《自适应滤波器 》ppt课件

《自适应滤波器 》ppt课件

ID:27307643

大小:2.15 MB

页数:72页

时间:2018-11-30

《自适应滤波器 》ppt课件_第1页
《自适应滤波器 》ppt课件_第2页
《自适应滤波器 》ppt课件_第3页
《自适应滤波器 》ppt课件_第4页
《自适应滤波器 》ppt课件_第5页
资源描述:

《《自适应滤波器 》ppt课件》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、第八章自适应滤波器Adaptivefilter引言第一节LMS自适应维纳滤波器第二节自适应噪声抵消器第三节生物医学应用1引言AR参数模型和维纳滤波器(1)适合用于处理平稳随机信号(2)需要知道信号和噪声的先验统计特性(3)处理系统参数是固定的。2引言卡尔曼滤波器(第六章)(1)适用于非平稳随机信号;(2)需要知道信号和噪声的先验统计特性;(3)滤波器参数是时变的。3引言实际应用情况(1)生物体的复杂性,非平稳性突出;(2)无法得到信号和噪声的先验知识或其统计特性是随时间变化的.因此,用维纳或卡尔曼滤波器实现不了最优滤波.在此情

2、况下,自适应滤波能够提供优良的滤波性能。4引言自适应滤波概念利用前一时刻已获得的滤波器参数等结果,自动地调节(更新)现时刻的滤波器参数,以适应信号和噪声未知的统计特性,或者随时间变化的统计特性,从而实现最优滤波。5几种主要的自适应滤波器最小均方(LMS)自适应滤波器递推最小二乘(RLS)自适应滤波器格型自适应滤波器无限冲击响应(IIR)自适应滤波器6几种主要的应用自适应噪声抵消器自适应谱线增强器自适应陷波器7第一节LMS自适应维纳滤波器基本部件:8.1.1基本LMS算法8第一节LMS自适应维纳滤波器基本LMS算法原理:线性组合

3、器的输出与期望响应之间的误差的均方值为极小。9第一节LMS自适应维纳滤波器线性组合器输入:定义权向量:则线性组合器输出:10误差信号定义为:写成向量形式:误差平方为:11上式两边取数学期望后,得均方误差:定义互相关函数行向量和自相关函数矩阵:则均方误差可表述为:12均方误差是权系数向量W的二次函数, 它是一个中间向上凹的抛物形曲面, 具有唯一最小值的函数。调节权系数使均方误差为最小,相当于沿抛物形曲面下降找最小值。可以用梯度来求该最小值。13将上式对权系数W求导数,得到均方误差函数的梯度:14令,即可求出最佳权系数向量它恰好是

4、第五章研究Wiener滤波器遇到过的Wiener-Hopf方程因此,最佳权系数向量通常也叫作Wiener权系数向量。15将最佳权系数向量代入上式得最小均方误差:利用式求最佳权系数向量的精确解需要知道的先验统计知识,而且还需要进行矩阵求逆等运算。16WidrowandHoff(1960)提出了一种求最佳权系数近似值的方法:(1)不需要先验统计知识(2)算法的根据是最优化方法中的最速下降法习惯上称为WidrowandHoffLMS算法。方法原理是:“下一时刻”权系数向量应该等于“现时刻”权系数向量加上一个负均方误差梯度的比例项,即

5、17上式中,是一个控制收敛速度与稳定性的常数,称之为收敛因子。LMS算法的两个关键:梯度的计算收敛因子的选择18(一)的近似计算直接取作为均方误差的估计值,即式中的为代入上式中,得到梯度估值19(一)的近似计算于是,Widrow–HoffLMS算法最终为上式的实现方框图如下图所示20梯度估值的无偏性分析的数学期望为上式表明,梯度估值是无偏估计。21(二)的选择权系数向量更新公式对其两边取数学期望,得式中,I为单位矩阵。22当k=0时,当k=1时,有23故重复以上迭代至k+1,则有继续推导将用到以下结论:241、(是实值的对称阵

6、,可写成特征值分解式)正定阵是对角阵,其对角元素是的特征值2、25(3)(4)假定所有的对角元素的值均小于1(这可以通过适当选择实现),则(5)26应用上述五点结论推导权系数更新表达式应用(1)结论有:再应用(2)(3)(4)(5)结论,有27由此可见,当迭代次数无限增加时,权系数向量的数学期望值可收敛至Wiener解,其条件是对角阵的所有对角元素均小于1,即或28基本LMS自适应算法(软件实现)29LMS自适应滤波器(硬件实现)30第二节自适应噪声抵消器自适应噪声抵消的目的是:主信号由有用信号和背景噪声组成;去除主信号中的背

7、景噪声;背景噪声与参考信号中的噪声相关;因此,自适应噪声抵消技术主要依赖于从主信号和噪声中获取参考信号。318.2.1自适应噪声抵消原理最佳噪声抵消器其中估计误差e(n)32自适应噪声抵消器338.2.2基于最小均方误差准则(LMS)的自适应噪声抵消根据上一节的推导,滤波器权重更新表达式为()34LMS自适应噪声抵消算法可按以下步骤实现35max表示自相关矩阵Rxx的最大特征值;在实际应用中,Rxx的具体值是不知道的,参数的值也需要试探性地选择;若取值小,能保证收敛,但需要注意的是,如果取得过小,收敛速度将非常慢;相反

8、,若取值大,可以提高收敛速度,却是以噪声收敛为代价的。收敛因子满足:36举例如果参考输入信号r(n)是频率为0的正弦信号,自适应滤波器将从主信号中滤除所有的频率为0的正弦成分。在这种情况下,自适应噪声抵消器相当于一个槽形滤波器。分析讨论槽形滤波器的工作原理。373839

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。