《医学信号分析与处理》7_自适应滤波及其应用.pptVIP

* * LMS算法的改进形式之一：归一化LMS算法（NLMS） 为了确保对自适应滤波器的稳定收敛，出现了对收敛因子进行归一化的NLMS算法。这种算法的归一化收敛因子表示为： * * * * 泄漏LMS算法 * * * * 极性LMS算法 * * LMS算法梯度估计的平滑 * * * * 解相关LMS算法 LMS算法的一个主要缺点是收敛速度比较慢，这主要是由于算法的输入信号矢量的各元素具有一定的相关性，因此对输入信号解相关可有效地较快LMS算法的收敛速度。 定义x(n)与x(n-1)在时刻n的相关系数为 若c(n)=1,则称x(n)是x(n-1)的相干信号 若c(n)=0,则称x(n)与x(n-1)之间不相干 若0c(n)1,则称x(n)与x(n-1)部分相关 代表了信号x(n)与x(n-1)相关的部分，从x(n)中减去这部分，则相当于解相关运算。定义解相关方向矢量为 自适应迭代的收敛因子满足下列最小化问题的解 * * 解相关LMS算法 由此得到时变收敛因子为 解相关LMS自适应算法的迭代公式为 上述解相关LMS算法可以看做一组自适应辅助变量法，其中的辅助变量由v(n)=x(n)-c(n)x(n-1)给出。一般来说，辅助变量的选取原则是，它应该与滞后的输入和输出强相关，而与干扰不相关。 * * 应用中需要注意的问题 信号的有限字长问题 自适应数字滤波器的实现包含了有限字长的运算，从而造成了实际的自适应滤波器（有限精度）与理想的自适应滤波器（无限的精度）之间的性能差别 主要因素：输入信号与期望信号的量化，滤波器系数的量化，滤波器运算过程中的舍入误差等。 数值稳定性：使用 和 分别表示无限精度和有限精度自适应滤波器的权矢量，若 总是保持有界，即舍入误差传播系统总是稳定的，则认为自适应滤波器是数值稳定的。数值稳定性是自适应算法的固有特性，不能通过提高数字精度来改变，增加字长或重新组织运算只会延缓自适应滤波器的发散，只有通过改进舍入误差传播系统的性能，才能达到自适应滤波器的稳定。 * * 应用中需要注意的问题 信号的有限字长问题 数值准确性：用来度量稳态下由于舍入误差引起的实际值与理论值的偏差。数值准确性达不到要求，会导致系统输出的误差增加，通过增加字长，可以减小这种误差。在数值稳定性不够的情况下， 如果舍入误差的积累得不到有效的抑制，则可能产生灾难性的后果，即导致算法发散或崩溃。 LMS自适应滤波器的韧性 自适应滤波器的韧性是自适应系统对于初始条件w(0)和系统最优残差及其他误差 的敏感程度。定义干扰的能力 和估计误差的能量 为 * * 应用中需要注意的问题 LMS自适应滤波器的韧性 假定收敛因子满足 ，则可以证明LMS算法确定的系数矢量满足 ，该条件表示系统残差的能量以干扰的能量为上限，由此表面了LMS算法的韧性。另一方面，对于所有的有限能量干扰，LMS算法能够使这种两种能量间最大可能的区别最小化，根据极大极小化准则，这种算法是最优的。 收敛因子与系统误差 收敛因子控制着收敛速度与稳态失调的平横。一般来说，较小的收敛因子会导致较慢的收敛速度和较小的稳态失调。在数字自适应系统中，当迭代增量（修正项）的大小比数字量的最低有效位的一半还小的时候，LMS算法的自适应迭代将停止，即 * * 应用中需要注意的问题 收敛因子与系统误差 因此， 的减小将导致系统性能的下降。由 可以看出迭代因子与系统的误差关系，即 其中， 为输入信号幅度的均方根值；DRE为数字化残差。 * * 应用中需要注意的问题 块LMS算法 针对某些实际问题中要求自适应滤波器要求很高的阶数，例如电话会议系统中，用于回波抵消的自适应滤波器的阶数可能高达8000阶，要实时实现自适应回波抵消是相当困难的，如果采用块LMS自适应算法，则可以有效减小上述应用问题的计算复杂度，同时具有较好的性能。 概念：所谓块自适应滤波器就是在自适应迭代中，每次处理一个数据块，滤波器的系数每块更新一次，而在每块的处理过程中保持不变。 * * 应用中需要注意的问题 块LMS算法 这种LMS块自适应滤波器具有以下特点：较高的数值准确性，易于实现并行计算和数据传送，可以利用FFT计算卷积和相关矩阵，从而降低计算复杂度。 变换域LMS算法 影响LMS自适应滤波器收敛速度的主要因素是输入信号自相关矩阵 的最大特征值与最小特征值之比。当输入信号自相关阵为对角阵且有