文档介绍：基于 RLS 算法自适应滤波器的设计摘要自适应滤波器是统计信号处理的一个重要组成部分。在实际应用中,由于没有充足的信息来设计固定系数的数字滤波器,或者设计规则会在滤波器正常运行时改变,因此需要研究自适应滤波器。凡是需要处理未知统计环境下运算结果所产生的信号或需要处理非平稳信号时,自适应滤波器可以提供非自适应方法所不可能提供的新的信号处理能力。而且其性能通常远优于用常方法设计的固定滤波器。本文从自适应滤波器研究的意义入手,介绍了自适应滤波器的基本理论思想,具体阐述了自适应滤波器的基本原理、算法及设计方法。自适应滤波器的算法是整个系统的核心。对 RLS 算法自适应滤波器做了详细的介绍,采用改进的 RLS 算法设计自适应滤波器,并采用 MATLAB 进行仿真,通过实验结果来体现该滤波器可以根据信号随时修改滤波参数,达到动态跟踪的效果,使滤波信号更接近于原始信号。关键词: 自适应滤波器,RLS 算法,噪声消除, FIR 张少博:基于 RLS 算法自适应滤波器的设计-1- 第1章绪论课题研究意义和目的滤波技术是信号处理中的一种基本方法和技术,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。对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。 Windrow 等于 1967 年提出的自适应滤波系统的参数能自动的调整而达到最优状况,而且在设计时,只需要很少的或根本不需要任何关于信号与噪声的先验统计知识。这种滤波器的实现差不多像维纳滤波器那样简单,而滤波器性能几乎如卡尔曼滤波器一样好。自适应滤波器与普通滤波器不同,它的冲激响应或滤波参数是随外部环境的变化而变化的, 经过一段自动调节的收敛时间达到最佳滤波的要求。自适应滤波器本身有一个重要的自适应算法,这个算法可以根据输入、输出及原参量信号按照一定准则修改滤波参量,以使它本身能有效的跟踪外部环境的变化。因此,自适应数字系统具有很强的自学****自跟踪能力和算法的简单易实现性。自适应滤波技术的核心问题是自适应算法的性能问题,提出的自适应算法主要有最小均方( LMS )算法、递归最小二乘( RLS )算法及相应的改进算法如:归一化(NLMS )算法、变步长(SVSLMS )算法、递归最小二乘方格形(RLSL )算法等。这些算法各有特点,适用于不同的场合。研究自适应算法是自适应滤波器的一个关键内容。递归最小二乘( RLS )算法是线性自适应滤波算法中最基本的两类算法之一,由于基于 LMS 准则的自适应滤波算法的收敛速度通常较慢,有些在调整过程种的延时也较大。为了克服 LMS 的算法,我们采用在每个时刻对所有已输入信号重估的平方误差之和最小这样的准则,即RLS 算法。RLS 算法复数乘法正比于 2k ,使其自适应速度更快。目前应用最多的是系统辨识、回波消除、自适应谱线增强、自适应信道均衡、语音线性预测、自适应天线阵等诸多领域。国内外研究发展状况自适应滤波的基本理论通过几十年的发展已日趋成熟,近十几年来自适应滤波器的研究主要针对算法与硬件实现。算法研究主要是对算法速度和精度的改张少博:基于 RLS 算法自适应滤波器的设计-2- 进,其方法大都采用软件 C、MATLAB 等仿真软件对算法的建模和修正。通常,自适应滤波器的硬件实现都是用 DSP 通用处理器(如TI的TMS320 系列)。DSP 器件采用改进的哈佛结构,具有独立的程序和数据空间,允许同时存取程序和数据, 内置高速的硬件乘法器(MAC ) ,增强的多级流水线。 DSP 具有的硬件乘法模块(MAC ),专用的存储器以及适用于高速数据运行的总线结构,使DSP 器件具有高速的数据运算能力。目前,用DSP 器件处理数字信号已经成为电子领域的研究热点。在自适应信号处理领域,对于数据处理速度在几兆赫兹以内的,通用 DSP 器件也是首选。迟男等人在 TMS320C32 芯片上扩展 EPROM 和RAM ,实现了 30阶 LMS 自适应滤波器,使用的刀 D 转化器件为 AD1674 ,最高采样频率为 l00KHz 。陆斌等人采用TMS320C3 0数字信号处理器与IMSA11 0专用滤波器并行处理的方法设计出了自适应滤波器并应用于直接序列的扩频接收系统 1221 。赵慧民等人在 TMS320C31 上实现了自适应权向量滤波器,完成了信号采样频率为 80KHz 的自适应滤波。在数据处理速度只要求在几兆赫兹以内的应用场合,这些用 DSP 实现的自适应滤波器能很好的满足系统实时的需求。在这种需求场合下,DSP 具有不可媲美的性价比。但是随着信息化的进程加快和计算机科学与技术、信号处理理论与方法等的迅速发展,需要处理的数据量越来越大,对实时性和精度的要求越来越高。以迅速发展的移动通信技术为例,从IG时代只