基于基于MATLAB与与DSP的自适应滤波器设计与实现的自适应滤波器设计与实现
滤波是滤除信号中某些特定频率的波形的技术,在数字信号处理中,主要用于滤除噪声和干扰信号。由于噪声
和干扰信号的不确定性,采用固定滤波系数的数字滤波器无法达到最佳的效果。自适应滤波器能够随着环境的
改变而改动滤波器自身的参数和结构,从而能够随着噪声和干扰信号的不断变化修正滤波器的参数和结构,最
终实现较理想的滤波。本文研究了最小均方差(LMS)算法,并结合自适应滤波器的结构和原理,设计出FIR结
构自适应滤波器。最后给出MATLAB仿真结果,并利用DSP验证自适应滤波器的性能。
摘摘 要要: 滤波是滤除信号中某些特定频率的波形的技术,在数字信号处理中,主要用于滤除噪声和干扰信号。由于噪声和
干扰信号的不确定性,采用固定滤波系数的数字滤波器无法达到最佳的效果。
关键词关键词: 自适应滤波器;MATLAB;
0 引言引言
滤波即滤除信号中的噪声和干扰信号,提取有用信号的技术。滤波技术广泛应用于信号处理和信号分析中。在信号的获取
和传输过程中出现的噪声,以及信号处理过程中的干扰信号都需要通过滤波技术滤除,来保证信号的安全性和可靠性。例如,
实现雷达跟踪功能需要获取大量的船舶方位数据,在获取数据的过程中,会产生大量的随机干扰和测量误差。因此,为了准确
地获取船舶瞬时的位置、加速度和速度等,需要利用滤波,将误差和随机干扰滤除,滤波技术在雷达跟踪功能实现中起到非常
重要的作用。滤波器是一种允许特定频率信号通过的选频装置,通过这种装置获取有用的信号,滤除杂波。从最初的维纳滤波
到后来的卡尔曼滤波,滤波器的实现有了很大的发展,随着技术的进步和社会的发展,需要处理的信号越来越复杂,要求实现
的精度越来越高,同时对滤波器的要求也越来越高,其应用范围进一步得到拓展。随着滤波器的应用环境不断复杂化,对非线
性的滤波技术研究得到进一步的发展。因此,自适应滤波器重新得到国内外研究者关注。自适应滤波器具有自我修正和跟踪的
特点,主要适用于随机性噪声和干扰滤除。本文在自适应滤波器的原理和算法的基础上,利用MATLAB和DSP软件仿真环境
设计实现自适应滤波的最优滤波。
1 自适应滤波器原理与结构自适应滤波器原理与结构
1.1 自适应滤波原理自适应滤波原理
自适应滤波即滤波器的参数可以自我调节,可以利用前一时刻的结果作为当前时刻滤波器的参数改变的依据,由此可以适
应具有随机噪声和随时间变化的干扰信号的应用环境。就像生物能以各种有效的方式适应生存环境一样。自适应滤波器是一种
具有反馈作用的闭环设置,它是一种特殊形式的维纳滤波器,可以通过反馈信息调节自身参数达到最优滤波。自适应滤波器没
有复杂计算,实时性强,不需要已知输入信号,也可以对信号进行有效滤波。因此对于无法预知的信号固定滤波系数的传统滤
波器无法滤除的杂波和噪声,自适应滤波器可以简单快速地输出理想期望信号。利用数字滤波器对噪声和干扰的最佳估计将输
入信号中混有的干扰滤除,将目标信号与噪声和干扰信号有效地分离。随着自适应滤波技术的发展,其在电信、雷达、声呐、
实时控制以及图像处理等领域都有广泛应用。
1.2 自适应滤波器的结构自适应滤波器的结构
自适应滤波器主要由数字滤波器和自适应算法两部分构成[1],其中,数字滤波器的系数可以调节,而自适应算法的作用
就是调节和修正自适应滤波器的系数。如图1所示。图中自适应滤波器有x(n)和z(n)两个输入端,其中z(n)是包含目标
信号s(n)和噪声d(n)的输入信号,s(n)和d(n)是不相关的两个信号,x(n)是与噪声d(n)有某种联系的z(n)的
一种度量信号。y(n)可以通过数字信号滤波器得到,然后可以通过公式e(n)=z(n)-y(n)=s(n)+d(n)-y(n)得到
误差信号e(n)。通过e(n)得到s(n)的最佳估计信号,而自适应滤波器的基本原理就是利用系数可调的数字滤波器将杂
波和噪声从信号中滤除。
由图1自适应滤波器结构可知,基于滤波系数可调的要求,对于数字滤波器的选择包括有限长冲激响应滤波器(FIR)和
无限长冲激响应滤波器(IIR)两种数字滤波器可选择。FIR型滤波器优势明显,它的系统更稳定,可以利用它实现多通带滤波
器,同时它更容易实现线性相位[2]。IIR滤波器可以用更低的阶数实现与FIR相同的阻带衰减效果,但鉴于FIR易实现严格的线
性相位、稳定性和任意的幅频特性等优点,另外FIR还有便于用DSP实现的优势,可以用节省存储空间的立即数乘加完成编
程,因此本文的设计中自适应数字滤波器部分采用FIR滤波器横向结构。图2所示为FIR横向滤波器结构图。
评论0