自适应滤波算法地研究.pdfVIP

标准文档 自适应滤波算法的研究 第 1 章 绪论 1.1 课题背景 伴随着移动通信事业的飞速发展， 自适应滤波技术应用的范围也日益扩 大。早在 20世纪 40年代， 就对平稳随机信号建立了维纳滤波理论。 根据有用 信号和干扰噪声的统计特性 ( 自相关函数或功率谱 )，用线性最小均方误差估 计准则设计的最佳滤波器， 称为维纳滤波器。 这种滤波器能最大程度地滤除 干扰噪声，提取有用信号。但是，当输入信号的统计特性偏离设计条件，则 它就不是最佳的了， 这在实际应用中受到了限制。 到60年代初， 由于空间技 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平稳、 多输入 多输出随机序列作最优估计。 现在，卡尔曼滤波器己成功地应用到许多领域， 它既可对平稳的和非平稳的随机信号作线性最佳滤波，也可作非线性滤波。 实质上，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， 必须知道产生输入过程的系统的状态方程和测 量方程， 即要求对信号和噪声的统计特性有先验知识， 但在实际中， 往往难 以预知这些统计特性，因此实现不了真正的最佳滤波。 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佳状况， 而且在设计时， 只需要很少的或根本不需 要任何关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一样好。 因此，近十几年来， 自适应滤波理论和方法得到了迅速发展。 [1] 自适应滤波是一种最佳滤波方法。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佳滤波方法。 由于它具有更强的适应性和更 优的滤波性能。从而在工程实际中， 尤其在信息处理技术中得到广泛的应用。 自适应滤波的研究对象是具有不确定的系统或信息过程。 “不确定”是 指所研究的处理信息过程及其环境的数学模型不是完全确定的。 其中包含一 些未知因数和随机因数。 实用文案 标准文档 任何一个实际的信息过程都具有不同程度的不确定性， 这些不确定性有 时表现在过程内部， 有时表现在过程外部。 从过程内部来讲， 描述研究对象 即信息动态过程的数学模型的结构和参数是我们事先不知道的。 作为外部环 境对信息过程的影响， 可以等效地用扰动来表示， 这些扰动通常是不可测的， 它们可能是确定的， 也可能是随机的。 此外一些测量噪音也是以不同的途径 影响信息过程。 [2] 这些扰动和噪声的统计特性常常是未知的。面对这些客观 存在的各种不确定性， 如何综合处理信息过程， 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实际状况有着密不可分的关系， 具有重 要的意义。 1.2 国内外目前的研究状况 最早人们根据生物能以各种有效的方式适应生存环境从而使生命力变 强的特性引伸出自适应这个概念。 自适应滤波器属于现代滤波器的范畴，