《自适应滤波器》由会员分享，可在线阅读，更多相关《自适应滤波器（58页珍藏版）》请在金锄头文库上搜索。
1、大连水产学院本科毕业论文（设计） 高通自适应滤波器的算法研究及DSP仿真实现毕业论文（设计）高通自适应滤波器的算法研究及DSP仿真实现学 生 姓 名： 文 通 指导教师： 梁策 讲师 合作指导教师： 专业名称： 电子信息工程 所在学院： 信学院息工程 年 月目 录摘 要错误！未定义书签。Abstract错误！未定义书签。第一章 绪 论- 5 -1.1自适应滤波理论发展- 6 -1.2国内外目前研究现状- 7 -1.2.1基于维纳滤波理论的方法- 8 -1.2.2基于卡尔曼滤波理论的方法- 9 -1.2.3基于最小二乘准则的方法- 10 -1.2.4基于神经网络理论的方法- 10 -1.3论文的
2、主要工作和结构安排- 11 -第二章 自适应滤波原理及应用- 12 -2.2自适应滤波器的基本应用- 15 -2.2.1信号增强器- 18 -2.2.2自适应噪声抵消器- 19 -2.2.3自适应信道均衡- 20 -第三章自适应滤波算法- 21 -3.1自适应滤波算法种类- 22 -3.1.1 LM S自适应滤波算法- 22 -3.1.2 RLS自适应滤波算法- 23 -3.1.3变换域自适应滤波算法- 24 -3.1.4仿射投影算法- 24 -3.1.5共扼梯度算法- 25 -3.1.6基于子带分解的自适应滤波算法- 26 -3.1.7基于QR分解的自适应滤波算法- 26 -3.1.8其它一
3、些自适应滤波算法- 27 -3.2算法性能评价- 28 -第四章 自适应LMS算法的研究- 29 -4. 1概述- 29 -4. 2 LMS算法及其基本变型- 29 -4.2.1基本LMS算法- 30 -4.3 LMS算法的性能分析- 31 -4.3. 1学习速率参数的选择- 31 -4.3.1.1均值收敛的条件- 32 -4.3. 2 LMS算法的统计性能- 33 -4.3.2.1稳态剩余输出均方误差- 34 -4.3.2.2稳态剩余输出能量- 35 -4.4 LMS算法的跟踪性能- 36 -4.4.1非平稳度a- 36 -第五章 RLS自适应算法分析- 37 -5.1自适应算法的基本概念-
4、 37 -5.1.1基本RLS算法原理及性能分析- 38 -5.1.1.1最小二乘滤波方程- 38 -5.1.1.2递推最小二乘法- 41 -5.2 RLS算法的收敛性- 46 -5.2.1系统模型- 47 -第六章 仿真- 51 - 摘要自适应滤波器是在不知道输入过程的统计特性时，或是输入过程的统计特性发生变化时，能够自动调整自己的参数，以满足某种最佳准则要求的滤波器。所谓自适应滤波，就是利用前一时刻己获得的滤波器参数等结果，自动的调节现时刻的滤波器参数，以适应信号和噪声未知的或随时间变化的统计特性，从而实现最优滤波。自适应滤波器实质上就是一种能调节其自身传输特性以达到最优化的维纳滤波器。自
5、适应滤波器不需要关于输入信号的先验知识，计算量小，特别适用于实时处理。自适应滤波算法的研究是当今自适应信号处理中最为活跃的研究课题之一。寻求收敛速度快，计算复杂性低，数值稳定性好的自适应滤波算法是研究人员不断努力追求的目标。本文在论述自适应滤波基本原理的基础上，介绍了目前几种典型的自适应滤波算法及其应用。并对几种典型自适应滤波算法的性能特点进行比较，给出了算法性能的综合评价。其中对LMS算法和RLS算法进行了较深入的理论分析和研究。在matlab6.5仿真条件下设计一个二阶加权系数自适应横向FIR滤波器，对一正弦信号加噪声信号进行滤波。关键词:自适应滤波，LMS算法，RLS算法，自适应滤波仿真
6、AbstractAdaptive filter is in the process do not know the statistical properties of input when the input process or change the statistical properties, it can automatically adjust its parameters to meet the requirements of a best filter criteria. The so-called adaptive filtering is one time use of th
7、e former has access to the results of the filter parameters, automatic adjustment of filter parameters is time to adapt to the unknown signal and noise or time-varying statistical characteristics, in order to achieve the optimal filter. In essence, is a kind of adaptive filter to adjust its own tran
8、smission characteristics in order to achieve optimal Wiener filter. Adaptive filter on the input signal does not require a priori knowledge, a small amount of calculation, especially for real-time processing. Adaptive filtering algorithm for adaptive signal processing is the most active one of the r
9、esearch topic. The search for fast convergence and low computational complexity, numerical stability of adaptive filtering algorithm is good researchers continue to strive for goals. This paper discusses the basic principles of adaptive filtering based on the introduction is typical of the adaptive
10、filtering algorithm and its application. And several typical adaptive filtering algorithm to compare the performance characteristics, the algorithm is given a comprehensive evaluation of the performance. One of the LMS algorithm and RLS algorithm is more in-depth theoretical analysis and research. M
11、atlab7.0 simulation conditions in the design of a second-order weighting coefficient adaptive FIR filter horizontally, of a sinusoidal signal plus noise filtering signals.Key words: adaptive filter, LMS algorithm, RLS algorithm, adaptive filter simulation第一章 绪论从连续的(或离散的)输入数据中滤除噪声和干扰以提取有用信息的过程称为滤波。相应
12、的装置称为滤波器。实际上一个滤波器可以看成一个系统，这个系统的目的是为了从含有噪声的数据中提取人们感兴趣的、或者希望得到的有用信号，即期望信号。滤波器可分为线性滤波器和非线性滤波器两种。当滤波器的输出为输入的线性函数时，该滤波器称为线性滤波器，当滤波器的输出为输入的非线性函数时，该滤波器就称为非线性滤波器。自适应滤波器是在不知道输入过程的统计特性时，或是输入过程的统计特性发生变化时，能够自动调整自己的参数，以满足某种最佳准则要求的滤波器。1.1自适应滤波理论发展过程早在20世纪40年代，就对平稳随机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)，用线性最小均方误
13、差估计准则设计的最佳滤波器，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，也可作非线性滤波。实质上，维纳滤波器是卡尔曼滤波器的一个特例。在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
14、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象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，近十几年来，自适应滤波理论和方法得到了迅速发展。图1-1描述的是一个通用的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，它的冲激响应为h(n)，或称其为滤波参数；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，滤波器参数受误差信号e(n)的控制并自动调整，使y(n)的估计值（n）超于所期望的响应d(n)。因此，自适应滤波器与普通滤波器不同，它的冲激响应或滤波器参数是随外部环境的变化而改变的，经过一段自动调节的收敛时间达到最佳滤波的要求。但是，自适应滤波器本身有一个重要的自适应算法，这个算法可以根据输入、输出及原参量值，按照一定准则修改滤波器参量，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，它也可推
