浅谈自适应滤波器---（自适应陷波器）

          陷波器顾名思义就是对特定频率的信号有着很强的衰减的滤波器，也即阻带带宽极窄的带阻滤波器。在传统的数字陷波器设计中，为了能使某一频率信号得到足够大的衰减，通常的做法就是把阶数选的足够高来达到很大的衰减；但同时计算量也变得更大了。而且设计的过程复杂，不利于动态的调整。为了解决上述存在的问题自适应陷波器孕育而生。博主在一次心电信号(ECG)工频干扰滤除的项目中就使用了自适应陷波器，其效果要远远好于传统的陷波器，它能在信干比-100dB的时候依然能够很好的将有用的信号提取出来。

       当我们知道原始信号里的干扰信号频率是多少时（例如最常见的50Hz工频干扰），这时我们只需要知道这个干扰信号的相位和幅度，然后就可以完全的“再现”这个干扰信号，然后我们就可以直接的从原始信号中将其减去，从而就得到了我们想要的信号成分。这一过程实际上就是自适应陷波器的基本工作原理。关于自适应实现算法的具体原理可以参考博主之前写过的博客文章《浅谈自适应滤波器》，下面给出的是今天要介绍的自适应陷波器的结构图：

       其中x(k)是带有特定频率干扰的信号，也即输入的原始信号，可见它是从自适应滤波器的期望信号端输入的；而sin(2π f0/fs k)和cos(2π f0/fs k)，是我们已知的频率为f0的干扰信号（其中fs是采样率），将它们分别乘以W1和W2进行适当的线性组合，就可以使其输出y(k)接近实际的干扰，最后输出的误差e(k)就是我们感兴趣的信号。如何进行W1和W2的选择这其实是自适应算法需要完成的工作，具体来说就是采用某种准则来构建一个关于误差e(k)的函数，通过是误差e(k)最小化来求得W1和W2，最常用的准则就是使误差的均方和最小。这也是本次博主要和大家分享的具体的自适应陷波器。

Matlab仿真

首先给出的是基于LMS的瞬时梯度估计算法的仿真代码：

clc;
clear all;
close all;
%%
%************************生成仿真信号**************