目录
一、自适应滤波器简介
根据输入信号的时变统计特性,借助自适应算法实时地调整滤波器的参数和结构,这样的滤波器称为自适应滤波器。传统的IIR和FIR滤波器在处理输入信号时,其参数是预先设定好的,无法根据外界信号的随机变化来调整滤波系数,因而对随机信号的滤波效果较差;而自适应滤波器的系数可以自动连续地适应于输入信号,以获得最佳的期望响应。
自适应滤波器常称为时变性的非线性系统,在实际应用过程中,它有两个阶段:一是学习训练阶段,滤波器根据所处理信号的特点,不断修正自身的滤波器系数,以使均方误差最小(Least Mean Square,LMS)。二是使用阶段,均方误差已经达到最小值,意味着滤波器的系数达到最优,此时的滤波器由非线性系统变为了线性系统。
线性自适应滤波器由两部分组成:自适应滤波器的结构和自适应权值调整算法,其中滤波器的结构又分为IIR和FIR两种。
二、LMS自适应滤波器
1、原理概述
在自适应滤波器设计中,最小均方(Least Mean Square,LMS)算法使用随机梯度下降的方法实现代价函数的最小化,具有计算复杂度低、无需统计数据的先验知识和均值无偏地收敛到维纳解等优点,成为自适应算法中应用最广泛的