通信信号自适应滤波处理仿真研究（一）

《通信信号自适应滤波处理仿真研究（一）》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、通信信号自适应滤波处理仿真研究（一）　　论文关键词：自适应信号处理自适应滤波器　　论文摘要:近几十年里，数字信号处理技术取得了飞速发展，特别是在自适应信号处理方面，通过内部参数的最优化来自动调节系统特性并以其计算简单，收敛速度快等许多优点而被广泛使用。本文主要介绍了几种常用的自适应算法，如：LMS，RLS，NLMS等。分别就几种算法在算法原理，算法性能分析和计算机仿真等方面来说明各种算法的优越性。通过围绕算法的优缺点进行比较，得出一些重要结论。最后对自适应信号处理的一些应用作了介绍和分析，并对其进行了仿真。　　Abstract：Inrecentdecades,digitalsi

2、gnalprocessingtechnologyhasmaderapiddevelopment,especiallyinadaptivesignalprocessing.Theadaptivesignalprocessingalgorithmcanadjusttheinternalparametersoffilterstooptimizesystemcharacteristicsautomatically.Foritssimpleputationalplexity,fastconvergencespeedandmanyotheradvantages,adaptivefilerh

3、asbeenonlyusedalgorithms,suchas:LMS,RLS,NLMS,etc..Throughtheprincipleofadaptivealgorithmanalysisandsimulation,’ssuperiority.AndthroughtheparingofthEiradvantagesanddisadvantages,eimportantconclusionsfordifferentalgorithm.Keyatlab仿真得到验证。最后对自适应处理的一些应用作了简要说明，如：噪声对消，信道均衡，线性预测及陷波器等，并对其进行了仿真。　　1.1研

4、究的目的和意义常规的信号处理系统，利用自身的传输特性来抑制信号中的干扰成分，对不同频率的信号有不同的增益，通过放大某些频率的信号，而使另一些频率的信号得到抑制。由于其内部参数的固定性，消除干扰的效果受到很大的限制。通常许多情况下，并不能得到信道中有用信号和干扰信号的特性或者它们随时间变化，采用固定参数的滤波器往往无法达到最优滤波效果。在这种情况下，可以用自适应处理系统，来跟踪信号和噪声的变化。　　自适应系统可以利用前一时刻已经获得的滤波器参数等结果，自动的调节现时刻的滤波器参数，以适应信号和干扰未知的或随时间变化的统计特性，从而实现最优滤波。正是由于它在设计时需要很少或者无需任

5、何关于信号和干扰的先验知识就可以完成的优点，所以发展很快，并得到广泛的应用。　　1.2自适应系统的组成自适应系统和常规系统类似，可以分为开环自适应和闭环自适应两种类型。开环自适应系统主要是对输入信号或信号环境进行测量，并用测量得到的信息形成公式或算法，用以调整自适应系统自身；而闭环自适应系统还利用系统调整得到的结果的有关知识去优化系统的某种性能，即是一种带“性能反馈”的自适应系统。　　下图a表示一个开环自适应系统，控制该系统的自适应算法仅由输入确定。图b则表示一个闭环自适应系统，控制该系统响应的自适应算法除了取决于输入外，还依赖系统输出的结果。　　1.3基本自适应算法　　这里主

6、要介绍LMS，RLS，NLMS三种基本算法。　　LMS算法是最被广泛应用的滤波器演算法，最大的特点就是计算量小，易于实现。基于最小均方误差准则，LMS算法使滤波器的输出信号与期望输出信号之间的均方误差最小。运算过程不需要对相关函数及复杂的反矩阵做运算，所以经常拿来用作比较的基准。　　LMS算法为了便于其实现，采用误差输出模的瞬时平方值(即瞬时功率)的梯度来近似代替均方误差的梯度。实际上我们可以直接考察一个由平稳信号输入的自适应系统在一段时间内输出误差信号的平均功率，即把平均功率达到最小作为测量自适应系统性能的准则，这就是RLS算法。换句话说，LMS算法是将输出误差信号的平均平方

7、值最小化，而RLS算法是将输出误差信号平方值总和最小化。虽然RLS算法复杂度和阶数平方成正比，但是由于它的收敛速度快，所以仍然受到广泛的应用。　　为克服常规的固定步长LMS自适应算法在收敛速率，跟踪速率与权失调噪声之间的要求上存在的较大矛盾，许多学者提出了各种各样的改进型LMS算法。比如归一化LMS，基于瞬变步长LMS以及基于离散小波变换的LMS自适应滤波算法。这里我们讨论归一化的LMS算法，即NLMS算法。　　以上这些算法主要特点是不需要离线方式的梯度估值或者重复使用样本数据，而只需在每次