原创力文档- 1、本文档共10页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
第四小组：马莹娜，翁玮文，陈惠锋，聂晶，樊川，刘广峰（TL），王绍伟，李朔内容提要自适应滤波器概述01自适应的诸多算法（以非递归为例）02最小均方算法（LMS）03自适应原理应用04自适应预测05自适应模拟06自适应噪声对消07自适应陷波08分离信号和谱线增强09盲均衡10开环自适应系统闭环自适应系统准则基于梯度牛顿法→最速下降→LMSLMS权向量收敛性人为噪声失调以下稍作推导…令则2Wopt=W-(1/2)R-1?01迭代公式1：W(k+1)=W(k)-(1/2)R-1?(k)迭代公式2:W(k+1)=W(k)-μR-1?(k)→牛顿法迭代公式3:W(k+1)=W(k)-μ?(k)→最速下降02→LMS迭代算法V’——W在主轴坐标中的权向量；——R的对角化特征值矩阵；V’（0）——在主轴坐标中的初始权向量。向量的收敛性经过多次迭代后，权向量的期望值E[W(k)]将收敛于维纳最优解，即。01当迭代次数无限增加时，权系数向量的数学期望值收敛于03式中，为最大特征值，即为中的最大对角元素。02维纳解。仅当满足时，上式收敛才能保证。1假如LMS算法运行时，采用一个小的自适应增益常数μ?，并且过程已收敛到稳态权向量处附近，则式中将接近零。梯度噪声将逼近于2此时，噪声的协方差为：3在主轴坐标系中权向量的协方差：4因而，回到原坐标系，权向量解的噪声近似由下式给出：权向量解的噪声030201失调所谓失调，定义为在自适应中，超量均方误差与最小均方误差之比，它是自适应过程跟踪真正维纳解接近程度的量度，自适应能力代价的量度。应用－预测器应用－自适应模拟非线性自适应滤波与盲均衡主要内容：几个概念盲均衡两大类盲解卷积高阶积累与多谱DeconvolutionandBlindEqualization01盲均衡器的Bussgang迭代算法K阶多谱02几个概念解卷积、反卷积(Deconvolution)已知u(n)h(n)求x(n)盲解卷积(BlindDeconvolution)已知u(n),未知h(n)求x(n)和h(n)
文档评论（0）