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，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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，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。

结论组合算法，在自适应系统中将这些参数变化的跟踪与算法的良好性能结果相结合，是自适应过程中选择的更好的算法，直到稳定状态时需要从最优值与最小方差算法的加权系数的偏差。

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该独的信号进行转换。

仿真图表明，采集到幅值为的心音信号和的脉搏信号，两种信号的频率不变。

电路如图所示。

图心音和脉搏信号显示仿真图结论本文通过心音和脉搏的传感器模块心音和脉搏信号处理电路模块和系统主控电路模块成功的综合采集了心音和脉搏信号，并经过单片机控制和在计算机上显示，可以融合处理与分析进行后，首先运行初始化程序，设置中断允许状态，将采集数据存放单元外存清等，然后调用转换子程序，将采集的模拟心音和脉搏信号通过进行转换，通过单片机控制存储在内存中，接下来是调用串口发送子程序把信号送到串口通信电路经过电平的转换，输入到机上，就可以直接显示出来。

主程序程序代码见附录所示。

子程序设计转换子程序转换程序用来控制对两路模拟输入信号心音和脉搏的转换，并将对应的数值存放到外存单元中，数据的读取方式采用中断读取。

心音信号选用的是通道输入，单片机控制存储的起始单元为脉搏信号选用的是通道输入，单片机控制存储的起始单元为。

转换子程序主要采用外部中断源来读取中断信号。

程序转换控制首先选择通道并启动转换，接着计算转换次数，当转换次数没有达到时，则中断读取转换结果，并且开始调用串口子程序而当转换次数达到时，则控制切换到另通道，再中断读取转换结果并调用串口子程序。

转换子程序的流程图如图所示，其程序代码见附录所示。

开始中断向量设置选择通道，外存存放地址设为，数据转换个数清零，启动转换等待转换结束中断结束外存数据存放地址加，转换次数加转换次选中通道为，为中断返回中断处理读取转换结果切换到通道，数据转换个数清零，外存存放地址为，启动转换切换到通道，数据转换个数清零，外存存放地址为，启动转换开始图转换子程序的流程图串口通信子程序定时器计数器既作为波特率发生器又作为中断源。

首先运行初始化程序，设置为中断允许状态，选用串口方式，波特率设置为，由此计算出初值为。

最后由单片机控制输出信号。

串口通信子程序的流程图如图所示，其程序代码见附录所示。

转换次数次把累加器的内容送给串行口的缓冲寄存器把外存储器单元的内容送给累加器设置初始化参数结束开始机显示图串口通信子程序的流程图仿真结果与分析本文借用电路模拟仿真软件对论文中设计的电路进行波形仿真验证。

假设输入的心音信号为幅度，频率的正弦信号输入的脉搏信号为幅度，频率的正弦信号。

下面详细介绍信号处理电路对采集的心音和脉搏信号进行的滤波和放大功能。

心音前置放大电路波形仿真图如图所示。

通过仿真图可以看出，输入幅值为的心音信号，经过心音前置放大电路后，输出幅值为的心音信号。

因此可以算出前置放大电路的放大倍数为，符合电路设计要求。

图心音前置放大电路波形仿真图心音带通滤波电路波形和频谱显示仿真图如数为倍，带通滤波电路放大倍数为倍，后级放大电路的放大倍数为倍，因此心音信号处理电路放大的倍数为，满足设计要求。

图心音后级放大电路波形显示仿真图脉搏信号初级放大电路波形显示仿真图如图所示。

通过仿真图可以看出，输入信号的幅值为，经过心音前置放大电路的输出信号的幅值为，因此可以算出前置提到的适应性能。

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，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