TOP24基于matlab自适应滤波器的设计与实现毕业论文.doc文档免费在线阅读
1、手机端页面文档仅支持阅读 15 页,超过 15 页的文档需使用电脑才能全文阅读。
自适应横向滤波器的结构图如图所示为可调节抽头权系数表示在时刻的系数值。
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。
图自适应滤波器第三章自适应滤波器递归最小二乘算法递归最小二乘算法递归最小二乘算法简介用最小二乘法解决线性滤波问题,这种方法不需要对滤波器输入信号的统计特性进行假设。
为了说明最小二乘法的基本思想,假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就不是最佳的了,这在实际应用中受到了限制。
到年代初,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,则它应信号和噪声未知或随机变化的统计特性,从而实现最优滤波。
选题背景及研究意义伴随着移动通信事业的飞速发展,自适应滤波技术应用的范围也日益扩大。
早在世纪年代,就对平稳随机信号建立了维纳滤波理论。
根据有用信的频率是固定的,自适应滤波器的频率则是自动适应输入信号而变化的,所以其适用范围更广。
在没有任何信号和噪声的先验知识的条件下,自适应滤波器利用前时刻已获得的滤波器参数来自动调节现时刻的滤波器参数,以适统可成为线性系统,并称为线性自适应系统,因为这类系统便于设计且易于数学处理,所以实际应用广泛。
本文研究的自适应滤波器就是这类滤波器。
自适应滤波器是相对固定滤波器而言的,固定滤波器属于经典滤波器,它滤波统本身。
自适应系统的非线性特性主要是由系统对不同的信号环境实现自身参数的调整来确定的。
自适应系统的时变特性主要是由其自适应响应或自适应学习过程来确定的,当自适应过程结束和系统不再进行时,有类自适应系研究结构可变或可调整的系统,可以通过自身与外界的接触来改善自身对信号处理的性能,通常这类系统是时变的非线性系统,可以自动适应信号传输的环境和要求,无须详细的知道信号的结构和实际知识,无须精确设计处理系为非周期信号第五章结论与展望结论对进步研究的展望参考文献致谢附录声明第章前言自适应滤波器简介自适应滤波器属于现代滤波的范畴,它是年代发展起来的自适应信号处理领域的个重要应用,自适应信号处理主要是和正则化递归计算递归最小二乘算法的性能分析第四章基于自适应滤波器仿真正弦波去噪实验滤波器正则化参数的确定高信噪比低信噪比结论输入信号不同对滤波效果的影响输入信号为周期信号输入信号现状第二章自适应滤波器的基础理论滤波器概述滤波器简介滤波器分类数字滤波器概述自适应滤波器基本理论自适应滤波器的结构第三章自适应滤波器递归最小二乘算法递归最小二乘算法递归最小二乘算法简介正则方程加权因子目录第章前言自适应滤波器简介选题背景及研究意义国内外研究发展目录第章前言自适应滤波器简介选题背景及研究意义国内外研究发展现状第二章自适应滤波器的基础理论滤波器概述滤波器简介滤波器分类数字滤波器概述自适应滤波器基本理论自适应滤波器的结构第三章自适应滤波器递归最小二乘算法递归最小二乘算法递归最小二乘算法简介正则方程加权因子和正则化递归计算递归最小二乘算法的性能分析第四章基于自适应滤波器仿真正弦波去噪实验滤波器正则化参数的确定高信噪比低信噪比结论输入信号不同对滤波效果的影响输入信号为周期信号输入信号为非周期信号第五章结论与展望结论对进步研究的展望参考文献致谢附录声明第章前言自适应滤波器简介自适应滤波器属于现代滤波的范畴,它是年代发展起来的自适应信号处理领域的个重要应用,自适应信号处理主要是研究结构可变或可调整的系统,可以通过自身与外界的接触来改善自身对信号处理的性能,通常这类系统是时变的非线性系统,可以自动适应信号传输的环境和要求,无须详细的知道信号的结构和实际知识,无须精确设计处理系统本身。
自适应系统的非线性特性主要是由系统对不同的信号环境实现自身参数的调整来确定的。
自适应系统的时变特性主要是由其自适应响应或自适应学习过程来确定的,当自适应过程结束和系统不再进行时,有类自适应系统可成为线性系统,并称为线性自适应系统,因为这类系统便于设计且易于数学处理,所以实际应用广泛。
本文研究的自适应滤波器就是这类滤波器。
自适应滤波器是相对固定滤波器而言的,固定滤波器属于经典滤波器,它滤波的频率是固定的,自适应滤波器的频率则是自动适应输入信号而变化的,所以其适用范围更广。
在没有任何信号和噪声的先验知识的条件下,自适应滤波器利用前时刻已获得的滤波器参数来自动调节现时刻的滤波器参数,以适应信号和噪声未知或随机变化的统计特性,从而实现最优滤波。
选题背景及研究意义伴随着移动通信事业的飞速发展,自适应滤波技术应用的范围也日益扩大。
早在世纪年代,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,因此实现不了真正的最佳滤波。
等于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像维纳滤波器那样简单,而滤波性能几乎如卡尔曼滤波器样好。
因此,近十几年来,自适应滤波理论和方法得到了迅速发展。
自适应滤波是种最佳滤波方法。
它是在维纳滤波,滤波等线性滤波基础上发展起来的种最佳滤波方法。
由于它具有更强的适应性和更优的滤波性能。
从而在工程实际中,尤其在信息处理技术中得到广泛的应用。
自适应滤波的研究对象是具有不确定的系统或信以用流水线提高性能对称的横截型结构可满足符合对称性条件的滤波器,具有权系数少,计算量小的特点,并可以用流水线提高性能,但收到对称性条件的约束格型结构具有收敛速度快,稳定性好,对系数量化精度要求不高的特点,但计算量大,不容易实时实现,只能部分实现流水线。
自适应滤波器的结构自适应滤波器的结构与算法有着密切的联系,因为自适应滤波器既要估计滤波器能实现期望信号的输出,又要估计滤波参数朝有利于目标方向的调整,并保证滤波器的稳定工作。
同时,结构的选取不仅会影响到计算复杂度即每次迭代的算术操作数,还会对达到期望性能标准所需的迭代次数自适应收敛的时间产生影响。
另外,不同的结构还有特定的应用场合,需要根据实际环境来选择相应的结构和算法。
自适应滤波器根据其冲击响应的形式般分为有限冲击响应自适应滤波器自适应格型滤波器和无限冲击响应自适应滤波器三种结构。
本文采用自适应滤波器设计中最常用的横向型结构。
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种自适应滤波器。
自适应横向滤波器的结构图如图所示为可调节抽头权系数表示在时刻的系数值。
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。
图自适应滤波器第三章自适应滤波器递归最小二乘算法递归最小二乘算法递归最小二乘算法简介用最小二乘法解决线性滤波问题,这种方法不需要对滤波器输入信号的统计特性进行假设。
为了说明最小二乘法的基本思想,假定有组实数它们分别取自时刻。
要求构造条曲线,这条曲线能够以种最优方式拟合这些数据点。
现用表示这条曲线与时间的函数关系。
根据最小二乘法,最优拟合是使与之差的平方和最小。
最小二乘法可以看成维纳滤波理论的另种表示方法。
本质上,维纳滤波是从集平均导出的,其结果是种统计意义上最优的在各种现实运行环境下获得的滤波器并假定该滤波器是广义平稳的。
另方面,最小二乘法是确定性的。
具体来说,由于它涉及使用时间平均,故其滤波器结果取决于计算所用的样本数。
在计算过程中,最小二乘法是种批处理方法,因为最小二乘滤波器用来处理批数据。
这种滤波器通过个数据块接个数据块的重复计算来适应非平稳数据。
递归最小二乘估计算法是以最小误差平方和为优化目标,它是在在最小二乘基础上推导出来的。
我们先看最小二乘算法的推导。
正则方程采用如图所示的线性横向滤波器作为模型。
通过组成抽头,
