文档介绍：,甇琲瑆琣,瑂琣/篒琣鰁畉瑆,琣,,:、~
翩躲丛本人签名:翠玉坠多日期:坐籺日期:鷍’殂出盈日期:翌坚::嗪创新性声明关于论文使用授权的说明本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知,除了文中特别加以标注和致谢研究成果:也不包含为获得西安电子科技大学或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做中所罗列的内容以外,论文中不包含其他入已经发表或撰写过的的贡献均已在论文中做了明确的说明并表示了谢意。本人完全了解西安电子科技大学有关保留和使用学位论文的规定,即:学校有权保留送交论文的复印件,允许查阅和借阅论文;学校可以公布论文的全部或部分内容,可以允许采用影印、缩印或其它复制手段保存论文。本人签名
第一章绪论§引言近几年,自适应无限冲激响应瞬ㄆ饕丫晌A诵藕糯砹煊虻囊桓活跃的研究方向,与自适应有限冲激响应瞬ㄆ飨啾龋允视滤波器的主要优点是:它可以提供比系数个数相同的白适应玫亩嗟穆瞬ㄆ餍阅堋一个具有足够阶数的自适应瞬ㄆ骺梢宰既返拿枋鲆桓鑫粗5牧慵ǖ阆低车模型,而自适应瞬ㄆ髦荒芙普庋南低场NA说玫酵恍阅埽琁滤波器的系数要比俚枚唷R虼耍捎诩扑懔康募跎俸托阅艿奶岣撸允视滤波器在信号处理领域已经引起越来越多的注意。信号处理就是从干扰或噪声中提取有用信号并进一·,但由于通信信道中存在的干扰和噪声是不确定的,我们却不知道接受的变了样的矩形脉冲究竟是信号还是干扰。又比如说天文信号,且不说观测中必然有其他的干扰混入,就是被观测天体所能给出的信号究竟是什么样子也是未可确知的。为了对付这些不确定性,人们常采样的办法是增加观测次数,对大量的观测结果作统计处理。这样,数学统计就在信号处理中占有了很重要的位置⋯。但是统计推断仅仅是部分的建立在观测的基础上的,另一个同样重要的基础乃在于对随即性,独立性、,简化,或者只是对某些模糊知识所作的粗略描绘。这是一些理想化的假定,是信号处理的背景条件的理想化模型。定的理想噪声模型下设计对某些性能准则为最优的信号处理器。但当干扰或噪声的真实概率分布与理想化的概率分布有差别时,处理效果往往并不是最优的。因此,在本文中,我们将研究一些稳健的自适应方法,以使处理过程能自动地适自:。待处理信号来源于各种物理观测,而各种观测总是包含着若干不确定的因素。这些假定往往是为了更有效地利用数学工具而引入的,或者是对实际情况所作的经典的信号处理方法是基于对干扰或噪声的概率分布函数作理想化假定,在假信号环境的变化。,蚫分别表示被污染的信号和原始纯净信号,T肷NA舜砩;—月,
丽一譬,∽理论都是基高斯假设得到的。实际上,当噪声的先验信息未知时,对其进行高斯假设是可行的。首先,根据中心极限定理,由具有有限方差的独立随机变量之性组合仍为高斯分布,因此,当一个系统的输入服从高斯分布时其输出也服从高斯分布。;拙匾阎J保咚垢怕拭芏群羌ù箪孛芏菼“。因此,高斯过程是很容易描述的,仅用均值和方差就可以完整的描述一个高斯过”薪锨康某寮ば裕缭谒律藕爬状锏推荡笃肷佬峭ㄑ逗途醚如果我们仍采用高斯假设下的理论和方法,则最优系统的性能将会显著下降。”因此,当理想的高斯模型在非高斯环境中得不到最优解时,我们必须模型复杂度和精度之间重新选择,以便建立一个更可行的统计模型。为了克服采用高斯分布带来的系统性能下降,在本文中,我们介绍了一种盘一稳定分布来建模此类非高斯冲激信号。口一稳定歉咚狗植嫉闹苯油苀“,因此,它具有很多高斯分布所具分布很快成为信号处理领域的热点研究问题。但是,由于稳定分布不存在有限的。.阶矩,因此,到目前为止,信号处理领域对它的研究还很不完善,很多的问题还有待于进一步解决,在本文中我们提出了两种适用于口一稳定分布的自适应算法,其性能较以前的算法有了很大的提高。总而言之,信号处理就是在一定的背景条件下按照某种性能要求设计出合适可统称为滤波器。简要的说,经典的最佳处理器就是在给定的工作点下求出对某利一处理性能最佳的滤波器,其中总是假定我们对工作点的认识不存在任何的不确定‘:。可是我们设计的滤波器『疗实际“,很多的信号检测与估计和表示的随机变量其渐进分布为高斯分粕。其次,由高斯分布得到的均为易于处理的线性方程。。高斯分布的线但是,在现实物理世界中我们遇到的很多信号和噪声并不服从高斯分布