自適應(yīng)濾波算法及其應(yīng)用研究.pdf

1、自適應(yīng)信號(hào)處理在噪聲和回聲抵消、譜線增強(qiáng)、信道均衡、系統(tǒng)辨識(shí)和延遲時(shí)間估計(jì)等應(yīng)用中有廣泛的應(yīng)用，在過(guò)去的幾十年中，人們提出了許多自適應(yīng)濾波的算法。本文針對(duì)現(xiàn)有算法中存在的一些問(wèn)題進(jìn)行了分析，然后針對(duì)這些存在的問(wèn)題，對(duì)自適應(yīng)濾波算法及應(yīng)用進(jìn)行了研究，本文的主要貢獻(xiàn)有:
　　首先，提出了一種多步梯度下降的變步長(zhǎng)歸一化最小均方(multi-step gradient descent-based variable step size no

2、rmalized least mean squares，MSGVSS-NLMS)算法。該算法結(jié)合變步長(zhǎng)歸一化最小均方(VSS-NLMS)算法和動(dòng)量最小均方(Momentum least meansquares，MLMS)算法共同的優(yōu)點(diǎn)。通過(guò)理論推導(dǎo)給出了步長(zhǎng)參數(shù)與算法收斂性及穩(wěn)態(tài)誤差之間的關(guān)系，進(jìn)而提出了一種設(shè)計(jì)合理的時(shí)變參數(shù)來(lái)實(shí)現(xiàn)濾波過(guò)程。分析表明:該算法在給定梯度步長(zhǎng)參數(shù)時(shí)，可以通過(guò)調(diào)節(jié)時(shí)變的動(dòng)量項(xiàng)來(lái)加快算法的收斂速度，且在加速收斂

3、的同時(shí)，并不影響算法最終的穩(wěn)態(tài)誤差。該算法通過(guò)固定梯度步長(zhǎng)和時(shí)變動(dòng)量步長(zhǎng)，解決了傳統(tǒng)變步長(zhǎng)算法穩(wěn)態(tài)誤差不可預(yù)知的問(wèn)題。
　　其次，提出了一種變正則參數(shù)的歸一化最小均方自適應(yīng)算法。揭示了正則參數(shù)對(duì)NLMS算法收斂速度以及穩(wěn)態(tài)誤差的影響，給出了一種不需要觀測(cè)噪聲先驗(yàn)知識(shí)的時(shí)變正則參數(shù)選取方法。此外，分析給出了正則參數(shù)和傳統(tǒng)步長(zhǎng)參數(shù)之間的聯(lián)系，發(fā)現(xiàn)了NLMS算法的正則參數(shù)可等效成為一種新變步長(zhǎng)的方法，相比傳統(tǒng)的變步長(zhǎng)算法，這種變正則參數(shù)