现代数字信号处理5齐齐哈尔大学.ppt

01主麦克风输入目标:对n1进行自适应滤波,滤波器为w,从主麦克风得到的信号中减去y,得到“干净”的信号z,从而达到降噪的目的。02Singal+Noise0参考麦克风输入03s+n0Noise104+n1模型FilteryRecoveredSignalzlogo算法代价函数策略:调整滤波器系数,使最小,这也意味着最小.这个意义下,可以看成是误差信号滤波器系数的调整01滤波器的阶数是worder,滤波器的输出添加标题02其中添加标题03调整滤波器系数的LMS算法添加标题滤波器系数的调整调整滤波器系数的RLS算法语音噪声环境中的语音LMS滤波效果主麦克风信号01.滤波输出信号01.均方误差01.RLS滤波效果主麦克风信号01.滤波输出信号01.均方误差01.线性调频信号LMS滤波效果主麦克风信号01.滤波输出信号01.均方误差01.RLS滤波效果主麦克风信号滤波输出信号均方误差DCAB第六章现代谱估计离散随机过程与非参数化谱估计离散随机过程x(n)是连续随机过程x(t)的均匀采样.先采样再计算还是先计算再采样？离散随机过程x(n)是广义平稳的，若其均值为常数，自相关函数只取决于时间k＝n1-n2，即互功率谱可定义为平稳离散随机过程x(n)的功率谱为自相关函数的Fourier变换，即离散随机过程x(n)和y(n)是广义联合平稳的，若二者均为广义平稳，且互相关函数只取决于时间k＝n1-n2，即其反变换（Fourier级数）为间接法单击此处添加正文，文字是您思想的提炼，为了演示发布的良好效果，请言简意赅地阐述您的观点。1）直接法02直接法（先计算Fourier变换）和间接法（先计算自相关函数）。6.1.2非参数化功率谱估计016.2平稳ARMA过程若离散随机过程x{t}服从线性差分方程Z变换后可得A(z)X(z)=B(z)E(z).记为ARMA(p,q).定义6.2.1(因果稳定性)一个由A(z)X(z)=B(z)E(z)定义的ARMA过程是因果稳定的，或称x(n)是e(n)的因果稳定函数，若存在一常数序列满足下列条件：定理6.2.1令{x(n)}是一个A(z)和B(z)无公共零点的ARMA(p,q)过程，则{x(n)}是因果稳定的，当且仅当A(z)的零点都在单位圆内.定义6.2.2(可逆性)一个由A(z)X(z)=B(z)E(z)定义的ARMA过程是可逆的，若存在一常数序列{?i}满足下列条件：定理6.2.2令{x(n)}是一个A(z)和B(z)无公共零点的ARMA(p,q)过程，则{x(n)}是可逆的，当且仅当B(z)的零点都在单位圆内.添加标题定理6.2.3若对所有|z|?1有A(z)≠0，则ARMA过程A(z)X(z)=B(z)E(z)具有唯一的平稳解添加标题定理6.2.4任何一个具有有限方差的ARMA或MA过程都可以表示为唯一的、阶数可能为无穷大的AR过程；同样，任何一个ARMA或AR过程也可以表示为一个阶数可能为无穷大的MA过程。添加标题平稳ARMA过程的功率谱密度ARMA过程的功率谱密度定理6.3.1令{y(n)}是一具有零均值的离散平稳随机过程，其功率谱密度为Py(?)。若{x(n)}是由（2）求出均方误差梯度表示式（3）维纳-霍夫方程(4)最小均方误差算法实际上，设计自适应DF无需知道R和P。自适应DF与维纳（平稳随机过程）DF比较，其差别在于增加了一个识别控制环节，将输出y(j)与所期望的响应d(j)比较，看是否一样，如果有误差ε(j)，用ε(j)去控制w,使w为E[ε2(j)]=min时的W*.因此，关键：找到LMS算法，寻找一个W的递推式，由W=W0，起始值开始，沿着趋于W*的正确方向逐步递推，直至W=W*，E[ε2(j)]=min为止。这就是最小均方误差算法，简称LMS算法。1第三节LMS递推算法寻找一个W的递推式，由W=W0，起始值开始，沿着趋于W*的正确方向逐步递推，直至W=W*，E[ε2(j)]=min为止一、LMS算法递推式LMS递推算法是Windrow与Hoff两个提出的。设w(j)是j时刻的权矢量，w(j+1)是j+1时刻的权矢量；则LMS算法的递推公式为：式中μ0,μ是一个控制稳定性与收敛速度的参数。因为E[ε2(j)]是权矢量W的二次方程，即E[ε2(j)]与W的关系在几何上是一个“碗形”的多维曲面。二、自适应过程的物理意义AB为