自適應(yīng)濾波技術(shù)是在待接收信號的先驗統(tǒng)計知識未知的前提下,借助某一種濾波算法自學(xué)習(xí)外部非平穩(wěn)環(huán)境的變化,從而實現(xiàn)最佳濾波的一種濾波技術(shù)。在眾多的自適應(yīng)濾波算法中,最小均方（Least Mean Square,LMS）算法作為最廣泛使用的算法,其運算更加簡單且容易實現(xiàn)。但是當(dāng)濾波器的權(quán)重系數(shù)有所增大時,LMS算法的計算復(fù)雜度也將隨之增加,特別是在某些需要數(shù)以千計的權(quán)重系數(shù)來對系統(tǒng)進行建模的應(yīng)用中,甚至在某些資源受限的系統(tǒng)中將難以實現(xiàn)。為了解決濾波器計算復(fù)雜度的問題,Ferrara首次提出基于傅里葉變換（Fast Fourier Transform,FFT）和重疊-保存方法的頻域自適應(yīng)濾波（Frequency-domain Adaptive Filtering,FDAF）算法。然而無論是時域LMS算法,還是FDAF算法,固定的步長使濾波器始終無法兼顧快速收斂和低穩(wěn)態(tài)誤差。為了解決這一矛盾,LMS濾波器的凸組合（Convex Combination of Least Mean Square,CLMS）算法發(fā)展起來,通過將兩個獨立的LMS濾波器并聯(lián),使組合濾波器可以同時獲得較快的收斂速度和較低的... 

【文章來源】：大連海事大學(xué)遼寧省 211工程院校

【文章頁數(shù)】：80 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２．?１丨１適應(yīng)濾波器系統(tǒng)模型??Ｆｉｇ．?２．１?Ｓｙｓｔｅｍ?ｍｏｄｅｌ?ｆｏｒ?ａｄａｐｔｉｖｅ?ｆｉｌｔｅｒ??自適應(yīng)濾波器的系統(tǒng)模型如圖２．１所示

適應(yīng)濾波算法及基本特性??在己有的研＇究成果中，Ｂｕｒｍ＾Ｍｔｏａ等對塊數(shù)字濾波計算進行了廣泛的討論??該技術(shù)涉及通過一個塊輸入數(shù)據(jù)計算一個塊或一組有限濾波器的輸出。數(shù)字濾波器的模??塊輸出允許有效使用并行處理器以提高速度。根據(jù)廣義ＬＭＳ算法，在塊自適應(yīng)濾波器??中，每輸出一個數(shù)據(jù)塊調(diào)整一次濾波器系數(shù)。根據(jù)相關(guān)自適應(yīng)濾波器的收斂性分析和計??算復(fù)雜度的分析結(jié)果表明，塊自適應(yīng)濾波器允許一定程度的快速實現(xiàn)，并有效地提高濾??波器的估計精度。??２．３．１?ＢＬＭＳ自適應(yīng)濾波算法??如圖２．２所示，為了獲得計算上的優(yōu)勢，ＢＬＭＳ算法濾波器對輸入數(shù)據(jù)進行了分塊??處理。為了有效地使用塊程序，算法必須允許在不修改濾波器參數(shù)的情況下對每個數(shù)據(jù)??塊進行計算。因此，與傳統(tǒng)的ＬＭＳ濾波器在每一個數(shù)據(jù)樣本中都調(diào)整一次權(quán)重向量的??方式不同，ＢＬＭＳ濾波器應(yīng)該在每個數(shù)據(jù)塊中調(diào)整一次權(quán)重向量。也就是說，從某個角??度來看，傳統(tǒng)的ＬＭＳ濾波器是ＢＬＭＳ濾波器的一個特例，此時濾波器的塊長度為１。??ｔ??輸入信號?１?叫?ｎ????１濾波器輸出??＋?）?ｔ?串－并?￣＾?Ｓｉ?串－并，??＾變換器?？?命?？?變換器?＞?Ｈ汁機￣？??＿＿．?ＴｌＺ?”期ｍ??ｋ的機制—細?＾＋??圖２．?２塊自適應(yīng)濾波器??Ｆｉｇ．?２．２?Ｂｌｏｃｋ?ａｄａｐｔｉｖｅ?ｆｉｌｔｅｒ??假設(shè)ＬＭＳ算法在＾時刻的輸入信號向量為??？?ｘ（ｎ）?＝?＼＿ｘ（ｎ），ｘ（ｎｘ（ｎ?－?Ｍ?＋?＼）Ｊ?（２．?１０）??相對應(yīng)的，第《時刻自適應(yīng)濾波器的權(quán)向量為??州（，２）＝［冰〇（＂），叫（《），＂？，？＿？］’?（

大連海事大學(xué)碩丨．？學(xué)位論文??４?ＣＯＳＦＤＡＦ算法的性能分析??己知ＣＬＭＳ算法的基本原理是將兩個具有不同迭代步長的獨立ＬＭＳ濾波器相并聯(lián)，??各個濾波器使用其自身的誤差信號進行獨立調(diào)整，而組合濾波器則通過隨機梯度算法進??行調(diào)整，目的是為了使整個結(jié)構(gòu)的誤差最小，同時具有較快的收斂速度，使得組合濾波??器具有較高的輸出質(zhì)量。然而當(dāng)濾波器的權(quán)重系數(shù)變大時，尤其是在某些需要數(shù)千個權(quán)??重系數(shù)來對系統(tǒng)脈沖響應(yīng)建模的應(yīng)用中，時域算法的計算復(fù)雜度較大，對于ＣＬＭＳ算??法，其計算復(fù)雜度更是雙倍的增加，并且這些算法在資源受限的系統(tǒng)中可能將難以實現(xiàn)。??因此，以ＦＤＡＦ算法和ＣＬＭＳ算法為基礎(chǔ)，提出了頻域自適應(yīng)濾波器的凸組合（ＣＯＦＤＡＦ）??算法該算法在降低計算復(fù)雜度的同時，還有效地解決了濾波器在收斂速度和穩(wěn)態(tài)性??能之間的權(quán)衡。??４．?１?ＣＯＳＦＤＡＦ?算法??４．?１．?１?ＣＯＳＦＤＡＦ算法的基本原理??如圖４．１為ＣＯＳＦＤＡＦ算法的原理框圖，兩個具有不同步長的獨立ＦＤＡＦ濾波器相??并聯(lián)，大步長濾波器用來提高收斂速度，小步長濾波器用來獲得較小的穩(wěn)態(tài)誤差。??／??１?＼?ｒ１－］??ＦＦＴ?＾＇Ａ—?ｄ｛ｋ）??爹）?：￣＞??Ｈ?ＦＳＳ?ｒｍ??ｊｚｒ?．?Ｔ?，?／??Ｊ＿＿＾?ｆＶ２（ｋ）???？?ＩＦＦＴ?－?＇??＼??？圖４．?１?ＣＯＳＦＡＤＦ自適應(yīng)濾波器??Ｆｉｇ．?４．１?ＣＯＳＦＤＡＦ?ａｄａｐｔｉｖｅ?ｆｉｌｔｅｒ??其中ｘ（／〇為整個濾波器的輸入序列，Ｗ；⑷和％⑷分別為獨立濾波器的頻域權(quán)向量，??１?４１??


本文編號：3116397