自适应滤波器(Adaptive Filter)(1)–简介
自适应滤波器(adaptive filter)(2)–LMS算法
1.自适应 FIR 滤波器基础知识
自适应滤波器的一些经典应用包括系统识别、通道均衡、信号增强和信号预测。建议的应用程序是降噪,这是一种信号增强。下文描述了此类应用程序的一般案例。
当信号x(k)因噪声n1(k)损坏时,信号n2(k)与噪声相关。当算法收敛时,输出信号 e(k)将是信号的增强版本。
平均方形误差 (F[e [k]= [|E[e(k)|2])是重量参数的二次函数。此属性很重要,用于自适应过滤器,因为它只有一个通用的最小值。这意味着它适用于许多类型的自适应算法,并将导致一个体面的收敛行为。相比之下,IIR 过滤器需要更复杂的算法和对此问题的分析。
有许多自适应算法可用于信号增强,如牛顿算法、最陡峭的