系数比例自适应滤波算法研究及其DSP实现

发布时间：2017-05-06 05:01

  本文关键词：系数比例自适应滤波算法研究及其DSP实现，由笔耕文化传播整理发布。

【摘要】：自适应滤波是数字信号处理研究领域的一个重要分支,无需先验知识,可通过自调节过程来适应或者跟踪外界环境中不断变化的不平稳随机信号,最终达到最优滤波性能。目前,该技术在雷达、声纳、通信、地震以及生物医学等方面都有广泛的应用。随着数字信号处理理论的发展和各种应用需求的增多,各种自适应滤波算法层出不穷,稀疏自适应滤波便是其中之一。本文在研究自适应滤波技术及相关算法的基础之上,重点讨论了适用于稀疏系统的系数比例自适应滤波算法,并基于DSP构建一个自适应噪声消除硬件平台。文章采用了理论分析、软件仿真与硬件设计相结合的研究方法。首先,从理论上分析了自适应滤波器的工作原理、组成结构和实际应用。对标准的最小均方算法(LMS,Least Mean Square)和最小二乘算法(RLS,Recursive Least Squares)进行了分析和讨论;针对算法收敛速度与稳态误差之间的矛盾,对归一化LMS算法(NLMS,Normalized Least Mean Square)、简化的LMS算法、改进型变步长LMS算法、成比例系数算法(PNLMS,Proportionate Normalized Least Mean Square)又进行了更深一步的讨论;在研究PNLMS算法的基础上,讨论了IPNLMS(Improved PNLMS)算法及其对于稀疏脉冲响应较好的处理性能。其次,应用MATLAB工具,分别对稀疏系统辨识和实际语音信号的噪声抵消进行了归一化最小均方算法(NLMS)、两种改进的LMS算法、最小二乘算法(RLS)、成比例系数算法(PNLMS)的仿真实验,通过对影响算法的步长、阶数、信噪比等关键参数的调节,分析了仿真实验得出的收敛曲线效果,剖析了其对算法的收敛速度、稳态误差、滤波效果等方面的影响。最后以TI公司的数字信号处理(DSP)芯片TMS320F2812为核心,通过搭建外围电路设计构建了一个基于PNLMS算法的自适应噪声抵消系统,通过测试验证了所设计的算法和硬件系统的有效性。
【关键词】：自适应滤波 噪声抵消 稀疏系统 数字信号处理
【学位授予单位】：沈阳工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN713;TN911.72
【目录】：

• 摘要4-5
• Abstract5-9
• 第1章 绪论9-12
• 1.1 自适应滤波器的背景和意义9
• 1.2 系数比例自适应算法的发展现状9-10
• 1.3 本文研究的主要内容10-12
• 第2章 自适应滤波器原理12-19
• 2.1 自适应滤波器原理12-13
• 2.2 算法的最佳准则13
• 2.3 滤波器的体系结构13-15
• 2.4 自适应滤波器的应用15-18
• 2.5 本章小结18-19
• 第3章 自适应滤波算法19-31
• 3.1 基本最小均方（LMS）算法19-24
• 3.1.1 LMS算法的理论推导19-22
• 3.1.2 LMS算法的性能分析22-23
• 3.1.3 LMS算法的改进23-24
• 3.2 最小二乘算法（RLS算法）24-27
• 3.2.1 RLS算法的推导24-26
• 3.2.2 RLS算法的收敛性分析26-27
• 3.3 系数比例自适应滤波算法（PNLMS）27-30
• 3.3.1 PNLMS算法的一般推导27-29
• 3.3.2 标准PNLMS算法29
• 3.3.3 IPNLMS算法29-30
• 3.4 本章小结30-31
• 第4章 算法的仿真与分析31-43
• 4.1 稀疏系统辨识验证31-39
• 4.1.1 仿真条件及评价标准31-32
• 4.1.2 性能分析与对比32-39
• 4.2 噪声抵消验证39-42
• 4.2.1 仿真条件及评价标准39
• 4.2.2 性能分析与对比39-42
• 4.3 本章小结42-43
• 第5章 基于PNLMS噪声抵消器的DSP设计43-56
• 5.1 总体设计43-44
• 5.2 硬件设计44-51
• 5.3 软件设计51-53
• 5.4 实验结果及分析53-55
• 5.5 本章小结55-56
• 第6章 结论56-57
• 参考文献57-59
• 在学研究成果59-60
• 致谢60

【相似文献】

中国期刊全文数据库 前10条

1 田磊;汪小志;刘志刚;;自适应滤波算法及应用研究[J];电子测试;2008年01期

2 杨波;冯久超;;一种改进的自适应滤波算法及其在回波消除中的应用[J];电子与信息学报;2008年01期

3 耿妍;张端金;;自适应滤波算法综述[J];信息与电子工程;2008年04期

4 崔旭涛;何友;杨日杰;;自适应滤波算法的仿真及工程实现[J];现代电子技术;2009年18期

5 蔡卫菊;;线性自适应滤波算法综述[J];科技资讯;2011年36期

6 吴正国;;自适应滤波算法的新进展[J];海军工程学院学报;1990年03期

7 邹艳碧,高鹰;自适应滤波算法综述[J];广州大学学报(自然科学版);2002年02期

8 高鹰,谢胜利;一种基于三阶累积量的准则及自适应滤波算法[J];电子与信息学报;2002年09期

9 高清运,李学初;适合硬件实现的自适应滤波算法[J];微电子学与计算机;2003年07期

10 王芳,冯新喜,李鸿艳;一种新的自适应滤波算法[J];现代雷达;2003年07期

中国重要会议论文全文数据库 前10条

1 徐润博;;一种变步长自适应滤波算法及其分析[A];2008年中国高校通信类院系学术研讨会论文集（下册）[C];2009年

2 李超;毛剑琴;;一种进化的自适应滤波算法及其在振动主动控制中的应用[A];2003年中国智能自动化会议论文集（下册）[C];2003年

3 刘先省;胡振涛;;基于“当前”统计模型修正的自适应滤波算法[A];2005年中国智能自动化会议论文集[C];2005年

4 牛振中;李岁劳;王青青;任鸿飞;;改进的自适应滤波算法及其在精确空投组合导航中的应用[A];惯性技术发展动态发展方向研讨会文集——新世纪惯性技术在国民经济中的应用[C];2012年

5 赵龙;李铁军;陈璞;;新型自适应滤波算法及其在惯导/双星组合中的应用[A];第一届中国卫星导航学术年会论文集（下）[C];2010年

6 陈勇;黄清;;自适应滤波算法在多普勒频偏估计中的应用研究[A];2007年全国微波毫米波会议论文集（下册）[C];2007年

7 张磊磊;王再英;;基于Matlab仿真的几种自适应滤波算法的比较研究[A];第十七届全国煤矿自动化学术年会、中国煤炭学会自动化专业委员会学术会议论文集[C];2007年

8 陈坡;孙付平;郭飞;刘雪瑞;;扩展自适应滤波算法在GNSS/INS紧组合中的应用[A];微机电惯性技术的发展现状与趋势——惯性技术发展动态发展方向研讨会文集[C];2011年

9 陶伟刚;冯新喜;;一种新的目标跟踪自适应滤波算法[A];第九届全国信号处理学术年会（CCSP-99）论文集[C];1999年

10 刘世金;张榆锋;刘大利;高永丽;;几种自适应滤波算法在噪声抵消应用中的仿真比较研究[A];系统仿真技术及其应用（第7卷）——'2005系统仿真技术及其应用学术交流会论文选编[C];2005年

中国博士学位论文全文数据库 前5条

1 高鹰;基于累积量的自适应滤波理论及其应用[D];华南理工大学;2002年

2 张斌;高效稳健的自适应滤波算法研究[D];西安电子科技大学;2010年

3 刘立刚;稀疏冲激响应的自适应滤波算法及其应用研究[D];复旦大学;2010年

4 曾谦;基于滤波器凸集的自适应滤波算法[D];吉林大学;2015年

5 李宁;LMS自适应滤波算法的收敛性能研究与应用[D];哈尔滨工程大学;2009年

中国硕士学位论文全文数据库 前10条

1 蒋阳波;分数阶傅里叶变换自适应滤波算法及应用[D];湘潭大学;2009年

2 袁志勇;一维离散数据的卡尔曼滤波模型的参数估计及自适应滤波算法的改进[D];南京理工大学;2015年

3 陈北辰;非线性化功放的数字预失真系统设计[D];电子科技大学;2015年

4 赵一逍;基于核函数的自适应滤波算法研究及其系统实现[D];北京理工大学;2015年

5 徐新龙;自适应滤波算法及其应用研究[D];复旦大学;2014年

6 李明飞;锂电池化成参数的检测与估计技术研究[D];电子科技大学;2015年

7 王林;水下INS/DVL组合导航与动基快速对准的自适应滤波算法研究[D];国防科学技术大学;2013年

8 罗海富;变步长LMS自适应滤波算法的研究[D];湖南师范大学;2015年

9 侯明云;系数比例自适应滤波算法研究及其DSP实现[D];沈阳工业大学;2016年

10 陈莉;自适应滤波算法与应用研究[D];西安电子科技大学;2006年

  本文关键词：系数比例自适应滤波算法研究及其DSP实现，由笔耕文化传播整理发布。

，

本文编号：347735