第三章自适应滤波器【讲义】.ppt

文档介绍：第三章自适应滤波器
1
前面讨论了Wiener滤波和Kalman滤波,Wiener滤波器的参数是固定的,仅适用于平稳随机信号;Kalman滤波器参数是时变的,适用于非平稳和平稳随机信号。要设计这两种滤波器,必须对信号和噪声的统计特性有先验知识。在实际中,常常无法预先知道这些统计特性,或者它们是随时间变化的,从而不能用Wiener滤波方法实现最优滤波。
2
自适应滤波器可以自动调节自身的参数,而在设计时只需要很少的、或者根本不需要任何关于信号和噪声的先验统计知识,这种滤波器的实现几乎像Wiener滤波器那样简单,而性能几乎如Kalman滤波器一样好。因此在信号和噪声的先验知识不完全知道的情况下,只有使用自适应滤波器才能得到优越性能。
3
基于此,,短短几十年间,自适应滤波器发展很快,现已广泛应用于系统模型识别、通信信道的自适应均衡、雷达与声纳的波束形成、心电图中的周期干扰的减少或消除、噪声中信号的检测、跟踪、增强及线性预测,电视接收机的自动增益控制、自动频率微调。
4
本章安排:
⑴原理
⑵的求解
⑶自适应对消
⑷自适应滤波
⑸其他应用
5
应用举例
自适应滤波器
的组成
自适应横向滤波器自适应时域滤波自适应格型滤波器
自适应空域滤波(自适应阵列) 最小二乘自适应滤波
可编程滤波器(滤波部分)
自适应算法(控制部分)
6
(或其他参数)的大小自动调整;
,最终解是Wiener解;
;
。
自适应滤波器的特点
7
,权系数的更新公式

自我调节: 校正项;
误差大,调节量大;误差小,调节量小;误差足够小,停止调节;
,收敛后的权向量应等于最佳权向量。
三大要求
8
通信信道的自适应均衡;
雷达与声纳的波束形成;
减少或消除心电图中的周期干扰;
噪声中信号的检测、跟踪、增强及线性预测。
应用
9
§ 自适应横向滤波器
10