自适应滤波器的应用及研究意义

自适应滤波器的应用及研究意义1自适应滤波的应用.......................................................................................................................11.1自适应滤波与逆滤波.........................................................................................................11.2系统辨识............................................................................................................................11.3自适应均衡.........................................................................................................................21.4自适应回波抵消.................................................................................................................21.5通信中的噪声消除.............................................................................................................32自适应滤波器研制的意义...........................................................................................................31自适应滤波的应用自适应滤波处理技术可以用来检测平稳的和非平稳的随机信号。自适应数字系统具有很强的自学习、自跟踪能力和算法的简单易实现性。它是从六十年代初发展起来的，与信息论、检测及最佳估计理论、滤波器理论密切相关，是信号处理学科的一个重要分支，随着超大规模集成电路技术和计算机技术的迅速发展和自适应滤波理论本身的不断完善，使得其应用愈末愈广泛，已遍及通信、语音信号处理、图像处理、模式识别、系统辨识及自动控制等领域，是目前最活跃的研究领域之一。自适应滤波器的应用范围很广，主要有五个方面：自适应滤波与逆滤波；系统辨识；自适应均衡：自适应回波抵消；通信中的噪声消除。1.1自适应滤波与逆滤波对一个未知系统的逆系统进行模拟叫做系统的逆向模拟，可以看成求一自适应系统，其传函数是未知系统的传递函数的倒数的最佳拟合，或者说求一未知系统的逆滤波系统。自适应逆滤波应用广泛，它可以作为信道均横器，在数字数据传输中，信道常等效成一个线性时不变系统，为了抵消信道失真，常在接收端用一个自适应逆滤波器进行处理，其传递函数等于信道传递函数的倒数。1.2系统辨识所谓系统辨识，实质上是根据系统的输入和输出信号来估计或确定系统的特性以及系统的单位脉冲响应或传递函数。系统辨识的任务是根据输入信号和接收信号确定未知信道的特性。用自适应滤波器模拟未知系统，并通过调整其参数，使它在与未知系统具有相同激励时能够得到误差均方值最小的输出。自适应滤波器收敛后，其结构和参数不一定会与未知系统的结构和参数相同，但二者的输入，输出响应关系是拟合的或匹配的。1.3自适应均衡计算机通信的快速发展，要求提高数据传输系统的速率。在有限传输系统中，当数据速率高于4800b礁时，由于有线信道的传输特性不理想，而且其幅度响应与相频响应分别是恒定的和线性的，会随着气候、气温等因素而变化，因此必须采用自适应均衡器来补偿信道的畸变，以减少码间干扰所引起的误码。在数字微波接力通信系统中，由于多径传输所引起的码问干扰，也必须采用自适应均衡器来克服它。1.4自适应回波抵消所谓回波，一般指信号源发生的、经过信道或目标而返回到信号源的一部分原始信号。这种返回的信号相对于信号源发出的原始信号，往往有一定的延迟或失真。在诸如雷达、主动声纳和超声检测等应用中，回波就是所要接收或检测的信号，其中包含了目标或信号传输通道的相关信息。然而，在通信系统中，回波与噪声一样，都会对通信质量产生有害的影响，必须加以消除。通常，通信系统中存在两种类型的回波，即电回波和声回波。电回波又称线路回波，是通信信号在传输媒介中传输时，由于阻抗的不匹配引起的。而声回波是由声波的反射及麦克风和扬声器之间的声音耦合造成的。回波对通信用户而言是非常有害的，同时也会影响信号检测的准确性和可靠性。例如，在语音识别应用中，原始语音信号的回波可能会被误认为是原始语音信号。这样，语音识别系统的有效性会因回波的影响而大打折扣。类似地，在多方电话会议应用中，由于信号经过多次阻抗不匹配情况下的反复传播，影响会更加严重。为了克服影响，可在终端装上自适应回波抵消器。1.5通信中的噪声消除噪声消除是信号处理的核心问题之一，也是通信系统面临的关键问题。传统的滤波技术是一种常规的噪声消除技术，包括维纳滤波和卡尔曼滤波在内，传统的滤波技术均要求已知信号和噪声的统计先验知识。但是在许多实际应用中，这些统计特性往往无法预先得知。1959年，美国斯坦福大学建成了第一个自适应噪声抵消系统(AdaptiveNoiseCancellation，ANC)，四十多年来，自适应噪声抵消系统在许多领域得到了广泛的应用。2自适应滤波器研制的意义数字信号处理的迅速发展是从20世纪60年代开始的，其主要标志是两项重大进展，即快速傅立叶变换(FFT)算法的提出和数字滤波器设计方法的完善。作为其中一项重大突破的数字滤波器，在20世纪60年代中期形成了它的完整而正规的理论。人们根据传统数字滤波器的概念，即根据给定的频率特性指标(低通、高通、带通或带阻，或别的形状的特性其参数)来设计并实现数字滤波器外，还深入研究了维纳滤波器和卡尔曼滤波器的数字实现问题。维纳滤波器是根据有用信号和干扰噪声的统计特性(自相关函数或功率谱)，以线性最小均方误差估计准则所设计的最佳滤波器，它能最大程度的滤除干扰噪声，提取有用信号。但是，当信号的统计特性偏离设计条件时，它就不再是最佳的了，这使其滤波器在实际应用中受得了限制。由于空间技术的发展，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。现在，卡尔曼滤波器以成功的应用到许多领域，它既可对平稳的和非平稳的随机信号作线性最优滤波，也可作非线性滤波。但卡尔曼滤波器也有其局限性，在设计时，必须知道产生输入过程的系统的状态方程，即要求对信号和噪声的统计特性有先验知识，但在实际中，我们往往难以预知这些统计特性，因此，实现不了真正的最佳滤波。Windrow等于1967年提出的自适应滤波系统的参数能自动的调整而达到最优状况，而且在设计时，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，而滤波器性能几乎如卡尔曼滤波器一样好。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变化的，经过一段自动调节的收敛时间达到最佳滤波的要求。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、输出及原参量信号按照一定准则修改滤波参量，以使它本身能有效的跟踪外部环境的变化。因此，自适应数字系统具有很强的自学习、自跟踪能力和算法的简单易实现性。自适应滤波技术的核心问题是自适应算法的性能问题，提出的自适应算法主要有最小均方(LMS)算法、递归最小二乘(RLS)算法及相应的改进算法如:归一化(NLMS)算法、变步长(SVSLMS)算法、递归最小二乘方格形(RLSL)算法等。这些算法各有特点，适用于不同的场合。研究自适应算法是自适应滤波器的一个关键内容，算法的特性直接影响滤波器的效果。鉴于自适应滤波器具有自学习、自跟踪、对参数经常变化的动态系统有较好控制效果的特性，我们有必要对其进行深入的研究，特别是对自适应滤波器新算法的研究。