自适应滤波算法的研究及应用

发布时间：2017-10-19 12:45

  本文关键词：自适应滤波算法的研究及应用

  更多相关文章： 自适应滤波器 LMS算法 变步长 NLMS算法 CS-LMS算法 NVSS算法 系统辨识 噪声对消

【摘要】：目前自适应滤波器在通信、信息处理中发挥着重要的作用,其中自适应滤波器的核心部分是自适应滤波算法,算法的性能优劣会直接影响着滤波器滤波性能的好坏,在表征算法性能的指标中收敛速度和稳态误差是着重要考虑的。因此,寻求拥有快的收敛速度,低的稳态误差,低的计算复杂度的算法一直是人们的研究热点。最初的经典LMS算法凭借它自身的优点:简单的结构、稳定的性能、在硬件上易于实现,得到了普遍使用。但是它的收敛速度和稳态误差间始终存在着矛盾,不能同时兼顾快的收敛速度和低的稳态误差。论文为了改善LMS算法的性能,研究了相关文献,学习了变步长LMS算法和约束LMS算法这两个分支,提出了三种新的算法。主要的研究内容,具体来说有下面三个部分。(1)提出了一种新的变步长LMS算法。首先,对多种常见变步长算法进行了相关研究。然后,在变步长算法的基础上结合块算法思想,提出新的变步长LMS算法,该算法用误差的平均值来控制步长的变化,进一步解决了收敛速度和稳态误差的矛盾。最后,将算法应用到系统辨识中,通过Matlab进行仿真,验证新的算法在不增加稳态误差前提下,明显加快了算法的收敛速度。(2)提出一种新的变步长CS-LMS算法。首先,对NLMS算法和放宽约束条件的CS-LMS算法进行了相关研究。两种算法都是对步长进行了归一化处理,降低了算法对噪声的敏感度,在信噪比较小的情况下,一定程度上能够降低算法的稳态误差。然后,在CS-LMS算法的基础上首次结合变步长思想,提出新的变步长CS-LMS算法。最后,将算法在噪声对消的模型应用中进行了仿真验证,在传输环境比较恶劣的情况下,算法仍拥有好的性能。(3)提出一种改进的NVSS算法。首先,对NVSS和λNVSS算法做了研究,学习原有算法的思想。然后,引入合适的新遗忘因子与修正参数,建立误差与步长因子的新型函数关系,进而提出新的NVSS算法。新算法明显降低了算法的计算复杂度,通过分析得出,算法在时变系统中有较好的跟踪能力。最后,通过Matlab进行仿真,证明改进后的算法在非平稳环境中不仅有更好的跟踪能力,而且有更快的收敛速度。论文中提出的三种改进算法,与文献中算法相比,在收敛速度、计算复杂度、稳态误差、跟踪能力四个方面的性能有大幅度的提高。一定程度上缓解了收敛速度和稳态误差间的矛盾。
【关键词】：自适应滤波器 LMS算法 变步长 NLMS算法 CS-LMS算法 NVSS算法 系统辨识 噪声对消
【学位授予单位】：曲阜师范大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN713
【目录】：

• 摘要3-4
• Abstract4-8
• 第1章 绪论8-12
• 1.1 课题研究的背景及意义8-9
• 1.2 国内外研究现状9-10
• 1.3 论文的创新点10-11
• 1.4 论文结构安排11
• 1.5 本章小结11-12
• 第2章 自适应滤波器及算法12-20
• 2.1 自适应滤波器的结构及算法原理12-13
• 2.1.1 自适应滤波器的结构12-13
• 2.1.2 自适应算法的理论依据13
• 2.2 自适应LMS算法13-17
• 2.2.1 最小均方（LMS）算法13-14
• 2.2.2 LMS算法性能分析14-17
• 2.3 自适应滤波器的典型应用17-19
• 2.3.1 辨识17-18
• 2.3.2 噪声对消18-19
• 2.4 本章小结19-20
• 第3章 变步长算法的改进及仿真验证20-30
• 3.1 变步长LMS算法的分析20-24
• 3.1.1 已有的变步长LMS算法20-21
• 3.1.2 变步长算法的仿真验证21-24
• 3.2 改进的变步长算法及仿真24-29
• 3.2.1 对G-SVSLMSS算法的改进分析24-25
• 3.2.2 改进的算法在系统辨识中的仿真分析25-29
• 3.3 本章小结29-30
• 第4章 约束算法的改进及仿真验证30-43
• 4.1 NLMS算法30-32
• 4.2 已有的改进NLMS算法32-35
• 4.2.1 变步长NLMS算法32
• 4.2.2 CS-LMS算法32-34
• 4.2.3 NVSS算法34-35
• 4.3 改进的变步长CS-LMS算法及仿真35-38
• 4.3.1 改进的CS-LMS算法35-36
• 4.3.2 改进的CS-LMS算法在噪声对消应用中的仿真36-38
• 4.4 改进的NVSS算法及仿真38-42
• 4.4.1 改进的NVSS算法38-39
• 4.4.2 改进的NVSS算法的性能仿真39-40
• 4.4.3 改进的NVSS算法跟踪能力的仿真40-42
• 4.5 本章小结42-43
• 第5章 总结与展望43-44
• 5.1 工作总结43
• 5.2 论文展望43-44
• 参考文献44-46
• 在读期间发表的学术论文及研究成果46-47
• 致谢47

【相似文献】

中国期刊全文数据库 前10条

1 吴正茂;自适应滤波器及其应用研究[J];南昌水专学报;2004年02期

2 李春宇;;基于径向基函数神经网络的自适应滤波器[J];常州工学院学报;2005年06期

3 苏飞,王兆华;一种新的带窗重叠自适应滤波器[J];电子与信息学报;2005年01期

4 程玉柱;华晋;李赵春;;自适应滤波器的算法比较研究[J];大庆师范学院学报;2008年02期

5 孙秋菊;胡斌;;自适应滤波器设计及仿真研究[J];光盘技术;2009年06期

6 刘海英;熊俊俏;戴璐萍;郑宽磊;;基于TMS320VC5402DSK的自适应滤波器的实现[J];工业控制计算机;2010年05期

7 吴燕;;一种自适应滤波器的设计与仿真[J];科技广场;2010年07期

8 周志平;;基于System Generator的自适应滤波器仿真与实现[J];中国西部科技;2011年20期

9 韩焱青;;自适应滤波器仿真设计[J];实验科学与技术;2013年03期

10 赵茂林;赵四化;曾一江;;一种新颖的双线性自适应滤波器[J];微电子学;2013年05期

中国重要会议论文全文数据库 前10条

1 张磊;郭圣权;孙绍文;;适用自适应滤波器[A];1996年中国控制会议论文集[C];1996年

2 周永军;卢智远;牛中奇;孔令锋;;自适应滤波器在心电信号检测中的初步应用[A];全国非电离辐射与电离辐射生物效应及防护学术研讨会论文汇编[C];2004年

3 周];李晓东;;多延迟分块频域自适应滤波器算法的步长控制[A];中国声学学会2007年青年学术会议论文集（下）[C];2007年

4 程晓斌;徐健;李晓东;;不均匀子带长阶自适应声学回声抵消[A];中国声学学会2002年全国声学学术会议论文集[C];2002年

5 倪锦根;李锋;;基于变步长的仿射投影自适应滤波器[A];2007'仪表，，自动化及先进集成技术大会论文集（二）[C];2007年

6 蒋薇薇;杨萍;王昱洁;;基于变步长LMS算法的自适应滤波器研究[A];第八届全国信息获取与处理学术会议论文集[C];2010年

7 钱伟康;郭强;谢明;刘义红;;基于自适应数字滤波器的算法研究[A];全国第一届信号处理学术会议暨中国高科技产业化研究会信号处理分会筹备工作委员会第三次工作会议专刊[C];2007年

8 卢志刚;李伟;冀尔康;吴士昌;;微粒群算法优化设计自适应滤波器[A];第七届青年学术会议论文集[C];2005年

9 程松;陈光梦;;自适应滤波器在实时交通状态估计中的应用[A];2007'仪表，自动化及先进集成技术大会论文集（二）[C];2007年

10 周];邱小军;;无延迟子带自适应滤波器中分析滤波器组的构造[A];中国声学学会2005年青年学术会议[CYCA'05]论文集[C];2005年

中国博士学位论文全文数据库 前4条

1 林斌;自适应滤波器的稳态性能研究[D];大连海事大学;2008年

2 倪锦根;变设计参数子带自适应滤波器研究[D];复旦大学;2011年

3 谷源涛;LMS算法收敛性能研究及应用[D];清华大学;2003年

4 肖倩;基于小波理论的去噪方法及其在信号处理中的应用研究[D];东北大学;2011年

中国硕士学位论文全文数据库 前10条

1 戚晓慧;子带自适应滤波技术研究及其应用[D];解放军信息工程大学;2015年

2 雷宇;基于FPGA的自适应滤波器设计[D];太原理工大学;2016年

3 胡伟;子带自适应滤波器及其应用[D];苏州大学;2016年

4 陈卓然;带反馈结构的核自适应滤波器的研究[D];西南大学;2016年

5 张建新;可穿戴设备中ZigBee无线传输网络的研究[D];内蒙古大学;2016年

6 俞潇;光谱信号及光纤振动信号预处理算法的应用研究[D];新疆大学;2016年

7 张炳婷;自适应滤波算法的研究及应用[D];曲阜师范大学;2016年

8 王丽丽;自适应滤波器在高次非球面面形检测的应用研究[D];长春理工大学;2010年

9 张婷瑞;自适应滤波器组合设计的研究[D];延边大学;2009年

10 张抒;用于微加速度计检测电路的自适应滤波器的设计与实现[D];吉林大学;2009年

本文编号：1061211