落日之城

‘’如果有一天我们淹没在茫茫人海中庸碌一生,那一定是我们没有努力活得丰盛。”...

自适应滤波器:最小均方误差(LMS)滤波器
自适应算法所采用的最优准则有最小均方误差(LMS)准则,最小二乘(LS)准则、最大信噪比准则和统计检测准则等,其中最小均方误差(LMS)准则和最小二乘(LS)准则是目前最为流行的自适应算法准则。

x(n)代表n时刻的输入信号,y(n)代表n时刻的输出信号,d(n)代表n时刻的期望信号,通过期望信号与输出信号之差e(n)来自动调节自适应滤波器的参数,使下一时刻的输出y(n+1)能够更加接近期望信号。

利用最速下降算法,沿着性能曲面最速下降方向(负梯度方向)调整滤波器强权向量,搜索性能曲面的最小点,计算权向量的迭代公式为

μ为步长因子

在最速下降算法中,为获得系统的最佳维纳解,需要知道输入信号和期望信号的相关信息,当期望信号未知时,就无法确定它们的相关特性,必须对梯度向量进行估计。

LMS自适应算法直接利用瞬态均方误差对瞬时抽头向量求梯度

可得,LMS自适应滤波算法权向量更新方程为:

由此可得传统LMS自适应滤波算法流程如下:



转载自知乎:lms算法在自适应滤波器中解决了什么问题? - Pandababe的回答
- 知乎https://www.zhihu.com/question/37548162/answer/92936555


另外,值得提出的是,LMS属于自适应滤波的一种。

自适应滤波器有训练和工作两种过程。

  1. 在训练过程中,已知期望响应d\left( n \right),通过对权向量w的设计,使从输入信号u\left( n \right)中得到的估计\hat{d}\left( n \right)在某种意义下最佳逼近d\left( n \right)
  2. 在工作过程中,权向量由训练过程得到,对未知输入(通常是随机信号)滤波得到响应信号。

很多人有疑惑如果已经知道了期望信号,那还为什么要滤波呢?

其实我们可能只知道一小段期望信号及其对应的实际信号,或者说只知道某时刻的期望信号及其对应实际信号。其实对于这个系统造成噪声的因素在短时间不会改变,那么我们可以用这些信息训练出对应的滤波器系数,即对应的权值向量,然后再把它用到新信号的滤波中。


在matlab中可以用dsp工具箱LMSFilter来创建系统对象进行调用。参考链接:

[1] dsp.LMSFilter System object. matlab

阅读更多
个人分类: Signal Processing
想对作者说点什么? 我来说一句

没有更多推荐了,返回首页

不良信息举报

自适应滤波器:最小均方误差(LMS)滤波器

最多只允许输入30个字

加入CSDN,享受更精准的内容推荐,与500万程序员共同成长!
关闭
关闭