分享
分销 收藏 举报 申诉 / 6
播放页_导航下方通栏广告

类型基于LMS算法的自适应滤波器设计.doc

  • 上传人:自****
  • 文档编号:9622208
  • 上传时间:2025-04-01
  • 格式:DOC
  • 页数:6
  • 大小:154KB
  • 下载积分:8 金币
  • 播放页_非在线预览资源立即下载上方广告
    配套讲稿:

    如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。

    特殊限制:

    部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。

    关 键  词:
    基于 LMS 算法 自适应 滤波器 设计
    资源描述:
    电路最优化设计课程设计报告 基于LMS算法的自适应滤波器设计 一、 内容摘要 通过学习自适应滤波器和LMS算法基本原理,设计了一个二阶加权自适应横向滤波器,并在MATLAB软件平台实现了仿真,最后对仿真结果作出了分析。 二、 设计目的 通过设计自适应滤波器并在在MATLAB实现仿真,进一步加深了解自适应滤波原理和LMS自适应算法。 三、设计原理 自适应滤波器由参数可调的数字滤波器和自适应算法两部分组成。输入信号x(n)通过参数可调数字滤波器后产生输出信号y(n),将其与参数信号d(n)进行比较,形成误差信号e(n)。e(n)通过某种自适应算法对滤波器参数进行调整,最终使e(n)的均方值最小。 最小均方误差LMS准则的目的在于使滤波器输出与期望信号误差的平方的统计平均值最小。图1为LMS自适应横向滤波器原理图。 图1 LMS自适应横向滤波器原理图 改自适应滤波器的输入矢量为: (1) 加权矢量为: (2) 滤波器的输出为: (3) y(n)相对于滤波器期望输出d(n)的误差为: (4) 根据最小均方误差准则,最佳的滤波器参量应使得性能函数均方误差为最小,上式称为均方误差性能函数。 假定输入信号x(n)和期望相应d(n)是联合平稳过程,那么在时刻n的均方误差是加权矢量的二次函数,其表达式为: (5) 式中:E[d2(n)]是期望响应d(n)的方差;P=E[d(n)X(n)]是输入矢量X(n)和期望响应d(n)的互相矢量;Rx=E[X(n)XT(n)]是输入矢量X(n)的自相关矩阵。 均方误差是权向量的二次函数,是一个上凹的抛物面,具有唯一的最小值,调解权向量使得均方误差最小,相当于沿抛物面下降寻找最小值。用梯度法求该最小值,对权向量W求导得到均方误差的梯度为: (6) 在性能曲面上最佳权向量Wopt对应点的梯度等于零,即: (7) 该方程是正则方程,由此解出最佳权向量称为维纳解。 利用上式求解,需要精确地知道输入信号和期望信号的先验统计知识Rx和P,而且还要对矩阵求逆运算。最陡下降法可避免求逆运算,它通过递推的方式寻求加权矢量的最优值,是LMS算法的理论基础。首先设置一个W的初值W(0),沿ξ减小的方向调整W,可以找到Wopt。因为梯度方向是ξ增加最快的方向,所以负梯度方向就是ξ减少最快的方向。 最小均方算法是一种简单的估计梯度的方法,其突出特点是计算量小、易于实现,且不要求脱线计算。其关键技术在于按照e(n)及各x(n)值,通过某种算法,确定为最小时的各h*(n)的值,从而自动调节各h(n)值至h*(n)值。 LMS核心算法是使用平方误差代替均方误差,即 (8) 所以 (9) 将上式代人最陡下降法迭代计算权矢量的公式得: (10) 则LMS算法的基本关系式为: 其中µ是收敛因子,决定收敛速度及稳定性,µ满足0<µ<1/λmax,λmax是Rxx的最大特征值,Rxx=E[X(n)XT(n)]。 四、导入仿真软件 1、 仿真思路 设计一个二阶加权自适应横向滤波器,对一个正弦信号进行滤波,设置不同的收敛因子µ,由MATLAB程序图形观察滤波效果。 2、 程序代码 %初始化 clear all ; fs=10000; t=0:1/fs:1; sn=sin(2*pi*t); %产生初始信号 n=randn(size(t)); %产生高斯噪声 xn=sn+n; %信号加噪声 w=[0 0.5]; %设置初始值 u=0.00026; %设置收敛因子 for i=1:length(t)-1 y(i+1)=n(i:i+1)*w'; %噪声通过滤波器输出y e(i+1)=xn(i+1)-y(i+1); %e为原始信号加噪声的期望减去滤波器输出的噪声y w=w+2*u*e(i+1)*n(i:i+1); %权的变化公公式 end subplot(3,1,1) plot(t,xn) %输出信号加噪声图形 title('带噪声原始信号') grid; subplot(3,1,2) plot(t,sn) title('原始正弦信号') subplot(3,1,3) plot(t,e) title('滤波结果') 3、 仿真结果 图2 µ=0.00026时正弦加噪信号的滤波 图3 µ=0.0026时正弦加噪信号的滤波 图4 µ=0.0026时正弦加噪信号的滤波 图1设置的收敛因子为0.00026,图2设置的收敛因子为0.0026,图3设置的收敛因子为0.026。 五、结果分析 µ的大小影响算法的收敛速度,µ值小,收敛速度慢,计算工作量大,但滤波性能较好。µ值大,收敛速度快,计算工作量小,滤波性能较差。但当µ>1/λmax时,系统发散,收敛速度不明显,且取值过多,会造成计算溢出。所以,对µ的选择应综合整个系统考虑,在满足精度要求的基础上,尽量减少自适应时间。 参考文献 1、 《优化方法与电路优化设计》,东南大学出版社,鲍顺光,1991; 2、 《电路与系统分析-使用MATLAB》,高等教育出版社,赵录怀,杨育霞等,2004; 3、 《电路的计算机辅助分析-MATLAB与PSpice应用技术》,戚新波,刘宏飞等,2006; 4、 《电子技术基础(模拟部分)(第四版)》,清华大学出版社,康华光,2000。
    展开阅读全文
    提示  咨信网温馨提示:
    1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
    2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,个别因单元格分列造成显示页码不一将协商解决,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
    3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
    4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前可先查看【教您几个在下载文档中可以更好的避免被坑】。
    5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
    6、文档遇到问题,请及时联系平台进行协调解决,联系【微信客服】、【QQ客服】,若有其他问题请点击或扫码反馈【服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【版权申诉】”,意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:0574-28810668;投诉电话:18658249818。

    开通VIP折扣优惠下载文档

    自信AI创作助手
    关于本文
    本文标题:基于LMS算法的自适应滤波器设计.doc
    链接地址:https://www.zixin.com.cn/doc/9622208.html
    页脚通栏广告

    Copyright ©2010-2026   All Rights Reserved  宁波自信网络信息技术有限公司 版权所有   |  客服电话:0574-28810668    微信客服:咨信网客服    投诉电话:18658249818   

    违法和不良信息举报邮箱:help@zixin.com.cn    文档合作和网站合作邮箱:fuwu@zixin.com.cn    意见反馈和侵权处理邮箱:1219186828@qq.com   | 证照中心

    12321jubao.png12321网络举报中心 电话:010-12321  jubao.png中国互联网举报中心 电话:12377   gongan.png浙公网安备33021202000488号  icp.png浙ICP备2021020529号-1 浙B2-20240490   


    关注我们 :微信公众号  抖音  微博  LOFTER               

    自信网络  |  ZixinNetwork