文档介绍：------------------------------------------------------------------------------------------------ ——————————————————————————————————————自适应滤波算法综述 1 第1卷第2期 2002 年3月广州大学学报( 自然科学版) JOURNALOFGUANGZHOUUNIVERSITY(NaturalScienceEdition) No12 Mar. 2002 文章编号:1671-4229(2002)02-0044-07 自适应滤波算法综述邹艳碧,高鹰( 广州大学信息与机电工程学院, 广东广州 510405) 摘要: 基于二阶统计量即相关函数的自适应滤波算法在自适应信号处理中有着广泛的应用, 本文就国内外对这些算法的研究进行了综述. 关键词: 自适应滤波算法;LMS 算法;RLS 算法; 变换域算法; 仿射投影算法; 子带分解算法;QR 分解算法中图分类号: 文献标识码:A 1 自适应滤波算法基本原理自适应滤波器是近 30 年来发展起来的关于信号处理方法和技术的滤波器, 其设计方法对滤波器的性能影响很大. 维纳滤波器等滤波器设计方法都是建立在信号特征先验知识基础上的. 遗憾的是, 在实际应用中常常无法得到信号特征先验知识, 在这种情况下, 自适应滤波器能够得到比较好的滤波性能. 当输入信号的统计特性未知, 或者输入信号------------------------------------------------------------------------------------------------ ——————————————————————————————————————的统计特性变化时, 自适应滤波器能够自动地迭代调节自身的滤波器参数, 以满足某种准则的要求, 从而实现最优滤波. 因此, 自适应滤波器具有“自我调节”和“跟踪”能力. 自适应滤波器可以分为线性自适应滤波器和非线性自适应滤波器. 非线性自适应滤波器包括 Volterra 滤波器和基于神经网络的自适应滤波器. 非线性自适应滤波器具有更强的信号处理能力. 但是, 由于非线性自适应滤波器的计算较复杂, 实际用得最多的仍然是线性自适应滤波器. 为自适应滤波器原理框图. 自适应滤波算法广泛应用于系统辨识、回波消除、自适应谱线增强、自适应信道均衡、语音线性预测、(n) 表示自适应滤波器在时刻 n 的权矢量,x(n)=[x(n),x(n-1), …,x(n-L+1)]T 为时刻 n 的输入信号矢量,d(n) 为期望输出值,v(n) 为干扰信号,e(n) 是误差信号,L 是自适应滤波器的长度. 根据自适应滤波算法优化准则的不同, 自适应滤波算法可以分为两类最基本的算法[1]: 最小均方误差(LMS) 算法和递推最小二乘(RLS) 算法. 基于最小均方误差准则,LMS 算法使滤波器的输出信号与期望输出信号之间的均方误差 E[e2(n)] 最小. 基于最小二乘准则,RL S 算法决定自适应滤波器的权系数向量 n-i λ W(n) 使估计误差的加权平方和 J(n)= ∑? i=1n |e(i)|2 最小. 其中λ为遗忘因子,且 0< λ≤ , 本文------------------------------------------------------------------------------------------------ ——————————————————————————————————————就国内外对这些算法的研究作一综述. 2 自适应滤波算法种类 变步长自适应滤波算法由 Widrow 和 Hoff 提出的最小均方误差(LMS) 算法, 因其具有计算量小、易于实现等优点而在实践中被广泛采用. 基于最速下降法的最小均方误差(LMS) 算法的迭代公式如下:图1 自适应滤波器原理图 Adaptivefilterscheme 收稿日期:2001-10-08; 修订日期:2001-12-07 作者简介: 邹艳碧(1957-), 女, 工程师; 主要研究方向: 电子与通信、自适应信号处理、 e(n)=d(n)-X(n)W(n), W(n+1)=W(n)+2 μ e(n)X( n). ? 1995-2006 Tsinghua Tongfang Optical Disc Co., Ltd. All rights reserved. 第2期邹艳碧等: 自适应滤波算法综