本科毕设论文-—基于rls的自适应滤波器的设计与实现.doc

《本科毕设论文-—基于rls的自适应滤波器的设计与实现.doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、吉林化工学院毕业设计说明书基于RLS的自适应滤波器的设计与实现DesignandImplementationofAdaptiveFilterUsingRLS吉林化工学院JilinInstituteofChemicalTechnology吉林化工学院毕业设计说明书毕业设计（论文）原创性声明和使用授权说明原创性声明本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得及其它教育机

2、构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。作者签名：　　　　　日　期：　　　　　指导教师签名：　　　　　日　　期：　　　　　使用授权说明本人完全了解大学关于收集、保存、使用毕业设计（论文）的规定，即：按照学校要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部

3、内容。作者签名：　　　　　日　期：　　　　　-I-吉林化工学院毕业设计说明书摘要自适应滤波器是统计信号处理的一个重要组成部分。在实际应用中，由于没有充足的信息来设计固定系数的数字滤波器，或者设计规则会在滤波器正常运行时改变，因此我们需要研究自适应滤波器。凡是需要处理未知统计环境下运算结果所产生的信号或需要处理非平稳信号时，自适应滤波器可以提供一种吸引人的解决方法，而且其性能通常远优于用常方法设计的固定滤波器。此外，自适应滤波器还能提供非自适应方法所不可能提供的新的信号处理能力。本文从自适应滤波器

4、研究的意义入手，介绍了自适应滤波器的基本理论思想，具体阐述了自适应滤波器的基本原理、算法及设计方法。自适应滤波器的算法是整个系统的核心。本文中，对两种最基本的自适应算法，即递归最小二乘（RLS)和最小均方误差(LMS)算法进行了详细的介绍和分析，并针对两种算法的优缺点进行了详细的比较。同时，分别对FIR结构和IIR结构自适应滤波器做了详细的介绍，比较了FIR结构和IIR结构自适应滤波器的优缺点。最终采用改进的RLS算法设计FIR结构自适应滤波器，并采用MATLAB进行仿真。实验结果表明，该自适应滤波器滤波效果优越。关键

5、词：自适应滤波器；RLS算法；FIR结构滤波器；MATLAB-I-吉林化工学院毕业设计说明书AbstractTheauto-adaptedfilterisanimportantpartofthedigitalsignalprocessing.Inpracticalapplication,therehaven’tsufficientinformationtodesignthefixedcoefficientdigitalfilter,orthedesignrulewillbechangedwhenthefilternor

6、mallyoperated.Therefore,weneedtoresearchtheauto-adaptedfilter.Wheneverneedstoprocessthesignalundertheunknownstatisticalenvironment,orthenon-steadysignal,theauto-adaptedfiltercanprovideaappealingsolution.Moreover,itsperformanceusuallyoverthenormallyfixedfilter.In

7、addition,theauto-adaptedfiltercanalsoprovidetheabilityoftherecentsignalprocesswhichthenon-auto-adaptedmethodisimpossibletoprovide.Firstlythisthesisproposedtheimportanceofauto-adaptedfilterresearchandintroduceditselementarytheory,algorithmanddesignmethod.Thecoreo

8、fthewholesystemistheauto-adaptedfilter'salgorithm.Inthisarticle,twoofthemostbasicauto-adaptedalgorithms,thesmallestmeanerror(LMS)algorithmandtherecursiveleastsquares(