资源描述：
《自适应噪声消除算法的性能比较与仿真》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、自适应噪声消除算法的性能比较与仿真常太华，江清潘，朱红路（华北电力大学控制科学与工程学院，北京市昌平区102206）摘要：在信号处理中，噪声往往是非平稳和随时间变化的，传统方法很难解决噪声背景中的信号提取问题。通过对自适应噪声消除原理的研究，介绍了基于参考信号和基于预测原理的两种自适应噪声消除(ANC,AdaptiveNoiseCancellation)方法，分析对比了基于最小均方(LMS,LeastMeanSquares)、递推最小二乘(RLS,RecursiveLeastSquares)和平方根自适应滤波（QR_RLS,recursiveleastsquaresbasedonQR
2、decomposition）三种噪声消除算法的性能。仿真结果表明：这几种算法都能从高背景噪声中有效的抑制干扰提取出有用信号，显示出了良好的收敛性能。相比之下，RLS算法和QR_RLS算法呈现出更快的收敛速度、更强的稳定性和抑噪能力。关键词：自适应噪声消除；自适应滤波器；噪声中图分类号：文献标识码：PerformanceComparisonsandSimulationsofAdaptiveNoiseCancellationAlgorithmsCHANGTai-hua,JIANGQing-pan,ZHUHong-lu（ControlScienceandEngineeringCollege
3、,NorthChinaElectricPowerUniversity,ChangpingDistrict,Beijing102206,China）Abstract:Inthesignalprocessing,thenoiseisoftennon-smoothandtime-varying,sothetraditionalmethodisdifficulttosolvethesignalextractionproblemfromthebackgroundnoise.Throughthestudyontheprincipleofadptivenoisecancellation,twode
4、-noisingmethodthatbasedonreferencesignalandprinciplesofpredictionhavebeenintroduced,andnoisecancelingperformanceoftheLMSalgorithms、RLSalgorithmsandQR_RLSalgorithmswerecompared.Theresultsofcomputersimulationsshowthatalloftheseadaptivealgorithmscanrestrainthedisturbanceeffectivelyandextractthetru
5、esignalinstrongbackgroundnoise,showsagoodconvergenceperformance.Incomparison,theRLSalgorithmandQR_RLSalgorithmtakeonfasterconvergencespeed,strongerstabilityandstrongerabilitytosuppressnoise.Keywords:ANC;adaptivefiltering;noise1引言在信号处理领域中噪声消除是一个非常重要的问题，对噪声环境中系统的正常工作有着很大的影响。隐藏在有用信号中的背景噪声往往是非平稳且随时
6、间变化的，信号和噪声的统计特性往往无法知晓，而且背景噪声中的有用信号往往微弱而不稳定，此时采用传统方法很难解决噪声环境中的信号提取问题[1]。近年来自适应噪声消除（ANC）系统成为消除噪声的研究热点，利用自适应滤波器具有在未知环境下良好运行并跟踪输入统计量随时间变化的能力，通过不断调整抽头权系数来适应发生变化的信号和噪声的统计特性，达到消除噪声干扰的目的[2]。根据噪声知识的了解情况，ANC系统可采用基于参考信号和基于预测原理的两种噪声消除方法。在噪声相关知识足够了解的情况下可选取一个与噪声信号相关的参考信号进行噪声干扰对消。在噪声相关知识了解不够充分时可根据自适应滤波器的预测原理，
7、利用噪声信号的时间不相关性来达到噪声消除的目的。ANC系统的核心是自适应滤波器,通过自适应算法对滤波器权系数进行调整以实现最佳滤波。不同的自适应滤波器算法具有不同的收敛速度、稳态失调和算法复杂度，本文基于上述两种噪声消除方法对比分析了基于LMS、RLS和QR_RLS三种算法的噪声消除效果。仿真结果表明，这几种算法都能从高背景噪声中提取有用信号。相比之下，在基于参考信号的方法中，RLS算法体现出了更好的收敛性能和抑制干扰的能力。在基于预测的消噪方法中，QR_
