自適�(yīng)濾波�是能夠根�(jù)輸入信號自動�(diào)整性能進行�(shù)字信號處���(shù)字濾波器。根�(jù)�(huán)境的改變,使用自適應(yīng)算法來改�?yōu)V波器的參�(shù)和結(jié)�(gòu)。一般情況下,不改變自適�(yīng)濾波器的�(jié)�(gòu)。而自適應(yīng)濾波器的系數(shù)是由自適�(yīng)算法更新的時變系�(shù)。即其系�(shù)自動連續(xù)地適�(yīng)于給定信�,以獲得期望響應(yīng)。自適應(yīng)濾波器的最重要的特征就在于它能夠在未知�(huán)境中有效工作,并能夠跟蹤輸入信號的時變特征�
以輸入和輸出信號的統(tǒng)計特性的估計為依�(jù),采取特定算法自動地�(diào)整濾波器系數(shù),使其達(dá)到濾波特性的一種算法或裝置�自適�(yīng)濾波�可以是連續(xù)域的或是離散域的。離散域自適�(yīng)濾波器由一組抽頭延遲線、可變加�(quán)系數(shù)和自動調(diào)整系�(shù)的機�(gòu)組成。附圖表示一個離散域自適�(yīng)濾波器用于模擬未知離散系�(tǒng)的信號流�。自適應(yīng)濾波器對輸入信號序列x(n)的每一個樣值,按特定的算法,更新、調(diào)整加�(quán)系數(shù),使輸出信號序列y(n)與期望輸出信號序列d(n)相比較的均方誤差為最小,即輸出信號序列y(n)逼近期望信號序列d(n)�
20世紀(jì)40年代初期,N.維納首先�(yīng)用最小均方準(zhǔn)則設(shè)計線性濾波器,用來消除噪�、預(yù)測或平滑平穩(wěn)隨機信號�60年代初期,R.E.卡爾曼等�(fā)展并�(dǎo)出處理非平穩(wěn)隨機信號的時變線性濾波設(shè)計理�。維�、卡爾曼-波色濾波器都是以預(yù)知信號和噪聲的統(tǒng)計特征為基礎(chǔ),具有固定的濾波器系�(shù)。因�,僅�(dāng)實際輸入信號的統(tǒng)計特征與�(shè)計濾波器所依據(jù)的先驗信息一致時,這類濾波器才是的。否�,這類濾波器不能提供性能�70年代中期,B.維德羅等人提出自適應(yīng)濾波器及其算法,�(fā)展了濾波�(shè)計理��
以最小均方誤差為�(zhǔn)則設(shè)計的自適�(yīng)濾波器的系數(shù)可以由維�-霍甫夫方程解�
式中W(n)為離散域自適�(yīng)濾波器的系數(shù)列矩陣�xx-1(n)為輸入信號序列x(n)的自相關(guān)矩陣的逆矩�,Φdx(n)為期望輸出信號序列與輸入信號序列x(n)的互相關(guān)列矩陣�
B.維德羅提出的一種方�,能實時求解自適�(yīng)濾波器系�(shù),其�(jié)果接近維納-霍甫夫方程近似解。這種算法稱為最小均方算法或簡稱 LMS法。這一算法利用最陡下降法,由均方誤差的梯度估計從�(xiàn)時刻濾波器系�(shù)向量迭代計算下一個時刻的系數(shù)向量
式中【�2(n)】為均方誤差梯度估計�
ks為一�(fù)�(shù),它的取值決定算法的收斂�。要�,其中�max為輸入信號序列x(n)的自相關(guān)矩陣特征��
自適�(yīng) LMS算法的均方誤差超過維納濾波的最小均方誤�,超過量稱超均方誤差。通常用超均方誤差與最小均方誤差的比值(即失�(diào))評價自適應(yīng)濾波性能�
抽頭延遲線的非遞歸型自適�(yīng)濾波器算法的收斂速度,取決于輸入信號自相�(guān)矩陣特征值的離散程度。當(dāng)特征值離散較大時,自適應(yīng)過程收斂速度較慢。格型結(jié)�(gòu)的自適應(yīng)算法得到廣泛的注意和實際�(yīng)用。與非遞歸型�(jié)�(gòu)自適�(yīng)算法相比,它具有收斂速度較快等優(yōu)�。人們還研究將自適應(yīng)算法推廣到遞歸型�(jié)�(gòu);但由于遞歸型結(jié)�(gòu)自適�(yīng)算法的非線性,自適�(yīng)過程收斂性質(zhì)的嚴(yán)格分析尚待探�,實際應(yīng)用尚受到一定限��
●自適應(yīng)反饋消除(en:Adaptive Feedback Cancellation�
●噪聲消除(en:Noise cancellation�
●通道辨識(en:Channel identification�
●通道均衡
●信號預(yù)�