，，，，，，，，，，，，中文译文基于算法的自适应组合滤波器摘要提出了种自适应组合滤波器。它由并行的自适应滤波器和个具有更好的选择性的算法组成。作为正在研究中的滤波器算法比较标准，我们采取偏差和加权系数之间的方差比。仿真结果证实了提出的自适应滤波器的优点。关键词自适应滤波器算法组合算法偏差和方差权衡绪论自适应滤波器已在信号处理和控制，以及许多实际问题，的解决当中得到了广泛的应用自适应滤波器的性能主要取决于滤波器所使用的算法的加权系数的更新。最常用的自适应系统对那些基于最小均方自适应算法及其改进基于的算法。算法是非常简便，易于实施，具有广泛的用途。但是，因为它并不总是收敛在个可接受的方式，所以有很多的尝试，以对其性能做适当改进符号算法的，几何平均算法，变步长最小均方比算法，。每种基于的算法都至少有个参数在适应过程算法和符号算法，加强和平滑系数，各种参数对变步长算法的影响中被预先定义。这些参数的影响关键在两个适应阶段瞬态和稳态滤波器的输出。这些参数的选择主要是基于种算法质量的权衡中所提到的适应性能。我们提出了个自适应滤波器的性能改善的方法。也就是说，我们提出了几个基于算法的不同参数的滤波器，并提供不同的适应阶段选择最合适的算法标准。这种方法可以适用于所有的的算法，虽然我们在这里只考虑其中几个。本文的结构如下，作者认为的的算法概述载于第节，第节提出了自适应算法的改进和组合标准，仿真结果在第节。基于的算法让我们定义输入信号向量和矢量加权系数为权重系数向量计算应根据其中为算法步长，是预期值的估计。在中，常数表式误差，是个参考信号。根据中不同的预期值估计在，我们可以得出种各种形式的自适应算法的定义，变步长算法和基本算法具有相同的形式，但在适应过程中步长是变化的，。正在研究中的自适应滤波问题在于尝试调整权重系数，使系统的输出跟踪参考信号，中是个零均值与方差的高斯噪声，是最佳权向量维纳向量。我们考虑两种情况是个常数固定的情况下，随时间变化非平稳的情况下。在非平稳情况下，未知系统参数即最佳载体是随时间变化的。我们假设变量可以建立模型为，它是随机独立的零均值，依赖于和自相关矩阵。注意分析直接服从，如果，的条件是满足的，那么加权系数向量收敛于维纳解。定义加权错位系数，，。是因为这两个梯度噪声加权系数的平均值左右的变化和加权矢量滞后平均及最佳值的差额的影响，。它可以表示为根据，是是加权系数的偏差，与方差是零均值的随机变量差，它取决于的算法类型，以及外部噪声方差。因此，如果噪声方差为常数或是缓慢变化的，为特定的基于时间不变的算法。在这个意义上说，在后面的分析中我们将假定只依赖算法类型，及其参数。自适应滤波器的个重要性能衡量标准是其均方差的加权系数。对于自适应滤波器，它被赋值，组合自适应滤波器合并后的自适应滤波器的基本思想是在两个或两个以上自适应算法并行实现与每个迭代之间的最佳选择，。在每次迭代中选择最合适的算法，选择最佳的加权系数值。最好的加权系数是，即在给定的时刻，向相应的维纳矢量值最接近。让，是以基本算法为基础的第个加权系数，在瞬间选择参数和系数。注意，现在我们可以在个统的处理方式≡，≡，≡下。基于算法的行为主要依赖于，在每个迭代中有个最佳值，生产的最佳表现的自适应算法。现在分析最小均方与些基于相同类型的算法相结合的自适应滤波器，但参数是不同的。加权系数周围分布随机变量和，和方差，相关，。中的概率κ依赖κ的值例如κ的高斯分布，κ两个规则。置信区间的定义，，接着，从式到式我们认为只要，关于独立，这意味着，对于小偏差，置信区间对同的的算法是不同的，而对同的的算法则相交。另方面，当偏置变大，然后中央位置的不同间隔距离很大，而且他们不相交。由于我们对有关信息，没有先验知识，我们将使用种特定的统计学方法得到的标准，即自适应算法选择的值问题。这个标准的平衡状态，从或同个数量级的，即。提出的联合算法现在可以被总结为下面的步骤第步从不同预定义设置中为算法计算，。第步估计每个算法的方差。第步检查是否相交对于算法。从个最大的差异值算法走向与差异较小的值。根据，和取舍的标准，如果下式成立那么将会减少这个检查当，和以下关系成立，如果没有相交大偏差选择具有最大的方差的值算法。如果相交，偏差已经很小。因此，检查了对新的加权系数，或者，如果是最后对，只选择具有最小方差的算法。首先两个区间不相交意味着实现了取舍标准，并选择最大方差算法。第步转到下个瞬间。元素的集合中最小的数。在这种情况下，应提供良好的跟踪快速变化最大的差异，而其他应提供小的方差的稳定状态。通过增加更多的观察，这两个极端之间，我们可以稍微改进算法的瞬态行为。需要注意的是，只有未知值的差异。在仿真中我们估计式当，和替代的方法是估计为有关表达式和在稳定状态为算法的不同类型，从已知文献中可以看出。对于标准的算法在稳定状态，和是相关的。，需要注意的是，任何其他估计对于滤波器来说是有效的。的复杂性取决于组成算法第步，并在决策算法步骤。加权系数的计算并未使并行算法增加计算时间，因为它是由硬件实现并行执行的，从而增加了硬件要求。方差估计步骤，忽略了有助于提高算法的复杂性，因为他们是刚刚开始的时候，他们正在使用单独适应硬件实现。简单的分析表明，在增加最多的操作步骤，添加了−和−决定增补，而且需要添加些硬件以满足组成算法。组合自适应滤波器举例，考虑由两个不同步骤的算法相结合的系统鉴定。在这里，参数是，即。未知的系统有四个时间不变系数，而且滤波器的。我们给个人平均为方差算法，以及它们的结合，如图所示。结果，获得了平均超过蒙特卡罗方法个独立的运行，其中。它引用了未知损坏不相关零均值高斯噪声，其中κ在最初的次迭代的方差估计根据式和的加权来计算的系数。图中提出，第次使用的与的，然后在稳定状态，与的。需要注意的是第和第迭代，该算法可以采取任何步长根据不同的认识。在这里，将通过增加计算量与并行算法都得到改善，同时还认为，在稳定状态下，不能理想的接近小步长的算法，原因是该方法的统计特性。组合自适应滤波器能够达到更好的性能如果该独立算法能胜过他们以往所采取的系数值迭代，即采取由所选择的那些值。也就是说，如果选择，那么在次迭代中，加权系数向量，然后根据每个独立的算法计算出加权系数在次迭代图快速平均算法图快速平均算法在前面的示例应用中，图显示了这种改进。为了比较清楚地取得成果，为每次仿真计算了，对于第个当时，法次实验误差平方的均值曲线法次实验，，，当时，法次实验误差平方的均值曲线自适应信号分离器自适应陷波器，，系统辨识或系统建模，未知系统自适应滤波器，原始信号频谱，经未知系统后信号频谱，经自适应滤波器后信号频谱致谢四年的时光转瞬即逝，在理工大学的学习和生活是我人生中段宝贵而难忘的经历。在即将毕业之际，我要感谢所有在这里给予我关心和帮助的老师朋友和同学,首先要感谢给予我帮助的老师们，在这四年的学习生活中，它们给了我深刻的教诲和莫大的鼓舞。当我对切都还懵懂的时候，是他们给我指明了道路，是他们教会了如何在大学里百炼成钢，是他们丰富了我的知识，使我受益终身。其次我要感谢我的导师王老师，在做毕业论文期间给予我很大的帮助和悉心的指导,最后，感谢我的父母，是他们教会我热爱生活直面挫折乐观向上，我的每点进步都离不开他们的关心和帮助。是，第二的是，对是，还有与改进的式是。仿真结果提出的基于的算法不同类型的自适应组合滤波器是实行固定和非平稳情况，合并后的过滤系统识别。比较联合滤波器性能，以组成特定的组合。这里所有的仿真，由零均值高斯噪声损坏无关，结果，获得了平均超过个独立运行的，如上节。优化加权时变向量提出的想法可能被应用到算法的非平稳情况。在仿真中，组合滤波器组由个不同的自适应滤波器步骤组成，即自适应滤波器根据最优向量生成的模型，κ的前次迭代的方差估计根据式，与系数。图显示了每个算法的特点。在稳定状态的不理想的遵循，因为问题的性质和非平稳之间的和系数差异相对较小，但这并不影响该算法的整体性能。每个算法考虑是，和。比较与算法在仿真中，我们改进仿真由节中的式，并在最佳载体突然变化的情况下比较其与算法的性能。我认为比较算法，其加权系数为每个单独的步长进行了更新，这两个算法的比较是有意义的。所有对参数的改进和是相同的，对算法，有关的参数值是变化的且具有符号的连续性。图显示，特别是在突然改变了算法的比较之后，我们可以观察到的有利特性，。但要注意的是，突然的变化使系统乘以到次迭代图。这对是，而在中。与个完整的这些算法相比，我们认为现在的计算复杂度增加了。这表明了各自增长了算法。增加了对的补充和的讨论对于算法，其增加了乘法，的添加，以及决定至少。这些值表明，虽然计算复杂但具有其独特的优势