自适应滤波器毕业设计读书报告.docxVIP

读书报告 学院名称：电气信息工程学院专业班级：电子信息工程0803班学生姓名：陆文娟(3080503080)2012年6月 自适应滤波器是指利用前一时刻的结果，自动调节当前时刻的滤波器参数，以适应信号和噪声未知或随机变化的特性，得到有效的输出。研究自适应滤波器可以去除输出信号中噪声和无用信息，得到失真较小或者完全不失真的输出信号。自适应滤波器的研究是当今自适应信号处理中最为活跃的研究课题之一。因其具有很强的自学习、自跟踪能力和算法的简单易实现性等优点，使得它在噪化信号的检测增强，噪声干扰的抵消，通信系统的自适应均衡，图像的自适应增强复原以及未知系统的自适应参数辩识等方面都得到了广泛的应用。 近十几年来，自适应滤波理论和方法得到了迅速的发展，究其原因是因为自适应滤波器相比于其他一般的滤波器在滤波性能、设计实现的难易程度、对外部环境的复杂程度的适应能力和对系统先验统计知识的依赖程度等方面都显现出强大的优势。我的毕业设计题目是《自适应滤波器的设计与应用》，在做毕业设计期间，我阅读了大量参考书籍，如《自适应滤波技术》《自适应滤波的原理》《递推最小二乘（RLS）算法》《基于MATLAB的自适应滤波器的仿真实验》《变步长自适应滤波算法的研究》等等，这里简要介绍一下其中起着重要指导作用的几本书及我的学习心得。 安颖，侯国强的《自适应滤波技术》中，主要介绍了数字滤波器，自适应滤波器的基本原理应用，其中分两部分来介绍自适应滤波器，一部分介绍自适应滤波器的结构，另一部分介绍自适应算法，重点研究了两种自适应算法LMS算法和RLS算法，并对两种算法进行了性能分析与比较。 目前自适应滤波技术应用在很多领域，现阶段通过对自适应滤波器的研究，发现其主要有以下4种基本应用类型： 第一，系统辨识：这时参考信号就是未知系统的输出，当误差最小时，此时自适应滤波器就与未知系统具有相近的特性，自适应滤波器用来提供一个在某种意义上能够最好拟合未知装置的线性模型。 第二，逆模型：在这类应用中，自适应滤波器的作用是提供一个逆模型，该模型可在某种意义上最好拟合未知噪声装置。理想地，在线性系统的情况下，该逆模型具有等于未知装置转移函数倒数的转移函数，使得二者的组合构成一个理想的传输媒介。该系统输入的延迟构成自适应滤波器的期望响应。在某些应用中，该系统输入不加延迟地用做期望响应。 第三，预测：在这类应用中，自适应滤波器的作用是对随机信号的当前值提供某种意义上的一个最好预测。于是，信号的当前值用作自适应滤波器的期望响应。信号的过去值加到滤波器的输入端。取决于感兴趣的应用，自适应滤波器的输出或估计误差均可作为系统的输出。在第一种情况下，系统作为一个预测器；而在后一种情况下，系统作为预测误差滤波器。 第四，干扰消除：在一类应用中，自适应滤波器以某种意义上的最优化方式消除包含在基本信号中的未知干扰。基本信号用作自适应滤波器的期望响应，参考信号用作滤波器的输入。参考信号来自定位的某一传感器或一组传感器，并以承载新息的信号是微弱的或基本不可预测的方式，供给基本信号上。 三、发展趋势： 自适应信号处理的应用领域包括通信、雷达、声纳、地震学、导航系统、生物医学和工业控制等，所以自适应滤波算法是自适应滤波处理技术中的关键部分，它不仅决定了算法的收敛速度，还决定了算法软件实现的复杂度。因此，找到一种真正快速收敛且性能优良的自适应滤波算法是自适应滤波器在广泛应用技术研究的关键。在现有算法的基础上开发和研究性能优越的自适应波束形成算法成为主要的发展趋势。也将主导自适应滤波器向更广阔的领域发展。 四、存在问题： 自适应滤波算法是自适应滤波处理中极其重要的一环，它的选择不仅决定了算法的收敛速度，还决定了算法软、硬件件实现的复杂度。这也就决定了找到一种合适的，真正的快速收敛且性能优良的自适应滤波算法是非常重要的。课题开发存在的主要问题全都在自适应滤波算法的性能上，而衡量性能的主要因素包括：算法的收敛速度，算法的跟踪性能，算法的稳健性，算法的计算复杂度等方面来体现，但目前的算法在性能上已经大有改进，但仍旧不能从根本上解决还好这几个主要因素的关系，使之在一定的条件下都能向好的方向发展。比如固定步长的LMS自适应算法在收敛速率、跟踪速率及权失调噪声之间的要求是相互矛盾的。为了克服这一缺点，人们研究出了各种各样的变步长LMS的改进算法。尽管各种改进算法的原理不同，但变步长LMS自适应算法基本上遵循如下调整原则:即在初始收敛阶段或未知系统参数发生变化时，步长应比较大，以便有较快的收敛速度或对时变系统的跟踪速度，而在算法收敛后，不管主输人端干扰信号有多大，都应保持很小的调整步长以达到很小的稳态失调噪声。 张贤达的《递推最小二乘法》中，主要对递推最小二乘法进行了详细的推导，先介绍了最速梯度法，再在次基础上推出递推最小二乘法