自适应滤波器中LMS算法的应用

摘要 论述了自适应滤波器的工作原理,介绍了传统的LMS算法原理,叙述了改进性LMS算法的种类及比较。介绍LMS算法在噪声对消中的应用。
关键词 算法 自适应滤波器 LMS算法
TheApplicationofLMSAlgorithminAdaptiveFilter
CaoYali
(NortheasternUniversityatQinhuangdao,Qinhuangdao066004,China)
Abstract Thetheoryofadaptivefilterisdiscussed,LMSalgorithmisintroduced.AllkindsofmodifiedLMSAl-gorithmsandtheircontrastaregiven,TheapplicationofLMSalgorithminnoisecancellerisintroduced.Keywords Algorithm Adaptivefilter LMSalgorithm
1 引  言
滤波是当今信息处理领域的一种极其重要的技术。滤波是从复杂的信号中提取有用的信号,同时抑制噪声和干扰信号,以便有效地利用原始信号。滤波器实际上是一种选频系统,它对某些频率的信号予以很小的衰减,使该部分信号顺利通过;而对其他不需要的频率信号则予以很大的衰减,尽可能阻止这些信号通过。总的来说,滤波器可以分为经典滤波器和现代滤波器两大类。经典滤波器是假定输入信号x(n)中的有用成分和希望去掉的成分各占有不同的频带,即关于信号和噪声应具有一定的先验知识,这样当原始信号通过一个线性系统时无用的成分就可以滤掉。如果有用信号和噪声的频谱相互重叠,那么通过经典滤波器就无法去除噪声或干扰。而现代滤波器就能够解决上述问题。现代滤波器是把信号和噪声都视为随机信号,利用它们的统计特征(如自相关函数、功率谱等)导出一套最佳的估计算法,然后用硬件或软件予以实现。
2 自适应滤波器简介
自适应滤波器属于现代滤波器,它是20世纪40
年代发展起来的,在自适应信号处理领域中发挥着重
要的作用。自适应滤波器是相对固定滤波器而言的,自适应滤波器滤波的频率是自动适应输入信号而变化的,在没有任何关于信号和噪声的先验知识的条件下,自适应滤波器利用前一时刻已获得的滤波器的参数来自动调节现时刻的滤波器的参数。以适应信号和噪声未知或随机变化的统计特性,从而实现最优滤波器。即是根据不同的信号环境实现自身参数的调整。而实际情况中,信号和噪声的统计特性常常未知或无法获知,因此自适应滤波器的应用空间非常广泛。如系统辨识;噪声对消;自适应均衡、线性预测、自适应天线阵列等很多领域。
3 自适应滤波算法
要使自适应滤波器自动调整自身参数,得到有效的输出,则它必须满足某种最佳准则要求。不同的准则,可以产生不同的自适应算法,目前主要有两种基本的算法:最小均方误差(LMS)算法和递推最小二乘(RLS)算法。由Widow和Hoff提出的最小均方误差(LMS)算法,具有计算量小、易于实现等优点而在实践中被广泛采用。LMS算法的基本思想:调整滤波器自身参数,使滤波器的输出信号与期望输出信号之间的均方误差最小。这样系统输出为有用信号的最佳估计。
3.1 传统的LMS算法
基于最速下降法的最小均方误差(LMS)算法的迭代公式如下:
e(n)=d(n)-X(n)T
W(n)W(n+1)=W(n)+2ue(n)X(n)X(n)=[x(n),x(n-1)…x(n-L+1)]T
表示时刻n的输入信号矢量:W(n)T
=[w(n)0w(n)1…w(n)L-1]表示时刻n的自适应滤波器的权系数;式中:L——滤波器的阶数 d(n)——期望输出值 e(n)——误差
   u——步长因子,为控制稳定性和收敛速度的参量
由上述公式可以看出,传统的LMS算法确实结构简单、计算量小且稳定性好,因此被广泛地应用于自适应控制、雷达、系统辨识及信号处理等领域。但是这种固定步长的LMS自适应算法在收敛速率、跟踪速率及权失调噪声之间的要求是相互矛盾的,为了克服这一缺点,人们研究出了各种各样的变步长LMS的改进算法。尽管各种改进算法的原理不同,但变步长LMS自适应算法基本上遵循如下调整原则:即在初始收敛阶段或未知系统参数发生变化时,步长应比较大,以便有较快的收敛速度或对时变系统的跟踪速度;而在算法收敛后,不管主输入端干扰信号有多大,都应保持很小的调整步长以达到很小的稳态失调噪声。3.2 改进型的LMS算法
3.2.1 各种改进型的LMS算法基本介绍
这种算法的实质就是改变步长因子。例如:(1)在算法中,将误差信号与期望信号进行归一化之后得到一个相对误差,利用这个相对误差的平方来调节步长。算法权系数的调节公式是
W(n+1)=W(n)+u(n)e(n)X(n)其中,u(n)为步长系数,它的更新表达是:
u(n+1)=[
e(n)d(n)
]2
umax可看出步长因子随着n的变化而变化,以提供较大的收敛速度。
u(n)是由参数和相对的估计误差所控制的一个正数值。分析上述公式可知,这种算法比固定步长LMS算法具有更可取的优越性:在自适应初始阶段,误差大,归一化相对误差值也较大,导致步长增加,这使得收敛速度加快;随着自适应过程的进行,误差逐渐
减小时,归一化相对误差值也较小,导致步长减小,因此在最佳权系数附近产生较小的失调。采用相对误差的平方来调节步长,一方面是为了保证步长始终为正数,另一方面也保证了算法初始阶段和收敛阶段步长变化相对较小,从而兼顾了自适应开始时高收敛速度和收敛时的较小失调。该算法与标准LMS算法相比,计算量稍有所增加,但,这样的增加量是可以接受的。
(2)在这种变步长LMS算法中,LMS算法可以用平方误差的瞬时梯度近似均方误差梯度,通过这种算法,自适应步长也成为可变的收敛因子,它是随着输入信号功率的变化而调整,从而加快了收敛速度,使LMS算法的性能有了很大的改进。
(3)某些改进的LMS算法是利用调节误差信号的相关值同时获得快的收敛速度和小的误差。也较好地解决了收敛速度和稳态误差间的矛盾,如NLMS算法;VS-LMS算法。
3.2.2 各种改进型算法的比较
在大量的自适应滤波算法中,最具代表性的是最小均方误差(LMS)算法及其归一化算法(NLMS)。由于它们具有算法简单、运算量小和易于实现等优点,在工程上得到广泛的应用。但用它来处理相关性较强的语音信号时其收敛速度就大大降低而性能欠佳,为了克服这一缺点,人们对基本算法作了许多改进,提出了许多新的算法,如归一化解相关LMS算法(NDLMS算法),仿射投影算法(APA算法),变步长LMS自适应算法等,NDLMS算法和APA算法对强相关信号可获得较快的收敛速度,但APA算法的计算复杂度非常大,具体实现有很大的困难;而NDLMS算法的计算复杂度却比APA算法小得多,仅比NLMS算法增加少量的计算复杂度就可达到快速收敛的效果。在稳定性方面,NDLMS算法的稳态失配与NLMS算法基本相同;而变步长算法却具有较小稳态失配的优点。因此希望有一种能将变步长算法与归一化解相关算法的优点相结合起来的算法,这正是我们所要讨论的变步长归一化解相关算法(u(n)-NDLMS算法),用仿真实验将其与NLMS算法作比较,得出收敛速度与稳态失配都比NLMS算法好的结果。
4 LMS算法在噪声抵消中的应用
自适应干扰对消是通过一个恰当的自适应过程加以控制的,一般都能将噪声或干扰抑制到用直接滤波难以或不能达到的程度。它可以在信号很微弱或信号用常规的方法无法检测的噪声(干扰)场中,将从一个
453
 第8期增刊              自适应滤波器中LMS算法的应用


















或多个传感器所取得的参考输入加以过滤,并从包含信号和噪声的原始输入中减法,最后结果是原始信号中的噪声或干扰受到衰减或被消除,并尽量保留了有用信号。噪声(干扰)对消可完成时间域(频域)的滤波,也可实现空间域的滤波,因此自适应干扰对消具有广泛的应用范围。例如消除心电图中的电源干扰、检测胎儿心音时滤除母亲的心音及背景干扰、在有多人讲话的场合下提取某人的讲话、作为天线阵列的自适应旁瓣对消器。
5 结束语
自适应滤波器的应用越来越广泛,因此设计合适的滤波器就更重要了。滤波器的性能主要取决于自适应算法。传统的LMS自适应滤波器的算法是最基本的,要得到更加理想的输出,必须使用改进的LMS算
法。在LMS算法中,u的选取必须在收敛速度和失调之间取得较好的折中,既具有较快的收敛速度,又要使稳态误差最小。可见,收敛速度、稳态误差和计算复杂度是衡量一个自适应滤波算法性能优劣的三个主要参数。
  参考文献
1 沈福民.自适应信号处理.西安:西安电子科技大学出版
社,2001.
2 姚天任,孙洪.现代数字信号处理.武汉:华中科技大学出
版社,1999.
3 何振亚.自适应信号处理,北京:科学出版社,2002.4 高鹰,谢胜利.一种变步长LMS自适应滤波算法及分
析.电子学报,2001,29(8):1094～1097.
5 Simonh.自适应滤波器理论.北京:电子工业出版社,
1998.
(上接第451页)
节S1,使闭环系统的指标达到最佳。在实际整定中发现,当S1太小时,调整快,但容易引起系统振荡;S1太大时,系统稳定性好,但响应变慢。仿真结果如图3所示,从图中可以看出,用大林算法几乎没有超调,调节时间也比较小,控制效果较为理想。
6 结束语
在带有纯滞后环节的温度控制系统中,为了减小超调,减小静态误差,采用大林算法控制可以得到比较
理想的控制效果。  参考文献
1 潘新民,王燕芳.微型计算机控制技术.北京:电子工业出版社,2003.
2 刘明兰,王运梅.B-B大林算法在炉温微机控制系统中的应用.冶金自动化,1990(9).
3 赵德元.电阻炉温度的大林算法控制.成都大学学报,2004(2):25～29