文档介绍：题目自适应滤波算法与应用研究一、选题的目的及研究意义滤波技术是信号处理中的一种基本方法和技术,在当今信息处理领域中有着极其重要的应用。尤其数字滤波技术使用广泛, 数字滤波理论的研究及其产品的开发一直受到很多国家的重视。滤波是从连续的或离散的输入数据中除去噪音和干扰以提取有用信息的过程, 与其相应的装置就称为滤波器?? 1 。滤波器实际上是一种选频系统,他对某些频率的信号予以很小的衰减,使该部分信号顺利通过。而对其他不需要的频率信号予以很大的衰减, 尽可能阻止这些信号通过。从总的来说滤波可分为经典滤波和现代滤波。经典滤波要求已知信号和噪声的统计特性,如维纳滤波和卡尔曼滤波。现代滤波则不要求已知信号和噪声的统计特性,如自适应滤波。自适应滤波器是近 30 年来发展起来的一种最佳滤波方法。它是在维纳滤波,卡尔曼滤波器等线性滤波器基础上发展起来的一种最佳滤波方法。由于它具有更强的适应性和更优的滤波性能,从而在工作实际中,尤其在信息处理技术得到广泛的应用。它是利用前一时刻已获得的滤波器参数, 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,从而实现最优滤波。当在未知统计特性的环境下处理观测信号时, 利用自适应滤波器可以获得令人满意的效果, 其性能远超过通用方法所设计的固定参数滤波器?? 2 。自适应信号处理的核心思想是“最小方差”, 最终目地是使误差信号最小化。由 WIDROW 和 HOF F 提出来的最小均方误差( LMS )算法,因具有计算量小、易于实现、不依赖模型、性能稳健等优点而被广泛应用?? 3 。然而, 传统的固定步长的 LMS 算法在收敛速度、时变系统的跟踪能力和稳态失调之间的要求是存在很大矛盾的。小的步长确保稳态时具有小的失调, 但是算法的收敛速度慢, 并且对非稳态误差的跟踪能力差。另一方面,大的步长使算法具有更快的收敛速度和好的跟踪能力,但是是以失调为代价的?? 4 。为了解决这一问题, 人们提出了许多改进的 LMS 算法。研究本课题的目的就是在目前已提出的各种改进算法的基础上, 分析它们的利与弊, 提出一种新的算法。该算法要能很好的解决滤波器的收敛速度、对事变系统的跟踪能力和稳态失调三者之间的矛盾。继而将该算法应用于解决实际问题。 1 二、综述与本课题相关领域的研究现状、发展趋势、研究方法及应用领域等自适应滤波器的理论与技术是 50 年代末和 60 年代初发展起来的。它是现代信号处理技术的重要组成部分, 对复杂信号的处理具有独特的功能。自适应滤波器在数字滤波器中属于随机数字信号处理的范畴。对于随机数字信号的滤波处理, 通常有维纳滤波, 卡尔曼滤波和自适应滤波, 维纳滤波的权系数是固定的, 适用于平稳随机信号; 卡尔曼滤波器的权系数是可变的, 适用于非平稳随机信号中。但是, 只有在对信号和噪声的统计特性先验已知的情况下, 这两种滤波器才能获得最优滤波。在实际应用中,常常无法得到这些统计特性的先验知识,或者统计特性是随时间变化的?? 5 。因此, 许多情况下, 用维纳滤波器或卡尔曼滤波器实现不了最优滤波, 而自适应滤波却能够提供卓越的滤波性能。传统的自适应滤波器主要在时域中实现, 采用抽头延迟线( tapped de lay line) 结构及 W IDROW - HOFF 自适应 LMS 算法。这种方法算法简单, 稳定性也比