文档介绍：------------------------------------------------------------------------------------------------ ——————————————————————————————————————自适应滤波算法综述_ 耿妍第6卷第4期信息与电子工程 Vo1 .6, No .4, 2008 2008 年8月 INFORMATION AND ELECTRONIC ENGINEERING Aug . 文章编号: 1672-2892(2008)04-0315-06 自适应滤波算法综述耿妍,张端金( 郑州大学信息工程学院,河南郑州 450052) 摘要:分析了最小均方误差滤波和递归最小二乘滤波算法、自适应滤波的神经网络方法、基于 QR 分解的方法、统一模型下的自适应滤波及基于高阶累积量的自适应算法的优缺点,并对自适应滤波算法的未来发展做了展望。关键词: 自适应滤波算法; 最小均方误差算法; 递归最小二乘算法;神经网络;矩阵分解中图分类号: TN911 文献标识码: A Survey of Adaptive Filtering Algorithms GENG Yan , ZHANG Duan-jin (School of Information Engineering , Zhengzhou University , Zhengzhou Henan 450052 , China) ------------------------------------------------------------------------------------------------ —————————————————————————————————————— Abstract : On the basis of Least-Mean-Square(LMS) filtering and Recursive-Least-Square(RLS) filtering, the recently developed adaptive filtering algorithms such as the work approach , the QR position approach, the unified model algorithm , the high-order cumulant-based algorithms are extensively reviewed. Some typical application results of adaptive filtering are also given. Key words : adaptive filtering algorithm ; LMS algorithm ; RLS algorithm ; work ; matrix factorization 由 Widrow B 等提出的自适应滤波理论,是在维纳滤波、卡尔曼滤波等线性滤波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,从而广泛应用于通信、系统辨识、回波消除、自适应谱线增强、自适应信道均衡、语音线性预测和自适应天线阵等诸多领域[1] 。自适应滤波一般包括 3 个模块: 滤波结构、性能判据和自适应算法[2] 。其中, 自适应滤波算法的研究是自适应信号处理中最为活跃的研究课题之一, 包括线性自适应算法和非线性自适应算法。非线性自适应算法具有更强的信号处理能力, 但计算比较复杂, 实际应用最多的仍然是线性自适应算法。虽然线性自适应滤波器和相应的算法具有结构简单、计算复杂性低的优点而被广泛应用, 但由于对信号的处理------------------------------------------------------------------------------------------------ ——————————————————————————————————————能力有限而在应用中受到限制[3] 。在实际问题中, 迫切需要研究有效、实用的滤波算法。本文对自适应滤波的多种算法进行了简要分析。1 自适应滤波的 2 类基本算法 LMS 自适应滤波算法 LMS 算法基于最小均方误差准则和最陡下降法, 对权值进行迭代更新, 以获取最优权值。在已提出的自适应算法中, LMS 算法因其具有方法简单, 计算量小, 易于实现且对信号的统计特性具有稳健性等优点, 在信号处理领域得到广泛应用。但它的收敛过程慢, 步长与收敛速度、失调之间存在矛盾。针对这个问题,人们提出多种改进的 LMS 自适应滤波算法[1,4-5] , 主要有 2类: 变步长 LMS