文档介绍：摘要机实验显示,子带直接矩阵求逆算法只需经过较少的更新次数——自适应子滤波在许多应用中,基于梯度算法的子带自适应滤波已经显示了其在计算和性能上的优点。然而,在实际应用中,随着子带数目增加而增加的收敛速率却最终受限于不理想的滤波器组和有限字长效应。在诸多自适应算法中,直接矩阵求逆算法具有优异的收敛性能。然而,矩阵求逆巨大的计算复杂度限制了该算法的广泛应用。基于最近提出的~个采用临界采样滤波器组的子带自适应结构,该文引入了子带直接矩阵求逆惴āT诒3至烁盟惴ǹ焖偈樟灿诺愕耐保用相关矩阵块三对角的特殊结构,降低了该算法的计算复杂度。理论分析及计算器自由度的两倍,就能够收敛到高于最小均方误差的浇关键词:子带自适应滤波器块三对角直接矩阵求逆
知识水坝***@pologoogle为您整理
,瑆.,瓻甀鳎甿.,·
知识水坝***@pologoogle为您整理
牵沮同期—址江丝蓝选西安电子科技大学创新性声明关于论文使用授权的说明秉承学校严谨的学风和优良的科学道德,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中所罗列的内容以外,论文中不包含其他人已经发表或撰写过的研究成果;电不包含为获得西安电子科技大学或其它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的任何贡献均已在论文中做了明确的说明并表示了谢意。申请学位沦文与资料若有不实之处,本人承担一切的法律责任。本人签名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:研究生在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。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。同时本人保证,毕业后结合学位论文研究课题再撰写的文章一律署名单位为西安电子科技大学。C艿穆畚在解密后遵守此规定导帅签名开期日期
第一章绪论研究的背景和意义和干扰噪声的统计特性韵喙睾蚬β势,以最小均方准则所设计的最佳滤但是当输入信号的统计特性发生变化,那么根据原有设计条件设计的维纳滤波器程,即要求对信号和噪声的统计特性有先验知识。但在实际中,如同维纳滤波中面临的问题一样,往往难以预知这些统计特性,因此难以实现真正的最佳滤波。动地调整到最佳状态,而在设计时,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,而滤波一个可编程滤波器,它的冲激响应为,或称为滤波参数;自适应滤波器输出里期望响应信号是根据不同用途来选择的,自适应滤波器输出信号胛嵌也是一种线性时变滤波器。早在世纪年代,人们针对平稳随机信号建立了维纳滤波理论。根据信号波器,称为维纳滤波器。这种滤波器能最大程度地滤除干扰噪声,提取有用信号。就不再是最佳的了,这在实际应用中受到了限制。到年代初,出现了卡尔曼滤波理论,即利用状态变量模型对非平稳、多输入多输出随机序列作最优估计。卡尔曼滤波器已成功应用到许多领域,它既可以对平稳的和非平稳的随机信号作线性最佳滤波,也可作非线性滤波。实质上,维纳滤波器是卡尔曼滤波器的一个特例。在设计卡尔曼滤波器时,必须知道产生输入过程的系统的状态方程和测量方扔晏岢龅淖允视β瞬ɡ砺郏墒棺允视β瞬ㄏ低车牟问性能几乎如卡尔曼滤波器一样好。因此,近十年来,自适应滤波理论和方法得到了迅速发展。图描述的是一个通用的自适应滤波估计问题,图中离散时间线性系统表示信号为,所期望的响应信号为,误差信号为与之差。这期望响应信号,进行估计的,滤波参数受误差信号胛目刂撇⒆远髡栉墓兰浦祔等于所期望的响应。因此,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改变的,经过一段自动调节的收敛时認达到最佳滤波的要求。但是,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、输出及原参量值,按照一定准则修改滤波参量,以使它本身能有效地跟踪外部环境的变化。通常,自适应滤波器是线性的,因而
自适应滤波具有很强的自学习、自跟踪能力和算法的简单易实现性,它在带噪信号的检测增强,噪声干扰抵消,波形编码的线性预测,雷达声纳系统的阵列处强复原,图像识别的自适应分割,以及未知系统的自适应参数辨识等方面得到了在自适应滤波的诸多应用中,以脉冲响应为模型的线性系统的自适应辨识已经得到了广泛的研究。针对该问题,人们已经提出了一系列有效的自适应算法【啊自适应横向滤波算法在直接形式上得出了脉冲响应的一个估计,将系统的输入信在图中,离散时间线性系统可以分为两类基本结构,具有有限记忆的非递归型的自适应峁购途哂形尴藜且涞牡莨樾偷淖允视结构。应用最广泛的自适应峁故抢贸橥费映傧咦龀傻暮嵯蚵瞬ㄆ鳎缤糽所示,它利用正规直接形式实现全零点传输函数,而不采用反馈环节,