【本科优秀毕业设计】自适应滤波算法的研究

《【本科优秀毕业设计】自适应滤波算法的研究》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、本科毕业设计(论文)自适应滤波算法的研究学院：信息科学与工程学院系级教学单位：电子与通信工程系学号专业班级通信工程4班题目题目名称自适应滤波算法的研究题目性质1.理工类：工程设计()；工程技术实验研究型(√)；理论研究型()；计算机软件型()；综合型()2.管理类()；3.外语类()；4.艺术类()题目类型1.毕业设计()2.论文(√)题目来源科研课题()生产实际()自选题目(√)主要内容滤波是电子信息处理领域的一种最基本而又极其重要的技术。自适应滤波器属于现代滤波器的范畴，它是40年代发展起来的自适应信号处理领域的一个重要应用，自适应信号处理主要是研究结构可变或可调整的系统，它可以通过自

2、身与外界环境的接触来改善自身对信号处理的性能，本科题研究几种自适应滤波算法。基本要求[1]通过学习相应书籍和查阅资料，了解几种自适应滤波思想及其应用[2]学习并掌握常用的仿真语言MATLAB[3]掌握几种自适应滤波思想及其应用[4]根据算法原理进行软件编程，验证并比较几种自适应滤波算法的效果。参考资料[1]沈福民自适应信号处理[M]西安:西安电子科技大学出版社,20011[2]叶华,吴伯修.变步长自适应滤波算法的研究[J],电子学报,1990,18(4):63-69[3]HaykinS,etal.Adaptivefilteringtheory[M]119851[4]其他相关书籍及文章周次第

3、～周第～周第～周第～周第～周应完成的内容查找参考书熟悉课题内容收集资料确定设计思路学习Matlab语言，理解和熟悉设计中使用的算法编制程序并上机进行调试，以及对软件进行优化实验结果整理及其总结课题总结撰写论文答辩指导教师：职称：讲师2009年2月23日系级教学单位审批：年月日摘要自适应滤波算法的研究是当今自适应信号处理中最为活跃的研究课题之一。在信号处理领域中自适应信号处理占有很重要的地位。寻求收敛速度快，计算复杂度低，数值稳定性好的自适应滤波算法是研究人员不断努力追求的目标。本文主要对自适应算法进行了研究，其内容概括如下：本文首先总结了自适应滤波理论的发展过程，然后在论述自适应滤波基本原

4、理的基础上，介绍了几种典型的自适应滤波算法及其应用，并对这些自适应滤波算法的性能特点进行比较，给出了算法性能的综合评价。对LMS算法，最小二乘自适应滤波算法进行了比较深入的理论分析和研究。介绍了几种自适应滤波算法的应用，自适应滤波器，自适应预测器，自适应均衡器和自适应噪声消除。关键词自适应滤波；LMS算法；自适应信道均衡AbstractTheresearchofadaptivefilteringalgorithmsisoneofthemostactivetasksinthefieldofmodemsignalprocessing.Nowadaysthesubjectofadaptivefi

5、lteringconstitutesanimportantpartofthestatisticalsignalprocessing.Thegoalthatresearchersarepursuingistofindanadaptivefilteringalgorithmthatconvergesisfastandhaslowarithmeticcomplexity.Thispaperaimsattheadaptivefilteringalgorithmsandtheirapplications.Themainworkscanbesummarizedasfollows:Firstofall,

6、thispaperanalysesthedevelopdirectionofadaptivefilter,basedontheadaptivefilteringprinciple,severaltypicaladaptivealgorithmsaswellastheirapplicationsareintroducedinthispaper,andacomparisonismadeamongthesealgorithms'characters.ThepaperdeeplyanalyzestheperformanceoftheconventionalLMSalgorithm,RLSalgor

7、ithm.Thispaperintroduceseveraltypicaladaptivealgorithmsaswellastheirapplications,suchasadaptivefilter,adaptivepredictor,adaptivechannelequalizerandnoisecanceller.KeywordsAdaptivefiltering；Least-mean-squarealgorit