10_自适应横向滤波器.ppt

第三章 自适应数字滤波器 1 § 3.1 引 言 3.1.1 从维纳滤波到自适应滤波 1. 维纳滤波器的适用条件 维纳滤波器的适用条件比较苛刻，主要表现在： （ 1 ）需要知道信号和噪声统计特性 ( 如 , ) 的先验知识； ) ( m R ss ) ( m R vv （ 2 ）输入信号必须是平稳的，滤波器的参数是针对已知的输 入统计特性设计的，因而是固定的，当输入统计特性变 化时 , 其最佳滤波性能将被破坏。 （ 3 ）卡尔曼滤波是采用递推算法实现的维纳滤波器 , 本质上 仍具有维纳滤波器的上述特点，虽然可适用于平稳和非 平稳过程 , 但不适用于输入统计特性未知或变化的情况 . 2 3.1.1 从维纳滤波到自适应滤波 2. 自适应滤波器的特点 （ 1 ）自适应滤波器，实际上是一种参数可自动调整的特殊的维 纳滤波器。 （ 2 ）实现自适应滤波器不需要任何关于信号和噪声统计特性的 先验知识；当输入统计特性变化时，它能按照某种准则自 动地调整自身参数，以满足最佳滤波的需要。 （ 3 ）自适应滤波器具有学习和跟踪性能。 ●学习过程 : 在输入信号统计特性未知的情况下 , 调整自 身参数达到最佳的过程 . ●跟踪过程 : 当输入信号统计特性变化时 , 调整自身参数 达到最佳的过程 . 3 3.1.2 自适应滤波器的原理 3.1.2 自适应滤波器的原理 原理框图如图 3.1.1 所示，主要包括两部分： ●参数可调数字滤波器，滤波器结构 : FIR, IIR 或格形滤波器； ●自适应算法。 与维纳滤波器比较 , 自适应滤波器增加了一个识别控制环节 . 图 3.1.1 自适应滤波器原理图 参数可调数字滤波器 x ( n ) y ( n ) ? d ( n ) ? ? 自适应算法 e ( n ) ? ? ? ? ? 识 别 控 制 环 节 ? ? 图中 : ——输入信号 ( 或称观测信号 ) ； —— 输出信号； ( ) x n ( ) y n 4 3.1.2 自适应滤波器的原理 自适应滤波原理 ( 过程 ): （ 1 ）输入信号 经参数可调数字滤波器输出 : ) ( n x ( ) y n ? ( ) ( ) y n d n ? (3.1.1) 即 是 的估计 . ( ) y n ( ) d n 将 与期望信号 比较 , 产生误差信号 : ( ) y n ( ) d n ( ) e n ( ) ( ) ( ) e n d n y n ? ? (3.1.2) （ 2 ）通过自适应算法，由 产生相应的控制信号，自动调整 数字滤波器的参数，最终使 的均方误差最小 , 即 ( ) e n ( ) e n 2 [ ( )] min E e n ? (3.1.3) 这时 即为 的最佳逼近 . ( ) y n ( ) d n —— 期望信号 ( 或称参考信号 , 训练信号 ) ； —— 误差信号。 ( ) d n ( ) e n 5 3.1.2 自适应滤波器的原理 说明 : （ 1 ）自适应滤波有两个输入信号 : 原始输入信号和参考输 入信号 ; 两个输出信号 : 实际响应 和误差信号 . ( ) y n ( ) e n 和 究竟哪个作原始输入 , 哪个作参考输入 , 信号形式如 何 ; 和 究竟哪个作为输出 , 均根据具体应用来确定 . ( ) x n ( ) d n ( ) y n ( ) e n （ 2 ）要达到自适应滤波的目的 , 原始输入信号与参考输入 信号必须相关 . 6 § 3.2 自适应横向滤波器 3.2.1 自适应线性组合器和自适应 FIR 滤波器 自适应线性组合器和自适应 FIR 滤波器 , 是自适应滤波的基本结 构形式 , 也是学习自适应信号处理的基础 . 1. 自适应滤波器的矩阵表示式 （ 1 ）自适应线性组合器 ( 多输入系统 ) 输入信号矢量是一个空间序列 , 其元素由同一时刻的一组取样 值构成 ( 即在同一时刻 , 对 个不同信号源取样得到 ): n 1 ? L ? ? T 0 1 ( ) ( ) ( ) ( ) L n x n x n x n ? L x (3.2.1) 这种情况相当于并行输入 . 7 3.2.1 自适应线性组合器和自适应 FIR 滤波器 ? ? ? ? ) ( n e ) ( n y ? ? ? ? ? ? ? 输 入 信 号 矢 量 ? ? ? ? ? ? 自适应处理器 ) ( 0 n x ) ( 1 n x ) ( n x L ) ( n d ) ( 0 n w ) ( n w L ) ( 1 n w ? 参考响应 输出响应 ? 图 3.2.1 自适应线性组合器 如图 3.2.1 所示 , 这种多输入系统的输出 ,