基于LMS算法的自适应滤波

作者：紫曜花

时间：2018-11-30

---

前言

姚天任、孙洪的《现代数字信号处理》第三章自适应滤波中关于LMS算法的学习，全文包括：

1.      自适应滤波器简介

2.      自适应干扰抵消原理

3.      自适应滤波原理

4.      最小均方（LMS）算法

5.      Matlab实现

内容为自己读书记录，本人知识有限，若有错误之处，还请各位指出！

 

---

 

一、自适应滤波器简介

 

自适应滤波器由参数可调的数字滤波器和自适应算法两部分组成。如图所示。

 

 输入信号x(n) 通过参数可调数字滤波器后产生输出信号 y(n)，将其与期望信号d(n)进行比较，形成误差信号e(n)， 通过自适应算法对滤波器参数进行调整，最终使 e(n)的均方值最小。自适应滤波可以利用前一时刻已得的滤波器参数的结果，自动调节当前时刻的滤波器参数，以适应信号和噪声未知的或随时间变化的统计特性，从而实现最优滤波。自适应滤波器实质上就是一种能调节自身传输特性以达到最优的维纳滤波器。自适应滤波器不需要关于输入信号的先验知识，计算量小，特别适用于实时处理。维纳滤波器参数是固定的，适合于平稳随机信号。卡尔曼滤波器参数是时变的，适合于非平稳随机信号。然而，只有在信号和噪声的统计特性先验已知的情况下，这两种滤波技术才能获得最优滤波。在实际应用中，常常无法得到信号和噪声统计特性的先验知识。在这种情况下，自适应滤波技术能够获得极佳的滤波性能，因而具有很好的应用价值。

常用的自适应滤波技术有：最小均方（LMS）自适应滤波器、递推最小二乘（RLS）滤波器格型滤波器和无限冲激响应（IIR）滤波器等。这些自适应滤波技术的应用又包括：自适应噪声抵消、自适应谱线增强和陷波等。

 二、 自适应干扰抵消原理

如图是自适应干扰抵消器的基本结构。其中期望响应d(n) 是信号与噪声之和，即，自适应处理器的输入是与 相关的另一个噪声 。当 与 不相关时，利用噪声的相关性,自适应滤波器将调整自己的参数，以力图使成为 的最佳估计 。这样，