自适应滤波实验报告.docVIP

自适应滤波实验报告

姓名:学号:日期:2015.12.2

实验内容:

利用自适应滤波法研究从宽带信号中提取单频信号的方法。

设x?t??s?t??Acos?2?f1t????Bcos?2?f2t?，s?t?是宽带信号，A，B，f1，f2，?任选

(1)要求提取两个单频信号;

(2)设f2?f1??f，要求提取单频信号cos?2?f2t?，研究?f的大小对提取单频信号的影响。

1.自适应滤波器原理

自适应滤波器理论是现代信号处理技术的重要组成部分，它对复杂信号的处理具有独特的功能。自适应滤波器在信号处理中属于随机信号处理的范畴。在一些信号和噪声特性无法预知或他们是随时间变化的情况下，自适应滤波器通过自适应滤波算法调整滤波器系数，使得滤波器的特性随信号和噪声的变化，以达到最优滤波的效果，解决了固定全系数的维纳滤器和卡尔曼滤波器的不足。

(1)自适应横向滤波器

所谓自适应滤波，就是利用前一时刻已获得的滤波器参数等结果，自动调节现时刻的滤波器参数，以适应信号和噪声未知或随时间变化的统计特性，从而实现最优滤波。自适应滤波器由两个部分组成:滤波器结构和调节滤波器系数的自适应算法。自适应滤波器的特点是自动调节自身的冲

激响应，达到最优滤波，此算法适用于平稳和非平稳随机信号，并且不要求知道信号和噪声的统计特性。

一个单输入的横向自适应滤波器的原理框图如图所示:

实际上这种单输入系统就是一个FIR网络结构，其输出y?n?用滤波器单位脉冲响应表示成下式:

y?n???w?m?x?n?m?

m?0N?1

这里w?n?称为滤波器单位脉冲响应，令:

i?m?1,wi?w?i?1?,xi?x?n?i?1?,n用j表示，上式可以写成

yj??wixij

i?1N

这里wi也称为滤波器加权系数。用上面公式表示其输出，适用于自适应线性组合器，也适用于FIR滤波器。将上式表示成矩阵形式:

yj?

式中

误差信号表示为XWjT?WTTXjW??w1,w2,...,wN?,X?

T?x1j,x2j,...,xNjj?Tej?dj?yj?dj?WXj

(2)最小均方(LMS)算法

Widrow等人提出的最小均方算法，是用梯度的估计值代替梯度的精确值，这种算法简单易行，因此获得了广泛的应用。

LMS算法的梯度估计值用一条样本曲线进行计算，公式如下:

??e2??e2?e2

jjj?j??e??...??wN???w1?w2?????2j

因为ej?dj?WX

TTj??e2??e2?e2

jjj所以?...???Xj?wN???w1?w2??

X

W?W?2?eX?j??2ejj?1?jjjj

FIR滤波器中的第i个权系数的计算公式为

wj?1,i?wj,i?2?ejxj,ii?1,2,3,...,N

2.编程思想

在本题目中，要求在受宽带信号干扰的输入信号中分别提取出两个单频信号，因此，可采用KLS自适应滤波方法提取。在仿真中设置如下:

(1)单频信号幅度A=2，B=3，相位???

3;

(2)调整步长分别设为mu1=0.0001，mu2=0.00001;

(3)滤波器阶数M=50;

(4)宽带信号设为均值为0，方差为1的白噪声;

(5)提取单频信号F1?Acos?2?f1t???，设置期望信号为理想信号，即为F1;

(6)提取单频信号F2?Bcos?2?f2t?，设置期望信号为理想信号，即为F2;然后，根据LMS算法，更新滤波器系数W。

3.源代码

%自适应滤波LMS算法

functionAdaptive_Filter_LMS(f1,Delte)%Delte为f2-f1

mu1=0.0001;mu2=0.00001;%步长

Ts=0.0001;%采样间隔

N=3000;%信号长度

M=50;%阶数

A=2;B=3;f2=f1+Delte;Phi=pi/3;%频率幅度相位设置

s=1*randn(1,N);%宽带信号

k=1:N;

F1=A*cos(2*pi*f1*k*Ts+Phi);F2=B*cos(2*pi*f2*k*Ts);%两单频信号F=F1+F2;X=s+F1+F2;

Y1=zeros(1,N);Y2=zeros(1,N);

W1=zeros(1,M);W2=zeros(1,M);

e1=zeros(1,N);e2=zeros(1,N);

%提取信号F1

forn=M:N

x=X(n:-1:n-M+1);%滤波器输入值

Y1(n)=W1*x#39;;%滤波器输出值

e1(n)=F1(n)-Y1(n);%误差值

W1=W1+2*mu1.*e1(n).*x;%系数调整