波过程中信号与噪声的自相关函数即使随时间作慢变化它也能自动适应，自动调节到满足最小均方差的要求（因此实际同WF及KF是一致的）。这些都是它突出优点。 概念: 利用前一时刻已获得的滤波器参数等结果,自动的调节(更新)现时刻的滤波器参数.以适应信号和噪声未知的统计特性,或者随时间变化的统计特性,从而实现最优滤波. 这个概念是从仿生学中引伸出来的，生物能以各种有效的方式适应生存环境，生命力极强。 几种重要的自适应滤波器: 最小均方(LMS)自适应滤波器; 递推最小二乘(RLS)自适应滤波器. 格型结构自适应滤波器. 前两种最常用。 E [ε2(j)]与[W]的关系 对均方误差梯度求导 LMS算法递推式 设w(j)是j时刻的权矢量，w(j+1)是j+1时刻的权矢量； 则LMS算法的递推公式为： 式中μ0, μ是一个控制稳定性与收敛速度的参数。 因为E[ε2(j)]是权矢量W的二次方程，即E[ε