《（毕业设计论文）《lms算法研究》》由会员分享，可在线阅读，更多相关《（毕业设计论文）《lms算法研究》（66页珍藏版）》请在金锄头文库上搜索。
1、精品论文计算机与通信学院计算机与通信学院本科生毕业论文LMSLMS 及其改进算法研究及其改进算法研究作 者： 学 号： 专 业：通信工程班 级： 指导教师： 答辩时间： LMS 及其改进算法研究The study of LMS algorithm and its improve algorithms摘摘 要要因 LMS 算法具有低计算复杂度、在平稳环境中的收敛性好、其均值无偏地收敛到wiener 解和利用有限精度实现算法时的稳定性等特性，使 LMS 算法成为自适应算法中应用最广泛的算法。对 LMS 算法及其改进算法进行了研究，探讨了步长因子对各种算法收 n敛性、稳定性的影响。并用 MATLAB
2、 对其学习曲线、收敛速度等进行了仿真分析。结果表明，变步长的取值尤为重要，如果 （n）取较大值则具有较快的收敛速度，如果 n（n）取值很小，则 MLMS 算法近似等效于 LMS 算法。它们的自适应过程较快，性能有了很大改进。AbstractBecause of low computational complexity, stable environment in the convergence of good, unbiased and its mean converges to the wiener solution and implementation algorithms using f
3、inite precision stability and other characteristics, LMS algorithm as adaptive algorithm in the application of the most a wide range of algorithms.We have a detailed study on LMS algotithm and its complementary algotithm,disscused the step-sizes influent for the algorithms convergence speed and stab
4、ility. And using MATLAB simulated the learning curve, convergence speed of LMS algotithm.The result observed that the value of variable step-size （n）is very important,if it is a bigger may have a fast convergence speed,but if not ,the NLMS algotithm can instead the LMS algotithm in the characteristi
5、cs. In addition , they have a fast adaptive course and greatly progress in performance. Keywords：LMS algorithm，Adaptive，NLMS algorithm，Variable step，MATLAB simulation.目目 录录第一章 绪论 .51.1 自适应滤波理论的发展 5 1.2 自适应 LMS 算法的发展 6 1.2.1 LMS 算法历史.6 1.2.2 LMS 算法的现状.6 1.2.3 LMS 算法的发展前景.6第二章 自适应 LMS 算法的研究 .82.1 概述 8
6、 2.2 LMS 算法 8 2.2.1 自适应收敛性10 2.2.2 平均 MSE学习曲线 11 2.2.3 失调 .13 2.2.4 缩短收敛过程的方法 .14第三章 LMS 自适应滤波器的改进形式 .163.1 归一化 LMS 算法16 3.1.1 TDO-LMS 算法18 3.1.2 MLMS 算法.19 3.2 泄露 LMS 算法 .20 3.3 极性 LMS 算法 .21 3.4 LMS 算法梯度估计的平滑21 3.5 解相关 LMS 算法 .22 3.6 性能比较 .23第五章 LMS 算法的应用.245.1 LMS 类均衡器24 5.1.1 解相关 LMS（Decorrelati
7、on LMS,DLMS）均衡算法24 5.1.2 变化域解相关 LMS 均衡算法 .24 5.2 自适应信号分离器 .25 5.3 自适应陷波器 .26 5.4 系统辨识或系统建模26第六章 仿真及其结果分析 286.1 仿真思路28 6.2 结果及分析28 6.2.1 LMS 及其改进算法28 6.2.2 LMS 自适应均衡器31 6.2.3 自适应信号分离器 .33 6.2.4 自适应陷波器 .33 6.2.5 系统辨识或系统建模33结 论 .35参考文献 .36附录 英文原文及译文 37附录 仿真程序 50致 谢 .64离散时间线性系统自适应算法Sx(n)y(n)-+e(n) d(n)d
8、(n)第一章第一章 绪论绪论1.1 自适应滤波理论的发展早在 20 世纪 40 年代，就对平稳随即信号建立了维纳滤波理论。根据有用信号和干扰噪声的统计特性（自相关函数或功率谱） ，以线性最小均方误差估计准则所设计的最佳滤波器，称为维纳滤波器。这种滤波器能最大程度地滤除干扰噪声，提取有用信号。但是，当输入信号的统计特性偏离设计条件，则它就不再是最佳的了，这在实际应用中受到了限制。到 60年代初，由于空间技术的发展，出现了卡尔曼滤波理论，即利用状态变量模型对非平稳、多输入多输出随机序列作最优估计。现在，卡尔曼滤波器已成功地应用到许多领域，它既可对平稳的和非平稳的随机信号作线性最佳滤波，也可作非线性
9、滤波。实质上，维纳滤波器是卡尔曼滤波器的一个特例。若设计卡尔曼滤波器时，必须知道产生输入过程的系统的状态方程和测量方程，即要求对信号和噪声的统计特性有先验知识。但在实际中，往往难以预知这些统计特性，因此实现不了真正的最佳滤波。Widrow B.等于 1967 年提出的自适应滤波理论，可使自适应滤波系统的参数自动地调整而达到最佳状况，而且在设计时，只需要很少的或是根本不需要任何关于信号与噪声的先验统计知识。这种滤波器的实现差不多像维纳滤波器那样简单，而滤波性能几乎如卡尔曼滤波器一样好。因此，近十年来，自适应滤波理论的方法得到了迅速发展。图 1-1 自适应滤波器原理图图 1-1 描述的是一个通用的
10、自适应滤波估计问题，图中离散时间线性系统表示一个可编程滤波器，它的冲击响应为 h(n)，或称其为滤波参数6。自适应滤波器输出信号为 y(n)，所期望的响应信号为 d(n)，误差信号 e(n)为 d(n) 与 y(n)之差。这里，期望响应信号 d(n) 是根据不同用途来选择的，自适应滤波器的输出信号 y(n)是对期望响应信号 d(n)进行估计的，滤波参数受误差信号 e(n)的控制并自动调整，使 y(n)得估计值等于所期望的响应 d(n).因)( ny此，自适应滤波器与普通滤波器不同，它的冲击响应或滤波参数是随外部环境的变化而变化的，经过一段自动调整的收敛时间达到最佳滤波的要求。但是，自适应滤波器
11、本身有一个重要的自适应算法，这个算法可以根据输入、输出及原参数量值，按照一定准则改变滤波参量，以使它本身能有效地跟踪外部环境的变化。通常，自适应滤波器是线性的，因而也是一种线性移变滤波器。当然，它可推广到自适应非线性滤波器。在图 1-1 中，离散时间线性系统可以分为两类基本结构，其中一类为非递归型横向结构的数字滤波器，它具有有限的记忆，因而称之为有限冲激响应（FIR）系统，即自适应 FIR滤波器。另一类为递归型数字滤波器结构，理论上，它具有无限的记忆，因而称之为无限冲激响应（IIR）系统，即自适应 IIR 滤波器。对于上述两类自适应滤波器，还可以根据不同的滤波理论和算法，分为结构不同的自适应滤
12、波器，它们的滤波器性能也不完全相同。1.2 自适应 LMS 算法的发展1.2.1 LMS 算法历史1955-1966 年期间美国通用公司在研制天线的过程中，为抑制旁瓣，由 windows 和 hoff在 60 年代初提出了基本 LMS 算法6。随后又发展出了归一化算法和加遗忘因子 LMS 算法。1977 年，makjoul 提出了格型滤波器，并由此发展出 LMS 自适应格型滤波器算法。Herzberg、cohen 和 beery 提出了延时 LMS（DLMS）算法。2002 年，尚勇，吴顺君，项海格提出了并行延时 LMS 算法。此外，还有复数 LMS 算法、数据块 LMS 算法等，在此就不一一
13、列举了。1.2.2 LMS 算法的现状因 LMS 算法具有低计算复杂度、在平稳环境中的收敛性好、其均值无偏地收敛到wiener 解和利用有限精度实现算法时的稳定性等特性，使 LMS 算法成为自适应算法中应用最广泛的算法。由于 LMS 算法的广泛应用，以及在实际条件下，为解决实际问题，基于LMS 算法的新 LMS 类算法不断出现。1.2.3 LMS 算法的发展前景因 LMS 算法是自适应滤波器中应用最广泛的算法，所以可以说，自适应滤波的发展前景也就是 LMS 算法的发展前景。它主要包括以下几个方面的应用：1、系统辨识和建模(System Identification and Modeling)。
14、自适应滤波器作为估计未知系统特性的模型。2、自适应信道均衡(Adaptive Channel Equlization)。在数字通信中采用自适应信道均衡器，可以减小传输失真，以及尽可能地利用信道带宽。3、回波消除(Echo Cancellation)。在 2 线和 4 线环路电话系统中，线路间存在杂散电路耦合，这些杂散导致阻抗不匹配，从而形成了信号的反射，也就是我们在线路两端听到的回声。这种回波能对高速数据传输造成灾难性的后果。回波消除就是预先估计一个回波，然后用返回信号来减此回波，从而达到回波消除的目的。消除心电图中的电源干扰就是它的一个具体应用。4、线性预测编码（Linear Predict
15、ive Coding） 。近年来，对语音波形进行编码，它可以大大降低数据传输率。在接收端使用 LPC 分析得到的参数，通过话音合成器重构话音。合成器实际上是一个离散的随时间变化的时变线性滤波器。时变线性滤波器既当作预测器使用，又当作合成器使用。分析语音波形时作预测器使用，合成语音时作话音生成模型使用。5、自适应波束形成（Adaptive Beaamforming） 。频谱资源越来越紧张，利用现有频谱资源进一步扩展容量成为通信发展的一个重要问题。智能天线技术利用阵列天线替代常规天线，它能够降低系统干扰，提高系统容量和频谱效率，因此智能天线技术受到广泛关注。自适应束波形成通过调节天线各阵元的加权幅
16、度和相位，来改变阵列的方向图，使阵列天线的主瓣对准期望用户，从而提高接收信噪比，满足某一准则下的最佳接收。在雷达与声纳的波束形成中，自适应滤波器用于波束方向控制，并可在方向图中提供一个零点以便消除不希望的干扰。其应用还有噪声中信号的滤波、跟踪、谱线增强以及预测等。Z-1Z-1SZ-1SSSSu(n)x(n-1)x(n-2)x(n-M+2)x(n-M+1)Wh(0)Wh(1)Wh(2)Wh(m-2)Wh(m-1)d(n)y(n)e(n)第二章第二章 自适应自适应 LMSLMS 算法的研究算法的研究2.1 概述自适应算法中使用最广的是下降算法，下降算法的实现方式有两种：自适应梯度算法和自适应高斯-牛顿算法。自适应高斯-牛顿算法包括 RLS 算法及其变型和改进型，自适应梯度算法包括 LMS 算法及其变型和改进型2,6。滤波器设计准则是使滤波器实际输出 y(n)与期望响应 d(n)之间的均方误差 J（n）为最小，这称为最小均方误差（MMSE）准则。图 2-1FIR 滤波器的自适应实现图
