自适应滤波算法的研究分析.docVIP

自适应滤波算法的研究分析 自适应滤波算法的研究分析 PAGE / NUMPAGES 自适应滤波算法的研究分析 自适应滤波算法的研究 第1章 绪论 1.1 课题背景 陪伴着挪动通讯事业的飞快发展， 自适应滤波技术应用的范围也日趋扩 大。早在 20世纪 40年月，就对安稳随机信号成立了维纳滤波理论。 依据实用 信号和扰乱噪声的统计特征 (自有关函数或功率谱 )，用线性最小均方偏差估 计准则设计的最正确滤波器， 称为维纳滤波器。 这种滤波器能最大程度地滤除 扰乱噪声，提取实用信号。但是，当输入信号的统计特征偏离设计条件，则 它就不是最正确的了， 这在本质应用中遇到了限制。 到 60年月初，因为空间技 术的发展，出现了卡尔曼滤波理论， 即利用状态变量模型对非安稳、 多输入 多输出随机序列作最优预计。 此刻，卡尔曼滤波器己成功地应用到很多领域， 它既可对安稳的和非安稳的随机信号作线性最正确滤波，也可作非线性滤波。 本质上，维纳滤波器是卡尔曼滤波器的一个特例。 在设计卡尔曼滤波器时， 一定知道产生输入过程的系统的状态方程和丈量方程，即要求对信号和噪声的统计特征有先验知识， 但在本质中， 常常难以预知这些统计特征，所以实现不了真实的最正确滤波。 Widrow B 等于 1967年提出的自适应滤波理论，可使自适应滤波系统的参数自动地调整而达到最正确状况， 并且在设计时， 只要要极少的或根本不需要任何对于信号与噪声的先验统计知识。 这种滤波器的实现差不多象维纳滤波器那样简单，而滤波性能几乎如卡尔曼滤波器同样好。 所以，近十几年来，自适应滤波理论和方法获取了快速发展。 [1] 自适应滤波是一种最正确滤波方法。它是在维纳滤波， Kalman滤波等线性滤波基础上发展起来的一种最正确滤波方法。 因为它拥有更强的适应性和更优的滤波性能。进而在工程本质中，特别在信息办理技术中获取宽泛的应用。 自适应滤波的研究对象是拥有不确立的系统或信息过程。 “不确立” 是指所研究的办理信息过程及其环境的数学模型不是完好确立的。 此中包含一些未知因数和随机因数。 1 任何一个本质的信息过程都拥有不一样程度的不确立性， 这些不确立性有时表此刻过程内部， 有时表此刻过程外面。 从过程内部来讲， 描绘研究对象即信息动向过程的数学模型的构造和参数是我们早先不知道的。 作为外面环境对信息过程的影响，能够等效地用扰动来表示， 这些扰动往常是不行测的，它们可能是确立的， 也可能是随机的。 别的一些丈量噪音也是以不一样的门路影响信息过程。 [2] 这些扰动和噪声的统计特征常常是未知的。面对这些客观存在的各种不确立性， 怎样综合办理信息过程， 并使某一些指定的性能指标达到最优或近似最优，这就是自适应滤波所要解决的问题。 可见，自适应滤波算法的研究与本质状况有着密不行分的关系， 拥有重要的意义。 1.2 国内外目前的研究状况 最早人们依据生物能以各种有效的方式适应生计环境进而使生命力变 强的特征引伸出自适应这个观点。 自适应滤波器属于现代滤波器的范围， 它 是 40 年月发展起来的自适应信号办理领域的一个重要应用。 60 年月，美国 B.Windrow 和 Hoff 第一提出了主要应用于随机信号办理的自适应滤波器算法，进而确立自适应滤波器的发展。 所谓自适应滤波器， 即利用前一时辰已获取的滤波器参数等结果， 自动地调理现时辰的滤波器参数， 以适应信号与噪声未知的或随时间变化的统计特征，进而实现最优滤波。 自适应信号办理主假如研究构造可变或可调整的系统， 它能够经过自己与外界环境的接触来改良自己对信号办理的性能。 往常这种系统是时变的非线性系统，能够自动适应信号传输的环境和要求， 不必详尽知道信号的构造和本质知识，不必精准设计办理系统自己。 自适应系统的非线性特征主假如由系统对不一样的信号环境实现自己参数的调整来确立的。 自适应系统的时变特征主假如由其自适应响应或自适应学习过程来确立的， 当自适应过程结束和系统不再进行时， 有一类自适应系统可成为线性系统， 并称为线性自适应系统，因为这种系统便于设计且易于数学办理， 所以本质应用宽泛。 本文研究的自适应滤波器就是这种滤波器。自适应信号办理的应用领域包含通讯、雷达、声纳、地震学、导航系统、生物医学和工业控制等。 [3] 2 自适应滤波器出现此后，发展很快。因为设计简单、性能最正确，自适应滤波器是目前数字滤波器领域是活跃的分支，也是数字滤波器研究的热门。 主要自适应滤波器有：递推最小二乘 (RLS) 滤波器、最小均方差 (LMS) 滤波器、格型滤波器、无穷冲激响应 (IIR) 滤波器。此中 LMS 滤波器和 RLS 滤波器拥有稳固的自适应行为并且算法简单， 收敛性能优秀。 将作为本文研究的要点。 自适应滤波器是相对固定滤波器而言的，固定滤波器属于