文档介绍：密级: 学校代码:10075
分类号: 学号:20091277

工学硕士学位论文

自适应 RLS 算法的研究及周期信号
噪声滤除的应用

学位申请人: 王月娟
指导教师: 常铁原副教授
学位类别: 工学硕士
学科专业: 通信与信息系统
授予单位: 河北大学
答辩日期: 二○一二年六月

1
Classified Index: CODE: 10075
: NO: 20091277

A Dissertation for the Degree of M. Engineering

Research of adaptive RLS algorithm
and the application of the noise filtering
in periodic signal

Candidate: Wang Yuejuan
Supervisor: Associate Tieyuan
Academic Degree Applied for: Master of Engineering
Specialty: Comm. &Info. System
University: Hebei University
Date of Oral Examination: June, 2012

2
3
4
摘要
摘要
任何系统都不可避免地受到各种噪声的影响,如何有效地消除和抑制噪声是近年来
的热门研究课题之一。噪声抑制方法可分为两大类:被动噪声抑制和主动噪声抑制。被
动式噪声抑制方法是从声学材料和声学结构入手,对抑制高频噪声较为有效,但对低频
噪声效果并不好,且设备笨重、体积庞大、安装困难。主动式噪声抑制方法解决了低频
噪声抑制问题,且系统的体积小、重量轻。随着数字信号处理技术和控制系统理论的发
展,主动噪声抑制技术开始以自适应为主要研究方向。自适应滤波是近 30 年以来发展
起来的一种最佳滤波方法。它是在维纳滤波,Kalman 滤波等线性滤波基础上发展起来
的一种滤波方法,具有更强的适应性和更优的滤波性能。
本文介绍了自适应滤波器的基本原理,对自适应算法中最基本的两种算法:最小均
方(LMS)算法和最小二乘(RLS)算法进行了深入研究,分析了典型算法的特性及各参数对
算法性能的影响,并对比了典型算法的优缺点。自适应 LMS 滤波器结构简单,易于实
现,其缺点是收敛速度很慢,抗干扰差。基于最小二乘准则,RLS 算法对输入信号的自
相关矩阵逆进行递推估计更新,收敛速度更快,跟踪能力更强,其收敛性能与输入信号
的频谱特性无关,系统更加稳定。通过对比各种 RLS 滤波算法的优缺点,对现有变遗
忘因子的 RLS 算法进行了改进,实现了自适应自调谐滤波器。为验证算法的可行性,
从理论上对算法的跟踪能力、收敛性、抗干扰能力进行了分析,并且通过 Matlab 软件
对其进行对比仿真,证实了改进的 RLS 算法的优越性。用 VHDL 硬件描述语言,在
Quartus II 软件开发平台上编写改进的算法程序,并用 SOPC 实验箱中的 Cyclone 系列
EP1C6Q240C8 芯片,实现算法。最终提出完善的系统设计方案,形成一个较成熟的周
期信号采集系统,其适用于较弱低频周期信号的的滤波处理,可以独立应用。

关键词变遗忘因子 RLS 算法周期信号自调谐滤波器

I
5
Abstract
Abstract
All of the systems are inevitably influenced by kinds of the noises. One of the hot
research topic in recent years is how to effectively eliminate and reduce the noise. Noise
suppression method can be divided into two parts: passive noise suppression and active noise
suppression .Passive noise suppression method gets at the acoustic materials and structure of
acoustics, effectively sup