自适应滤波器毕业设计论文

自适应滤波器毕业设计论文

大学

数字信号处理课程要求论文

基于LMS的自适应滤波器设计及应用

学院名称：

专业班级：

学生姓名：

学号：

2013年6月

自适应滤波器毕业设计论文

摘要自适应滤波在统计信号处理领域占有重要地位，自适应滤波算法直接决定着滤波器性能的优劣。目前针对它的研究是自适应信号处理领域中最为活跃的研究课题之一。收敛速度快、计算复杂性低、稳健的自适应滤波算法是研究人员不断努力追求的目标。

自适应滤波器是能够根据输入信号自动调整性能进行数字信号处理的数字滤波器。作为对比，非自适应滤波器有静态的滤波器系数，这些静态系数一起组成传递函数。研究自适应滤波器可以去除输出信号中噪声和无用信息，得到失真较小或者完全不失真的输出信号。本文介绍了自适应滤波器的理论基础，重点讲述了自适应滤波器的实现结构，然后重点介绍了一种自适应滤波算法最小均方误差（LMS）算法，并对LMS算法性能进行了详细的分析。最后本文对基于LMS算法自适应滤波器进行MATLAB仿真应用，实验表明：在自适应信号处理中，自适应滤波信号占有很重要的地位，自适应滤波器应用领域广泛；另外LMS算法有优也有缺点，LMS算法因其鲁棒性强特点而应用于自回归预测器。

关键词：自适应滤波器，LMS算法，Matlab,仿真

自适应滤波器毕业设计论文

1.引言

滤波技术在当今信息处理领域中有着极其重要的应用。滤波是从连续的或离散的输入数据中除去噪音和干扰以提取有用信息的过程，相应的装置就称为滤波器。滤波器实际上是一种选频系统，他对某些频率的信号予以很小的衰减，使该部分信号顺利通过；而对其他不需要的频率信号予以很大的衰减，尽可能阻止这些信号通过。滤波器研究的一个目的就是:如何设计和制造最佳的(或最优的)滤波器。Wiener于20世纪40年代提出了最佳滤波器的概念，即假定线性滤波器的输入为有用信号和噪音之和，两者均为广义平稳过程且己知他们的二阶统计过程，则根据最小均方误差准则(滤波器的输出信号与期望信号之差的均方值最小)求出最佳线性滤波器的参数，称之为Wiener滤波器。同时还发现，在一定条件下，这些最佳滤波器与Wiener滤波器是等价的。然而，由于输入过程取决于外界的信号、干扰环境，这种环境的统计特性常常是未知的、变化的，因而不能满足上述两个要求，设计不出最佳滤波器。这就促使人们开始研究自适应滤波器。自适应滤波器由可编程滤波器(滤波部分)和自适应算法两部分组成。可编程滤波器是参数可变的滤波器，自适应算法对其参数进行控制以实现最佳工作。自适应滤波器的参数随着输入信号的变化而变化，因而是非线性和时变的。

2. 自适应滤波器的基础理论

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，自动地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。所谓“最优”是以一定的准则来衡量的，最常用的两种准则是最小均方误差准则和最小二乘准则。最小均方误差准则是使误差的均方值最小，它包含了输入数据的统计特性，准则将在下面章节中讨论；最小二乘准则是使误差的平方和最小。

自适应滤波器由数字结构、自适应处理器和自适应算法三部分组成。数字结构是指自适应滤波器中各组成部分之间的联系。自适应处理器是前面介绍的数字滤波器（FIR或IIR），所不同的是，这里的数字滤波器是参数可变的。自适应算法则用来控制数字滤波器参数的变化。

自适应滤波器可以从不同的角度进行分类，按其自适应算法可以分为LMS自适应滤波器、RLS自适应滤波器等等。

自适应滤波器毕业设计论文

自适应滤波器实际上是一种能够自动调整本身参数的特殊维纳滤波器，在设计时不需要预先知道关十输入信号和噪声的统计特性，它能够在工作过程中逐步了解或估计出所需的统计特性，并以此为依据自动调整自身的参数，以达到最佳滤波效果。

自适应滤波器的特性变化是由自适应算法通过调整可编程滤波器系数来实现的。图2.1给出了自适应滤波器的一般结构，其中输入信号二x(n)通过可编程滤波器后产生输出信号(或响应)y(n)，将其与参考信号d(n)进行比较，形成误差信号e(n)，并以此通过某种自适应算法对滤波器参数进行调整，最终使得e(n)的均方值最小。

利用抽头延迟线做成的横向滤波结构的自适应滤波器，通称为自适应横向滤波器(或自适应FIR 滤波器)。它是研究所有自适应滤波算法的基本结构，由于其结构简单、成本较低，也是工程领域最常用的一种自适应滤波器。

_

+)(0n w )(1n w )

(2n w )(1n w N -……

……

….)(n x )1(-n x )2(-n x )

1(+-N n x )

(n y )

(n e )(n d

图2.2 单输入自适应滤波器 自适应横向滤波器的结构图如图2.2所示，)()........(),(10n w n w n w N 为可调节抽头权系数表示在n 时刻的系数值。它利用正规直接形式实现全零点传输函数，而不采用反馈调节。权系数的调节过程是首先自动调节滤波器系数的自适应训练步骤，然后利用滤波系数加权延迟抽头上的信号来产生输出信号，将输出信号与期望信号进行对比，所得的误差值通过可编程滤

波器

自适应算

法∑)

(n d )(n x )

(n e )(n y

图2.1 自适应滤波器的原理图

自适应滤波器毕业设计论文

一定的自适应控制算法再用来调整权值，以保证滤波器处在最佳状态，其抽头加权系数集正好等于它的冲激响应，达到实现滤波的目的。

自适应递归滤波器是指零点和极点都能自适应调整的滤波器，它的传输函数中分子和分母通常具有独立的迭代步长因子。对有些利用横向滤波器实现时需要数百个甚至上千个抽头系数，可以考虑使用自适应递归滤波器。缺点是递归滤波器要求对极点的稳定性进行监视，而且收敛速度很慢。采用得最多的自适应递归滤波器结构是如图2-3所示的直接形式结构，自适应滤波器传输函数分母的系数为)().........(),(10n b n b n b N ，传输函数分子的系数为)().........(),(10n a n a n a N ，其中N 和M 分别是自适应滤波器分母和分子的阶数。

3. 自适应滤波算法

3.1 最小均方误差（LMS ）算法

LMS 算法是基于最小均方误差准则(MMSE)的维纳滤波器和最陡下降法提出的，依据输入信号在迭代过程中估计梯度矢量，并更新权系数以达到最优的自适应迭代算法。这算法不需要计算相应的相关函数，也不需要进行矩阵运算。自适应滤波器最普通的应用就是横向结构。滤波器的输出信号y(n)是

()()()()()∑-=-=*=1

0N i i T

i n x n w n x n w n y （3-1） 1/Z

1/Z 1/Z 1/Z

1/Z

1/Z 。。。。。

。。

。∑)(1n

b )(2n b )(n b M )(1n

a -)

(2n a -)(n a N -)

(n x )(n y

图2.3 自适应递归滤波器

自适应滤波器毕业设计论文

T 表示转置矩阵， n 是时间指针，N 是滤波器次数。这个例子就是有限脉冲响应滤波器的形式，为x(n)和w(n)两个矩阵卷积。这种自适应算法使用误差信号

()()()n y n d n e -= （3-2）

为了方便起见，将上述式子表示为向量形式，则上述式子表示为:

()()()T y n w n x n =* （3-3）

误差序列可 …… 此处隐藏：8305字，全部文档内容请下载后查看。喜欢就下载吧 ……