摘 要: 滤波是滤除信号中某些特定频率的波形的技术,在数字信号处理中,主要用于滤除噪声和干扰信号。由于噪声和干扰信号的不确定性,采用固定滤波系数的数字滤波器无法达到最佳的效果。自适应滤波器能够随着环境的改变而改动滤波器自身的参数和结构,从而能够随着噪声和干扰信号的不断变化修正滤波器的参数和结构,最终实现较理想的滤波。本文研究了最小均方差(LMS)算法,并结合自适应滤波器的结构和原理,设计出FIR结构自适应滤波器。最后给出MATLAB仿真结果,并利用DSP验证自适应滤波器的性能。
关键词: 自适应滤波器;MATLAB;LMS算法;FIR滤波器;DSP
0 引言
滤波即滤除信号中的噪声和干扰信号,提取有用信号的技术。滤波技术广泛应用于信号处理和信号分析中。在信号的获取和传输过程中出现的噪声,以及信号处理过程中的干扰信号都需要通过滤波技术滤除,来保证信号的安全性和可靠性。例如,实现雷达跟踪功能需要获取大量的船舶方位数据,在获取数据的过程中,会产生大量的随机干扰和测量误差。因此,为了准确地获取船舶瞬时的位置、加速度和速度等,需要利用滤波,将误差和随机干扰滤除,滤波技术在雷达跟踪功能实现中起到非常重要的作用。滤波器是一种允许特定频率信号通过的选频装置,通过这种装置获取有用的信号,滤除杂波。从最初的维纳滤波到后来的卡尔曼滤波,滤波器的实现有了很大的发展,随着技术的进步和社会的发展,需要处理的信号越来越复杂,要求实现的精度越来越高,同时对滤波器的要求也越来越高,其应用范围进一步得到拓展。随着滤波器的应用环境不断复杂化,对非线性的滤波技术研究得到进一步的发展。因此,自适应滤波器重新得到国内外研究者关注。自适应滤波器具有自我修正和跟踪的特点,主要适用于随机性噪声和干扰滤除。本文在自适应滤波器的原理和算法的基础上,利用MATLAB和DSP软件仿真环境设计实现自适应滤波的最优滤波。
1 自适应滤波器原理与结构
1.1 自适应滤波原理
自适应滤波即滤波器的参数可以自我调节,可以利用前一时刻的结果作为当前时刻滤波器的参数改变的依据,由此可以适应具有随机噪声和随时间变化的干扰信号的应用环境。就像生物能以各种有效的方式适应生存环境一样。自适应滤波器是一种具有反馈作用的闭环设置,它是一种特殊形式的维纳滤波器,可以通过反馈信息调节自身参数达到最优滤波。自适应滤波器没有复杂计算,实时性强,不需要已知输入信号,也可以对信号进行有效滤波。因此对于无法预知的信号固定滤波系数的传统滤波器无法滤除的杂波和噪声,自适应滤波器可以简单快速地输出理想期望信号。利用数字滤波器对噪声和干扰的最佳估计将输入信号中混有的干扰滤除,将目标信号与噪声和干扰信号有效地分离。随着自适应滤波技术的发展,其在电信、雷达、声呐、实时控制以及图像处理等领域都有广泛应用。
1.2 自适应滤波器的结构
自适应滤波器主要由数字滤波器和自适应算法两部分构成[1],其中,数字滤波器的系数可以调节,而自适应算法的作用就是调节和修正自适应滤波器的系数。如图1所示。图中自适应滤波器有x(n)和z(n)两个输入端,其中z(n)是包含目标信号s(n)和噪声d(n)的输入信号,s(n)和d(n)是不相关的两个信号,x(n)是与噪声d(n)有某种联系的z(n)的一种度量信号。y(n)可以通过数字信号滤波器得到,然后可以通过公式e(n)=z(n)-y(n)=s(n)+d(n)-y(n)得到