中国地质大学（北京）自适应滤波器的应用小论文
课程名称：地球物理信息处理基础
老师：景建恩
学生：李东
学号：2110120011
学院：地信学院
日期：2012年11月22日
自适应滤波器的应用
摘要:自适应滤波器可以在没有任何关于信号和噪声的先验知识的条件下，利用前一时刻已获得的滤波器参数来自动调节现时刻的滤波器参数，以适应信号和噪声未知或随机变化的统计特性，从而实现最优滤波。自适应滤波器可用于干扰对消，在地球物理领域也得到了广泛的应用。
一、自适应滤波器简介
滤波器的分类方法很多，总的来说可分为经典滤波器和现代滤波器两大类。经典滤波器是假定输入信号()
x k中的有用成分和希望去掉的成分各占有不同的频带，即关于信号和噪
声应具有一定的先验知识，这样当原始信号通过一个线性系统时有效地除去无用的成分。如果有用信号和噪声的频谱相互重叠，那么经典滤波器就无能为力了。现代滤波器是在没有任何关于信号和噪声的先验知识的条件下，从含有噪声的测量数据或时间序列()
x k中估计出
信号的某些特征或信号本身。一旦信号被估计出，那么被估计出的信号将比原信号具有更高的信噪比。现代滤波器把信号和噪声都视为随机信号，利用它们的统计特征（如自相关函数、功率谱等）导出一套最佳的估计算法，然后用硬件或用软件予以实现。根据所处理的信号不同，滤波器还通常分为模拟滤波器和数字滤波器。现代滤波器大多是数字滤波器。
自适应滤波器属于现代滤波器的范畴，它是40年代发展起来的自适应信号处理领域的一个重要应用。自适应信号处理主要是研究结构可变或可调整的系统，它可以通过自身与外界环境的接触来改善自身对信号处理的性能。通常这类系统是时变的非线性系统，可以自动适应信号传输的环境和要求，无须详细知道信号的结构和实际知识，无须精确设计处理系统本身。自适应系统的非线性特性主要是由系统对不同的信号环境实现自身参数的调整来确定的。自适应系统的时变特性主要是由其自适应响应或自适应学习过程来确定的，当自适应过程结束和系统不再进行时，有一类自适应系统可成为线性系统，并称为线性自适应系统，因为这类系统便于设计且易于数学处理，所以实际应用广泛。本文研究的自适应滤波器就是这类滤波器。自适应信号处理的应用领域包括通信、雷达、声纳、地震学、导航系统、生物医学和工业控制等。
自适应滤波器是相对固定滤波器而言的，固定滤波器属于经典滤波器，它滤波的频率是固定的，自适应滤波器滤波的频率则是自动适应输入信号而变化的，所以其适用范围更广。在没有任何关于信号和噪声的先验知识的条件下，自适应滤波器利用前一时刻已获得的滤波器参数来自动调节现时刻的滤波器参数，以适应信号和噪声未知或随机变化的统计特性，从而实现最优滤波。实际情况中，由于信号和噪声的统计特性常常未知或无法获知，为自适应滤波器提供广阔的应用空间。系统辨识、噪声对消、自适应谱线增强、通信信道的自适应均衡、线性预测、自适应天线阵列等是自适应滤波器的主要应用领域。
二、自适应滤波算法原理
当输入信号和噪声的统计特性未知或输入过程的统计特性发生变化时，自适应滤波能自动调整自身参数以满足某种最佳准则要求> 根据不同的准则，产生不同的自适应算法，但主要有两种基本的算法：最小均方误差（LMS）算法和递推最小二乘（RLS）算法。最小均方误差算法，因其具有计算量小、易于实现等优点而在实践中被广泛采用。最小均方误差算法的基本思想是：调整滤波器自身参数，使滤波器的输出信号与期望输出信号之间的均方误差
最小，这样系统输出为有用信号的最佳估计。如图1为自适应滤波器原理框图。
图1：自适应滤波器原理框图
基于最速下降法的最小均方误差算法的迭代公式如下：
1
()()()
()()()
(1)()2()()M i i i i y k w k x k i e k d k y k w k w k e k x k i μ-=-=-+=+-∑
式中：()x k 为自适应滤波器的输入，()y k 为自适应滤波器的输出，()d k 为参考信号，()e k 为误差, i w 为滤波器的权重系数，μ为步长，M 为滤波器阶数。
三、自适应干扰对消原理
自适应干扰对消是通过一个恰当的自适应过程加以控制的，一般都能将噪声或干扰抑制到用直接滤波难于或不能达到的程度> 它可以在信号很微弱或信号用常规的方法无法检测的噪声（干扰）场中，将从一个或多个传感器所取得的参考输入加以过滤，并从包含信号和噪声的原始输入中减去，最后结果是原始信号中的噪声或干扰受到衰减或被消除，并尽量保留了有用信号> 噪声（干扰）对消可完成对时间域（频域）的滤波，也可实现空间域的滤波，因此自适应干扰对消具有广泛的应用范围> 例如消除心电图中的电源干扰、检测胎儿心音时滤除母亲的心音及背景干扰、在有多人讲话的场合下提取某人的讲话、作为天线阵列的自适应旁瓣对消器。
图2：自适应噪声对消原理图
自适应干扰对消器的结构如图2所示。它有两个输入通道（相当于两个输入的传感器），一个称为主输入通道，它能接收信号和与之不相关的噪声；另一个称为参考输入通道，它仅能接收与信号不相关的而以某种未知方式与噪声相关的噪声。
下面将采用最小均方误差准则
来分析自适应干扰对消的原理。主通道输入的是带噪声0()v n 的有用信号源()d n ，即
0()()()d n s n v n =+，()s n 是有用信号源。参考通道是用来检测噪声的。从图2中可知，由
于传送路径不同，参考通道输入的噪声1()v n 和主通道的噪声分量0()v n 是不同的，但由于
它们是来自同一个噪声源，所以它们是相关的，而噪声和信号源是不相关的。又假设参考通道中不包括有用信号源()s n ，则可以得到自适应滤波器的输入为1()()u n v n =。
系统输出误差为0()()()()()()e n d n y n s n v n y n =-=+-。
所以，均方误差为：
2222
000[()][()()()][()][()()]2[()(()())]E e n E s n v n y n E s n E v n y n E s n v n y n ξ==+-=+-+-又因为噪声和信号源不相关，即有：0[()(()())]0E s n v n y n -=
故有均方误差：2220[()][()][()()]E e n E s n E v n y n ξ==+-
基本工作如下：自适应滤波器先将参考输入的噪声加以滤波，产生与噪声相应的输出()y n ，然后从原始信号中减去该信号，产生系统输出()e n ，系统输出又反过来调整自适应滤波器的参数，当调整滤波器使得2[()]E e n 为最小时，因信号功率2[()]E s n 不受影响，2
0[()()]E v n y n -也为最小，所以滤波器输出y 即为噪声的最佳估计，系统输出e 为有用信号的最佳估计，从而达到噪声对消的目的。
四、自适应滤波器用于压制瞬变电磁法中的工频干扰
瞬变电磁法(TEM ) 因其方法技术的优势，在生产中得以广泛地应用。但由于其测量系统是宽带测量，在其频带之内不能采用滤波技术压制干扰，因此，在TEM 法的观测信号中, 除有用信号外，还存在大量的干扰信号。除了无规则的随机干扰外，在许多地区，有规则的工频干扰的强度通常很大，它的存在会使得反映地电异常的有用信号受到严重畸变。特别是在晚期，二次场自身的信号较弱，工频干扰可以完全“淹没” 地电异常的有用信号。因此，压制或去除工频干扰，提取反映地电构造的有用信息是预处理工作中的一项基础工作。针对这一问题，我们进行了压制工频干扰的自适应滤波器的研究。
自适应滤波器是一种具有自动高速滤波参数的滤波器。它由可编程滤波器和自适应算法两部分组成。这种滤波器在进行滤波运算时, 能不断地高速滤波因子，使它们适应输入信号的相关特性，以取得良好的滤波效果。这种高速依据实际输出和希望输出的差异，满足某种最佳准则的要求，用某个自适应控制算法来进行。这里所讨论的工频噪声对消器，是用最小均方误差(LMS )算法对其参数进行自动调节，因而它可以对要陷波的频率进行自动捕捉或跟踪。假设参考输入x1(n)和x2(n)是正弦和余弦波，而原始输入和参考输入均是以抽样率为Fs =l/T 同步抽样。参考输入x1(n)和x2(n)间存在90°的相位, 通过相关抵消,以LMS 算法控制着ω1(n) 或ω2(n) 加权,而后两者加成为自适应滤波器输出y(n)。
根据梯度法,用瞬时输出误差功率的梯度2[()]e n ω?作为均方误差梯度2{()}e n ω?的估计值, 可导出LMS 算法的递推公式:
(1)()2()()i i i n n e n x n ωωμ+=+ i=1或2 (l)
其中，μ是控制稳定性和收敛速度的步长因子，它取决于x(n)的自相关矩阵Rxx 的最大特征值max (01/)μλ<<当Rxx 的特征值分散时，LMS 算法的收敛性很差。与梯度法类似, μ
值对收敛过程影响很大，一方面,μ必须选得足够小以满足收敛条件，另一方面, 在收敛范围内，μ越大收敛越快，但μ过大时，过渡过程将出现振荡。因此，μ要通过试算确定。该单频自适应陷波滤波器的具体的运算过程为:①选定陷波频率f 0以及参考输入的振幅c 和相位φ；②适当选取参数ω1(n)、ω2(n)和μ；③计算参考输入x 1(n)和X2(n) 以及输出y (n) =ω
1
(n)x1(n)+ ω2(n)x2(n)；④计算误差信号e(n)=d (n)-y(n)；⑤按(1)式计算新参数ω1(n)、ω2(n)转到第③步，循环下去。由此可见，通过逐次高速加权因子ω1(n)和ω2(n)，使滤波器
输出y(n)尽可能等于原始输入中的干扰，从而输出e(n)逐渐逼近不包含陷波频率f 0 的有用信号。
根据上述原理，我们对理论数值模型和实际野外数据进行了自适应滤波器压制工频干扰的研究，并同递归滤波算法进行了比较，结果表明，其滤波效果具有明显的优势。其原因是， 自适应算法通过逐次调整加权因子ω1(n)和ω2(n)，使输出的e(n)逐渐逼近不包含陷波频率
f 0 的有用信号。陷波中心频率等于外加参考信号频率f 0 ，并且随着f 0 的改变而自动地修改
参数ω1(n)和ω2(n)来对准。因此和其他滤波算法（如递归滤波算法）相比，自适应算法的
反馈环节是通过某种最佳准则来控制参考输人的，其对陷波的调节能力要强得多，因此，自适应算法具有较好的陷波效果。
五、结束语
自适应滤波是信号处理的重要基础，近年来发展很快，在各个领域取得了广泛的应用. 在实际问题中，迫切需要研究非线性自适应滤波理论和算法，而神经网络、人工智能等技术在解决非线性问题时具有其独特的优点. 所以将自适应滤波和神经网络、人工智能等技术结合起来用于信号处理可以取得比较理想的效果，这也是目前研究的一个主要方向。
参考文献
[1] 吴正茂，自适应滤波器及其应用研究，南昌水专学报，第23卷第2期.
[2] 方晓梅，昌彦君，自适应滤波器用于瞬变电磁法工频干扰压制研究，中国学术期刊电子出版社.
[3] 黄云侠，姚善化，自适应滤波器在回波抵消中的应用，仪表技术，2009年第8期.
[4] 宋立业，王景胜，彭继慎，自适应滤波器的算法研究及DSP 仿真实现，现代电子技术，2009年第5期.
[5]R.Pujol.A keypoint of Nitrification in an Upflow Biofiltration Reaction[J]. Wat.Sci.Tech. 1998,38(3):43-49.
长江大学 毕业设计开题报告 题目名称自适应滤波器的设计与应用学院电信学院 专业班级信工10702班 学生姓名李雪利 指导教师王圆妹老师 辅导教师王圆妹老师 开题报告日期 2010年3月19日
自适应滤波器的设计与应用 学生：李雪利，长江大学电子信息学院 指导教师：王圆妹，长江大学电子信息学院 一、题目来源 来源于其他 二、研究目的和意义 滤波技术在当今信息处理领域中有着极其重要的应用。滤波是从连续的或离散的输入数据中除去噪音和干扰以提取有用信息的过程，相应的装置就称为滤波器。滤波器实际上是一种选频系统，他对某些频率的信号予以很小的衰减，使该部分信号顺利通过。而对其他不需要的频率信号予以很大的衰减，尽可能阻止这些信号通过。滤波器研究的一个目的就是：如何设计和制造最佳的(或最优的)滤波器。 在数字信号处理中，数字滤波是语音和图像处理、模式识别、频谱分析等应用中的一个基本处理算法。在许多应用场合，由于无法预先知道信号和噪声的特性或者它们是随时间变化的，仅仅用 FIR 和 IIR两种具有固定滤波系数的滤波器无法实现最优滤波。在这种情况下，必须设计自适应滤波器，以跟踪信号和噪声的变化。 自适应滤波器是利用前一时刻已获得的滤波器参数，自动地调节、更新现时刻的滤波器参数，以适应信号和噪声未知的统计特性，从而实现最优滤波。当在未知统计特性的环境下处理观测信号时，利用自适应滤波器可以获得令人满意的效果，其性能远超过通用方法所设计的固定参数滤波器。
三、阅读的主要参考文献及资料名称 1、《数字信号处理》刘益成（第二版）西安电子科技出版社 2、《数字信号处理》张小虹（第二版）机械工业出版社 3、自适应信号处理[M]．西安：西安电子科技大学出版社，2001． 4．邹理和,数字信号处理, 国防工业出版社,1985 5．丁玉美等, 数字信号处理,西安电子科技大学出版社,1999 6．程佩青, 数字信号处理,清华大学出版社,2001 7. The MathWorks Inc, Signal Processing Toolbox For Use with MATLAB, Sept. 2000 8. vinay K.Ingle, John G.Proakis,数字信号处理及MATLAB实现,陈怀琛等译,电子工业出版社,1998.9 9、《MATLAB编程参考手册》 10、中国期刊网的相关文献 11、赫金，自适应滤波器原理第四版，西安工业出版社，2010-5-1 四、国内外现状和发展趋势与主攻方向 自适应滤波器的理论与技术是50年代末和60年代初发展起来的。它是现代信号处理技术的重要组成部分，对复杂信号的处理具有独特的功能。自适应滤波器在数字滤波器中试属于随机数字信号处理的范畴。对于随机数字信号的滤波处理，通常有维纳滤波，卡尔曼滤波和自适应滤波，维纳滤波的权系数是固定的，适用于平稳随机信号；卡尔曼滤波器的权系数是可变的，适用于非平稳随机信号中。但是，只有在对信号和噪声的统计特性先验
滤波器原理 滤波器是一种选频装置，可以使信号中特定的频率成分通过，而极大地衰减其它频率成分。在测试装置中，利用滤波器的这种选频作用，可以滤除干扰噪声或进行频谱分析。 广义地讲，任何一种信息传输的通道（媒质）都可视为是一种滤波器。因为，任何装置的响应特性都是激励频率的函数，都可用频域函数描述其传输特性。因此，构成测试系统的任何一个环节，诸如机械系统、电气网络、仪器仪表甚至连接导线等等，都将在一定频率范围内，按其频域特性，对所通过的信号进行变换与处理。 本文所述内容属于模拟滤波范围。主要介绍模拟滤波器原理、种类、数学模型、主要参数、ＲＣ滤波器设计。尽管数字滤波技术已得到广泛应用，但模拟滤波在自动检测、自动控制以及电子测量仪器中仍被广泛应用。带通滤波器 二、滤波器分类 ⒈根据滤波器的选频作用分类 ⑴低通滤波器 从0～f2频率之间，幅频特性平直，它可以使信号中低于f2的频率成分几乎不受衰减地通过，而高于f2的频率成分受到极大地衰减。 ⑵高通滤波器 与低通滤波相反，从频率f1～∞，其幅频特性平直。它使信号中高于f1的频率成分几乎不受衰减地通过，而低于f1的频率成分将受到极大地衰减。 ⑶带通滤波器 它的通频带在f1～f2之间。它使信号中高于f1而低于f2的频率成分可以不受衰减地通过，而其它成分受到衰减。 ⑷带阻滤波器 与带通滤波相反，阻带在频率f1～f2之间。它使信号中高于f1而低于f2的频率成分受到衰减，其余频率成分的信号几乎不受衰减地通过。 推荐精选
低通滤波器和高通滤波器是滤波器的两种最基本的形式，其它的滤波器都可以分解为这两种类型的滤波器，例如：低通滤波器与高通滤波器的串联为带通滤波器，低通滤波器与高通滤波器的并联为带阻滤波器。 低通滤波器与高通滤波器的串联 低通滤波器与高通滤波器的并联 ⒉根据“最佳逼近特性”标准分类 ⑴巴特 沃斯滤波 器 从幅频特 性提出要 求，而不 考虑相频 特性。巴 特沃斯滤 波器具有最大平坦幅度特性，其幅频响应表达式为： ⑵切比雪夫滤波 器 推荐精选
滤波器的分类与选型实战经验
————————————————————————————————作者：————————————————————————————————日期：
滤波器的分类与选型实战经验 滤波器（filter），是一种用来消除干扰杂讯的器件，将输入或输出经过过滤而得到纯净的直流电。对特定频率的频点或该频点以外的频率进行有效滤除的电路，就是滤波器，其功能就是得到一个特定频率或消除一个特定频率。 滤波器选型 电路设计人员如何确定在哪种场合该选用哪种滤波器呢？本文旨在帮助他们作出这种决定。 滤波器的选择看似神秘，但实质上并非如此。不过在很多场合，即使竭尽全力采取以下所述方法来选择，也还是需要实验多个滤波器后才能挑出最合适的一只。 那么，为什么要煞费苦心去正确的选择滤波器呢？按这里提供的准则来进行滤波器的筛选，至少可满足滤波器的正确尺寸和类型的要求，因此，试用滤波器仅仅是用一只滤波器替换另一只滤波器，同时检查传导及辐射发射，看哪只滤波器具有最佳的费效比。 如果在设计过程中没有足够的耐心去选择滤波器，墨菲法则（好象所有的物理、医疗和财政方面的公式都是从这里派生出来的）表明：最终证明是最合适的滤波器会与产品的其它要求完全不兼容。要么滤
波器太大或太重而不能安装在铸塑模机壳内，需要一笔昂贵的重新制造模具的费用，要么需要一种不易实现的安装方法，要么由于滤波器的泄漏电流，将使推向市场的产品存在安全隐患问题。确实，如果没有仔细选择正确型号及类型的滤波器，那么按照墨菲法则，挑选合适的滤波器将增加研发和生产费用，同时也会推迟产品的上市时间。 1. 滤波器有关指标的计算 通过将产品的发射频谱与相关的电磁兼容标准比较，可以估算用滤波器控制发射所需要的衰减量。对于抗扰性控制，可以通过比较外部电噪声（通常取自有关的电磁兼容抗扰度标准）与产品电子线路的敏感性以及干扰期间希望达到的性能等级来估算一个粗略值。 当明确知道一个产品实际的发射或敏感性能时，就可采取精确的计算而不去进行估测。不过，如果不是在一个可控的50Ω阻抗环境中工作，在购买滤波器时，厂家提供的产品指标是靠不住的。 2. 阻抗问题 滤波器的工作原理是在射频电磁波的传输路径上形成很大的特性阻抗不连续，将射频电磁波中的大部分能量反射回源处。大多数滤波器的性能是在源和负载阻抗均为50的条件下测得的，这使我们直接联想到极为重要的一点，这就是滤波器的性能在实际情况下不可能达到最佳。 考察一个典型的电源线滤波器，它安装在交流电源线与作为电子产品直流电源的交-直流变换器之间。白天，交流电源的阻抗在2～2kΩ间变化，取决于与它连接的负载以及所关心的频率。连接到电
大学 数字信号处理课程要求论文 基于LMS的自适应滤波器设计及应用 学院名称： 专业班级： 学生姓名： 学号： 2013年6月
摘要自适应滤波在统计信号处理领域占有重要地位，自适应滤波算法直接决定着滤波器性能的优劣。目前针对它的研究是自适应信号处理领域中最为活跃的研究课题之一。收敛速度快、计算复杂性低、稳健的自适应滤波算法是研究人员不断努力追求的目标。 自适应滤波器是能够根据输入信号自动调整性能进行数字信号处理的数字滤波器。作为对比，非自适应滤波器有静态的滤波器系数，这些静态系数一起组成传递函数。研究自适应滤波器可以去除输出信号中噪声和无用信息，得到失真较小或者完全不失真的输出信号。本文介绍了自适应滤波器的理论基础，重点讲述了自适应滤波器的实现结构，然后重点介绍了一种自适应滤波算法最小均方误差（LMS）算法，并对LMS算法性能进行了详细的分析。最后本文对基于LMS算法自适应滤波器进行MATLAB仿真应用，实验表明：在自适应信号处理中，自适应滤波信号占有很重要的地位，自适应滤波器应用领域广泛；另外LMS算法有优也有缺点，LMS算法因其鲁棒性强特点而应用于自回归预测器。 关键词：自适应滤波器，LMS算法，Matlab,仿真
1.引言 滤波技术在当今信息处理领域中有着极其重要的应用。滤波是从连续的或离散的输入数据中除去噪音和干扰以提取有用信息的过程，相应的装置就称为滤波器。滤波器实际上是一种选频系统，他对某些频率的信号予以很小的衰减，使该部分信号顺利通过；而对其他不需要的频率信号予以很大的衰减，尽可能阻止这些信号通过。滤波器研究的一个目的就是:如何设计和制造最佳的(或最优的)滤波器。Wiener于20世纪40年代提出了最佳滤波器的概念，即假定线性滤波器的输入为有用信号和噪音之和，两者均为广义平稳过程且己知他们的二阶统计过程，则根据最小均方误差准则(滤波器的输出信号与期望信号之差的均方值最小)求出最佳线性滤波器的参数，称之为Wiener滤波器。同时还发现，在一定条件下，这些最佳滤波器与Wiener滤波器是等价的。然而，由于输入过程取决于外界的信号、干扰环境，这种环境的统计特性常常是未知的、变化的，因而不能满足上述两个要求，设计不出最佳滤波器。这就促使人们开始研究自适应滤波器。自适应滤波器由可编程滤波器(滤波部分)和自适应算法两部分组成。可编程滤波器是参数可变的滤波器，自适应算法对其参数进行控制以实现最佳工作。自适应滤波器的参数随着输入信号的变化而变化，因而是非线性和时变的。 2. 自适应滤波器的基础理论 所谓自适应滤波，就是利用前一时刻已获得的滤波器参数等结果，自动地调节现时刻的滤波器参数，以适应信号和噪声未知的或随时间变化的统计特性，从而实现最优滤波。所谓“最优”是以一定的准则来衡量的，最常用的两种准则是最小均方误差准则和最小二乘准则。最小均方误差准则是使误差的均方值最小，它包含了输入数据的统计特性，准则将在下面章节中讨论；最小二乘准则是使误差的平方和最小。 自适应滤波器由数字结构、自适应处理器和自适应算法三部分组成。数字结构是指自适应滤波器中各组成部分之间的联系。自适应处理器是前面介绍的数字滤波器（FIR或IIR），所不同的是，这里的数字滤波器是参数可变的。自适应算法则用来控制数字滤波器参数的变化。 自适应滤波器可以从不同的角度进行分类，按其自适应算法可以分为LMS自适应滤波
一、滤波器的选择与应用 滤波器的选择看似神秘，但实质上并非如此。不过在很多场合，即使竭尽全力采取以下所述方法来选择，也还是需要实验多个滤波器后才能挑出最合适的一只。电路设计人员如何确定在哪种场合该选用哪种滤波器呢？本文旨在帮助他们作出这种决定。 1.滤波器有关指标的计算 通过将产品的发射频谱与相关的电磁兼容标准比较，可以估算用滤波器控制发射所需要的衰减量。对于抗扰性控制，可以通过比较外部电噪声（通常取自有关的电磁兼容抗扰度标准）与产品电子线路的敏感性以及干扰期间希望达到的性能等级来估算一个粗略值。 2.阻抗问题 滤波器的工作原理是在射频电磁波的传输路径上形成很大的特性阻抗不连续，将射频电磁波中的大部分能量反射回源处。大多数滤波器的性能是在源和负载阻抗均为50的条件下测得的，这使我们直接联想到极为重要的一点，这就是滤波器的性能在实际情况下不可能达到最佳。 考察一个典型的电源线滤波器，它安装在交流电源线与作为电子产品直流电源的交-直流变换器之间。白天，交流电源的阻抗在2～2kΩ间变化，取决于与它连接的负载以及所关心的频率。连接到电子设备的电源线的特征阻抗大约在150Ω，当整流器在电源波形的尖峰附近导通时，相当于短路，而在其它时间，相当于开路。
滤波器参数是在50Ω的源和负载阻抗的测试环境下获得的，因为大多数射频测试设备采用50Ω的源、负载及电缆。这种方法获得的滤波器性能参数是最优化的，同时也是最具有误导性的。因为滤波器由电感和电容组成的，因此这是一个谐振电路。其性能和谐振主要取决于源端及负载端的阻抗。 3.信号线滤波器 如果传导发射或辐射发射由不可避免的信号频谱引起，那么试图使用差模滤波器来减小这些发射并不是办法。不过对所关心的信号频谱范围内的频率，采用共模滤波是可行的，因为有用的信号是差模而非共模。 信号线滤波器的技术指标中，一般都忽略了地线噪声。驱动芯片会产生地线跳跃噪声，如果数字印刷电路板的地线面与机壳间的射频搭接不好，便会在所有导线中产生大量的数字0V噪声，因此，外封装上标有低转换速率的驱动芯片仍可能产生高电平的射频噪声。 低频模拟信号中使用的滤波器，尤其是当电子电路的灵敏度非常高时，需要采用如电源线滤波器一样的单级或多级电路。然而，在多数情况下，信号是数字化的或高电平模拟信号，对干扰不很敏感，因此可采用R、L、C、RC、LC、T、或π型滤波器，如图1所示。
关于自适应滤波的问题： 自适应滤波器有4种基本应用类型： 1) 系统辨识：这时参考信号就是未知系统的输出，当误差最小时，此时自适应滤波器就与未知系统具有相近的特性，自适应滤波器用来提供一个在某种意义上能够最好拟合未知装置的线性模型 2) 逆模型：在这类应用中，自适应滤波器的作用是提供一个逆模型，该模型可在某种意义上最好拟合未知噪声装置。理想地，在线性系统的情况下，该逆模型具有等于未知装置转移函数倒数的转移函数，使得二者的组合构成一个理想的传输媒介。该系统输入的延迟构成自适应滤波器的期望响应。在某些应用中，该系统输入不加延迟地用做期望响应。 3) 预测：在这类应用中，自适应滤波器的作用是对随机信号的当前值提供某种意义上的一个最好预测。于是，信号的当前值用作自适应滤波器的期望响应。信号的过去值加到滤波器的输入端。取决于感兴趣的应用，自适应滤波器的输出或估计误差均可作为系统的输出。在第一种情况下，系统作为一个预测器；而在后一种情况下，系统作为预测误差滤波器。 4) 干扰消除：在一类应用中，自适应滤波器以某种意义上的最优化方式消除包含在基本信号中的未知干扰。基本信号用作自适应滤波器的期望响应，参考信号用作滤波器的输入。参考信号来自定位的某一传感器或一组传感器，并以承载新息的信号是微弱的或基本不可预测的方式，供给基本信号上。 这也就是说，得到期望输出往往不是引入自适应滤波器的目的，引入它的目的是得到未知系统模型、得到未知信道的传递函数的倒数、得到未来信号或误差和得到消除干扰的原信号。 1 关于SANC （自适应消噪）技术的问题 自适应噪声消除是利用winer 自适应滤波器，以输入信号的时延信号作为参考信号来进行滤波的，其自适应消噪的原理说明如下： 信号()x n 可分解为确定性信号分量()D x n 和随机信号分量()R x n ，即： ()()()D R x n x n x n =+ (1.1) 对于旋转机械而言，确定性信号分量()D x n 通常可表示为周期或准周期信号分量()P x n ，即： ()()()P R x n x n x n =+ 1.2 对信号()x n 两个分量()P x n 和()R x n ，有两个基本假设： (1) ()P x n 和()R x n 互不相关； (2) ()P x n 和()R x n 的自相关函数具有下述特性：()0P P x x R m ≈， N m M ≥；()0R R x x R m ≈，B m M ≥；
实验二 自适应滤波信号 一、实验目的： 1．利用自适应LMS 算法实现FIR 最佳维纳滤波器。 2．观察影响自适应LMS算法收敛性，收敛速度以及失调量的各种因素，领会自适应信号处理方法的优缺点。 3．通过实现AR 模型参数的自适应估计，了解自适应信号处理方法的应用。 二、实验原理及方法 自适应滤波是一种自适应最小均方误差算法（LMS ），这种算法不像维纳滤波器需要事先知道输入和输出信号的自相关和互相关矩阵，它所得到的观察值 ,滤波器等价于自动“学习”所需要的相关函数，从而调整FIR 滤波器的权系数，并最终使之收敛于最佳值，即维纳解。 )(n y 下面是自适应FIR 维纳滤波器的LMS 算法公式： （2-1） )()()(0 ^ ^ m n y n h n x M m m -=∑= （2-2） ^ )()()(n x n x n e -=M m m n y n e n h n h m m ?=-?+=+,1) ()(2)()1(^ ^ μ （2-3） 其中FIR 滤波器共有M+1个权系数，表示FIR 滤波器第m 个权系数在第n 步的估计值。 ),0)((^ M m n h m ?=因此，给定初始值)M ,0(),0(?=m h m ，每得到一个样本，可以递归得到一组新的滤波器权系数，只要步长)(n y μ满足 max 1 0λμ< < （2-4） 其中max λ为矩阵R 的最大特征值，当∞→n 时，)M ,0(),0(?=m h m 收敛于维纳解。
现在我们首先考察只有一个权系数h 的滤波器，如图2.1所示。假如信号由下式确定： )(n y )()()(y n w n s n += （2-5） )()(n hx n s = （2-6） 其中h 为标量常数，与互不相关，我们希望利用和得到 )(n x )(n w )(n y )(n x )(n s 图1 利用公式（2-1），（2-2），（2-3），我们可以得到下面的自适应估计算法： （2-7） )()()(^ ^n x n h n s = （2-8） )())()()((2)()1(^ ^ ^ n x n x n h n y n h n h -+=+μ其框图如图所示。 图2 选择的初始值为，对式2-8取数学期望可得 ^)(n h ^ )0(h （2-9） ))0(()21(])([^ ^ h h R h n h E n --+=μ其中
实验五：FIR数字滤波器设计及软件实现 一、实验目的： （1）掌握用窗函数法设计FIR数字滤波器的原理和方法。 （2）掌握用等波纹最佳逼近法设计FIR数字滤波器的原理和方法。 （3）掌握FIR滤波器的快速卷积实现原理。 （4）学会调用MATLAB函数设计与实现FIR滤波器。 二、实验容及步骤： （1）认真复习第七章中用窗函数法和等波纹最佳逼近法设计FIR数字滤波器的原理； （2）调用信号产生函数xtg产生具有加性噪声的信号xt，并自动显示xt及其频谱，如图1所示； 图1 具有加性噪声的信号x(t)及其频谱如图 （3）请设计低通滤波器，从高频噪声中提取xt中的单频调幅信号，要求信号幅频失真小于0.1dB，将噪声频谱衰减60dB。先观察xt的频谱，确定滤波器指标参数。 （4）根据滤波器指标选择合适的窗函数，计算窗函数的长度N，调用MATLAB函数fir1设计一个FIR低通滤波器。并编写程序，调用MATLAB快速卷积函数fftfilt实现对xt的滤波。绘图显示滤波器的频响特性曲线、滤波器输出信号的幅频特性图和时域波形图。 （4）重复（3），滤波器指标不变，但改用等波纹最佳逼近法，调用MATLAB函数remezord和remez设计FIR数字滤波器。并比较两种设计方法设计的滤波器阶数。 友情提示： ○1MATLAB函数fir1和fftfilt的功能及其调用格式请查阅本课本；
○ 2采样频率Fs=1000Hz ，采样周期T=1/Fs ； ○ 3根据图10.6.1(b)和实验要求，可选择滤波器指标参数：通带截止频率fp=120Hz ，阻带截至频率fs=150Hz ，换算成数字频率，通带截止频率 p 20.24p f ωπ=T =π，通带最大衰为0.1dB ，阻带截至频率s 20.3s f ωπ=T =π，阻带最小衰为60dB 。] ○ 4实验程序框图如图2所示。 图2 实验程序框图 三、实验程序： 1、信号产生函数xtg 程序清单： %xt=xtg(N) 产生一个长度为N,有加性高频噪声的单频调幅信号xt,采样频率Fs=1000Hz %载波频率fc=Fs/10=100Hz,调制正弦波频率f0=fc/10=10Hz. function xt=xtg N=1000;Fs=1000;T=1/Fs;Tp=N*T; t=0:T:(N-1)*T; fc=Fs/10;f0=fc/10; %载波频率fc=Fs/10，单频调制信号频率为f0=Fc/10;
Labview滤波器选择 1.概述 根据冲激响应，可将滤波器分为有限冲激响应（FIR）和无线冲激响应（IIR）滤波器。对于FIR滤波器，冲激响应在有限时间内衰减为零，其输出仅取决于当前和过去的输入信号。对于IIR滤波器，冲激响应会无线持续（理论上），输出取决于当前及过去的输入信号值和过去的输出值。在实际应用中，稳定的IIR滤波器的冲激响应会在有限时间内衰减到接近于0的程度。IIR滤波器的缺点是响应非线性。在对线性响应由要求的情况下，则应当使用FIR滤波器。 https://www.doczj.com/doc/1f46710.html,bview中数字滤波器分类 Labview提供的IIR滤波器类型有Butterworth、Chebyshaev、Inverse Chebyshave、Elliptic和Besel。它们都有各自的特点，用途也不尽相同。 （1）B utterworth在所有频率上提供平滑的响应，但过渡带下降较为缓慢，陡峭程度同阶数成正比。 （2）C hebyshev在通带中是等副的纹波，阻带中单调衰减，过渡迅速。 （3）I nverse Chebyshav也称ChebyshevⅡ型滤波器，与Chebyshev 类似，不同时=是ChebyshevⅡ型滤波器将误差分散到阻带中，而且拥有最平稳的通带。 （4）E lliptic椭圆滤波器将峰值误差分散到通带和阻带中，与Butterworth和Chebyshev相比具有更陡峭的过渡带，因此椭圆滤波
器的应用较为广泛。 （5）B essel具有最为平坦的幅度和相位响应。在通带中贝塞尔滤波器的相位响应近似于线性，必须通过提高阶数来减小误差，因此应用不太广泛。 Labveiw提供的FIR滤波器有基于乘窗设计的滤波器FIR Windowed Filt.vi和基于Parks-McClellan算法的优化滤波器Equi-Ripple Bandpass、Equi-Ripple Bandstop、Equi-Ripple HighPass、Equi-Ripple Lowpass。 此外，Labview还提供了高级IIR和FIR滤波器的子面板。在高级面板中，滤波器的设计部分和执行部分是分开的。由于滤波器的设计很费时间，而滤波过称则很快。在含有循环结构的程序中，可以将滤波器的设计放在循环外，将设计好的滤波器参数传递到循环内，在循环内进行滤波，从而提高程序运行效率。 3.滤波器选择 选择滤波器时需要考虑应用的需求，例如是否要求线性相频响应，是否允许纹波存在，是否需要窄的过渡带，图1是一个选择滤波器的大致步骤，但实际应用中通常需要多次实验才能确定最合适的滤波器。
学号: 课程设计 学院 专业 年级 姓名 论文题目 指导教师职称 成绩 2013年 1 月 10 日
目录 摘要 (1) 关键词 (1) Abstract (1) Key words (1) 引言 (1) 1 自适应滤波器原理 (2) 2 自适应滤波器算法 (3) 3 自适应滤波算法的理论仿真与DSP实现 (5) 3.1 MATLAB仿真 (5) 3.2 DSP的理论基础 (7) 3.3 自适应滤波算法的DSP实现 (9) 4 结论 ............................................... 错误！未定义书签。致谢 ................................................. 错误！未定义书签。参考文献 ............................................. 错误！未定义书签。
自适应滤波器算法的DSP实现 学生姓名：学号： 学院：专业： 指导教师：职称： 摘要：本文从自适应滤波器的基本原理、算法及设计方法入手。本设计最终采用改进的LMS算法设计FIR结构自适应滤波器，并采用MATLAB进行仿真，最后用DSP 实现了自适应滤波器。 关键词：DSP（数字信号处理器）；自适应滤波器；LMS算法；FIR结构滤波器 DSP implementation of the adaptive filter algorithm Abstract：In this article, starting from the basic principles of adaptive filter and algorithms and design methods. Eventually the design use improved the LMS algorithm for FIR adaptive filter,and use MATLAB simulation, adaptive filter using DSP. Key words：DSP；adaptive filter algorithm；LMS algorithm；FIR structure adaptive filter 引言 滤波是电子信息处理领域的一种最基本而又极其重要的技术。在有用信号的传输过程中，通常会受到噪声或干扰的污染。利用滤波技术可以从复杂的信号中提取所需要的信号，同时抑制噪声或干扰信号，以便更有效地利用原始信号。滤波器实际上是一种选频系统，它对某些频率的信号予以很小的衰减，让该部分信号顺利通过；而对其他不需要的频率信号则予以很大的衰减，尽可能阻止这些信号通过。在电子系统中滤波器是一种基本的单元电路，使用很多，技术也较为复杂，有时滤波器的优劣直接决定产品的性能，所以很多国家非常重视滤波器的理论研究和产品开发[1]。近年来，尤其数字滤波技术使用广泛，数字滤波理论的研究及其产品的开发一直受到很多国家的重视。从总的来说滤波可分为经典滤波和现代滤波。经典滤波要求已知信号和噪声的统计特性，如维纳滤波和卡尔曼滤波。现代滤波则不要求己知信号和噪声的统计特性，如自适应滤波。 自适应滤波器是统计信号处理的一个重要组成部分。在实际应用中，由于没有充足的信息来设计固定系数的数字滤波器，或者设计规则会在滤波器正常运行时改变，因此我们需要研究自适应滤波器。凡是需要处理未知统计环境下运算结果所产生的信
第二章自适应滤波器原理 2.1 基本原理 2.1.1 自适应滤波器的发展 在解决线性滤波问题的统计方法中，通常假设已知有用信号及其附加噪声的某些统计参数(例如，均值和自相关函数) ，而且需要设计含噪数据作为其输入的线性滤波器，使得根据某种统计准则噪声对滤波器的影响最小。实现该滤波器优化问题的一个有用方法是使误差信号(定义为期望响应与滤波器实际输出之差)的均方值最小化。对于平稳输入，通常采用所谓维纳滤波器( Wiener filter) 的解决方案。该滤波器在均方误差意义上使最优的。误差信号均方值相对于滤波器可调参数的曲线通常称为误差性能曲面。该曲面的极小点即为维纳解。 维纳滤波器不适合于应对信号和/或噪声非平稳问题。在这种情况下，必须假设最优滤波器为时变形式。对于这个更加困难的问题，十分成功的一个解决方案使采用卡尔曼滤波器 (Kalman filter )。该滤波器在各种工程应用中式一个强有力的系统。 维纳滤波器的设计要求所要处理的数据统计方面的先验知识。只有当输入数据的统计特性与滤波器设计所依赖的某一先验知识匹配时，该滤波器才是最优的。当这个信息完全未知时，就不可能设计维纳滤波器，或者该设计不再是最优的。而且维纳滤波器的参数是固定的。 在这种情况下，可采用的一个直接方法是“估计和插入过程”。该过程包含两个步骤，首先是“估计”有关信号的统计参数，然后将所得到的结果“插入( plug into)”非递归公式以计算滤波器参数。对于实时运算，该过程的缺点是要求特别精心制作，而且要求价格昂贵的硬件。为了消除这个限制，可采用自适应滤波器(adaptive filter)。采用这样一种系统，意味着滤波器是自设计的，即自适应滤波器依靠递归算法进行其计算，这样使它有可能在无法获得有关信号特征完整知识的环境下，玩完满地完成滤波运算。该算法将从某些预先确定的初始条件集出发，这些初始条件代表了人们所知道的上述环境的任何一种情况。我们还发现，在平稳环境下，该运算经一些成功迭代后收敛于某种统计意义上的最优维纳解。在非平稳环境下，该算法提供了一种跟踪能力，即跟踪输入数据统计特性随时间的变化，只要这种变化时足够缓慢的。 40年代，N.维纳用最小均方原则设计最佳线性滤波器，用来处理平稳随机
滤波器选择需注意的十个问题 时间：2012-04-17 14:37:14 来源：作者： 近期接触几位技术工程师朋友在选用滤波器，发现了不少有意思的问题，才发现波平浪静处水最险，简曰“灯下黑”。于是才斗胆诞生此文。 1、如果未经过对仪器的EMI、EMS指标测试就选定了滤波器，基本上属于“盲人骑瞎马、夜半临深池”的主儿； 2、如果机器上选择的是一个市面上买来的通用滤波器，这个滤波器基本上是可以不加的； 3、滤波器8分定制、2分通用才算比较靠谱。 下此结论的原因是因为最近遇到的好几起事情，都加了滤波器，但传导就是不过，最后还是根据测试结果给设计了个滤波器样品，一装上ok才算pass，其实设计本身也并不复杂，不过多加了一级差模电容和差模电感、或调整了一下滤波器电感电容的参数而已。通用型的IEC插座滤波器，里面的空间很小，一般只能放得下2个共模电容、一个差模电容和一个共模电感，靠这点东西就能放之四海而皆准，难度莫大焉。 那滤波器应如何选型？ 第一种是预知晓（起码是估计）需滤掉的杂波频点或频段和强度，然后提出对滤波频段的衰减要求，将此要求提给厂家，由厂家给您设计一款适用的滤波器。 第二种是先设计产品，结构空间上预留出装滤波器的位置，等产品装好后进行测试，根据测试的结果确定滤波器的滤除频点和衰减特性。 除此二者外，基本上没有其他的方法能有效地选好滤波器。 案例1： 如低频无极灯产品，整流器开关频率220KHz，此频率是干扰的基频，其他干扰频率基本都是此频点的高次谐波，在起初设计时，就可以根据预估给出滤波器的要求来，220KHz频点时，共模插损ILCM=60dB 差模插损ILDM=60dB，根据这个要求，滤波器厂家就可以设计出滤波器来。 如手术室用监护仪，与手术刀在共同的环境下使用，手术刀的频率是500KHz，可以根据预估给出对滤波器的要求，500KHz频点时，共模插损ILCM=70dB 差模插损ILDM=70dB，根据这个要求，滤波器厂家就可以设计出滤波器来。 插损这个指标，行规是在50Ω的标准负载下测得的，但实际电路中，阻抗匹配的不可能这样标准，
自适应滤波器的设计与实现毕业论文 目录 第一章前言 (1) 1.1 自适应滤波器简介 (1) 1.2 选题背景及研究意义 (1) 1.3 国外研究发展现状 (2) 第二章自适应滤波器的基础理论 (4) 2.1 滤波器概述 (4) 2.1.1 滤波器简介 (4) 2.1.2 滤波器分类 (4) 2.1.3 数字滤波器概述 (4) 2.2 自适应滤波器基本理论 (7) 2.3 自适应滤波器的结构 (9) 第三章自适应滤波器递归最小二乘算法 (11) 3.1 递归最小二乘算法 (11) 3.1.1 递归最小二乘算法简介 (11) 3.1.2 正则方程 (11) 3.1.3 加权因子和正则化 (16) 3.1.4 递归计算 (18) 3.2递归最小二乘(RLS)算法的性能分析 (22) 第四章基于MATLAB自适应滤波器仿真 (23) 4.1 正弦波去噪实验 (23) 4.2 滤波器正则化参数的确定 (28) 4.2.1 高信噪比 (28) 4.2.2 低信噪比 (31) 4.2.3 结论 (33) 4.3 输入信号不同对滤波效果的影响 (33)
4.3.1 输入信号为周期信号 (33) 4.3.2 输入信号为非周期信号 (38) 第五章结论与展望 (44) 5.1 结论 (44) 5.2 对进一步研究的展望 (44) 参考文献 (45) 致谢 (46) 附录 (46) 声明 (58)
第一章前言 1.1自适应滤波器简介 自适应滤波器属于现代滤波的畴，它是40年代发展起来的自适应信号处理领域的一个重要应用，自适应信号处理主要是研究结构可变或可调整的系统，可以通过自身与外界的接触来改善自身对信号处理的性能，通常这类系统是时变的非线性系统，可以自动适应信号传输的环境和要求，无须详细的知道信号的结构和实际知识，无须精确设计处理系统本身。 自适应系统的非线性特性主要是由系统对不同的信号环境实现自身参数的调整来确定的。自适应系统的时变特性主要是由其自适应响应或自适应学习过程来确定的，当自适应过程结束和系统不再进行时，有一类自适应系统可成为线性系统，并称为线性自适应系统，因为这类系统便于设计且易于数学处理，所以实际应用广泛。本文研究的自适应滤波器就是这类滤波器。 自适应滤波器是相对固定滤波器而言的，固定滤波器属于经典滤波器，它滤波的频率是固定的，自适应滤波器的频率则是自动适应输入信号而变化的，所以其适用围更广。在没有任何信号和噪声的先验知识的条件下，自适应滤波器利用前一时刻已获得的滤波器参数来自动调节现时刻的滤波器参数，以适应信号和噪声未知或随机变化的统计特性，从而实现最优滤波。1.2选题背景及研究意义 伴随着移动通信事业的飞速发展，自适应滤波技术应用的围也日益扩大。早在20世纪40年代，就对平稳随机信号建立了维纳滤波理论。根据有用信号和干扰噪声的统计特性(自相关函数或功率谱)，用线性最小均方误差估计准则设计的最佳滤波器，称为维纳滤波器。这种滤波器能最大程度地滤除干扰噪声，提取有用信号。但是，当输入信号的统计特性偏离设计条件，则它就不是最佳的了，这在实际应用中受到了限制。到60年代初，由于空间技术的发展，出现了卡尔曼滤波理论，即利用状态变量模型对非平稳、多输入多输出随机序列作最优估计。现在，卡尔曼滤波器已成功地应用到许多领域，它既可对平稳的和非平稳的随机信号作线性最佳滤波，也可作非线性滤波。实质上，维纳滤波器是卡尔曼滤波器的一个特例。 在设计卡尔曼滤波器时，必须知道产生输入过程的系统的状态方程和测量方程，即要求对信号和噪声的统计特性有先验知识，但在实际中，往往难以预知这些统计特性，因此实现不了真正的最佳滤波。 Widrow.B等于1967年提出的自适应滤波理论，可使自适应滤波系统的参数自动地调整而
卡尔曼滤波的基本原理及应用卡尔曼滤波在信号处理与系统控制领域应用广泛，目前，正越来越广泛地应用于计算机应用的各个领域。为了更好地理解卡尔曼滤波的原理与进行滤波算法的设计工作，主要从两方面对卡尔曼滤波进行阐述：基本卡尔曼滤波系统模型、滤波模型的建立以及非线性卡尔曼滤波的线性化。最后，对卡尔曼滤波的应用做了简单介绍。 卡尔曼滤波属于一种软件滤波方法，其基本思想是：以最小均方误差为最佳估计准则，采用信号与噪声的状态空间模型，利用前一时刻的估计值和当前时刻的观测值来更新对状态变量的估计，求出当前时刻的估计值，算法根据建立的系统方程和观测方程对需要处理的信号做出满足最小均方误差的估计。 最初的卡尔曼滤波算法被称为基本卡尔曼滤波算法，适用于解决随机线性离散系统的状态或参数估计问题。卡尔曼滤波器包括两个主要过程：预估与校正。预估过程主要是利用时间更新方程建立对当前状态的先验估计，及时向前推算当前状态变量和误差协方差估计的值，以便为下一个时间状态构造先验估计值；校正过程负责反馈，利用测量更新方程在预估过程的先验估计值及当前测量变量的基础上建立起对当前状态的改进的后验估计。这样的一个过程，我们称之为预估－校正过程，对应的这种估计算法称为预估－校正算法。以下给出离散卡尔曼滤波的时间更新方程和状态更新方程。 时间更新方程： 状态更新方程： 在上面式中，各量说明如下： A：作用在X k-1上的n×n 状态变换矩阵 B：作用在控制向量U k-1上的n×1 输入控制矩阵 H：m×n 观测模型矩阵，它把真实状态空间映射成观测空间 P k－：为n×n 先验估计误差协方差矩阵 P k：为n×n 后验估计误差协方差矩阵 Q：n×n 过程噪声协方差矩阵 R：m×m 过程噪声协方差矩阵 I：n×n 阶单位矩阵K k：n×m 阶矩阵，称为卡尔曼增益或混合因数 随着卡尔曼滤波理论的发展，一些实用卡尔曼滤波技术被提出来，如自适应滤波，次优滤波以及滤波发散抑制技术等逐渐得到广泛应用。其它的滤波理论也迅速发展，如线性离散系统的分解滤波（信息平方根滤波，序列平方根滤波，UD 分解滤波），鲁棒滤波（H∞波）。 非线性样条自适应滤波：这是一类新的非线性自适应滤波器，它由一个线性组合器后跟挠性无记忆功能的。涉及的自适应处理的非线性函数是基于可在学习
非常好的滤波器基础知识 滤波器是射频系统中必不可少的关键部件之一，主要是用来作频率选择----让需要的频率信号通过而反射不需要的干扰频率信号。经典的滤波器应用实例是接收机或发射机前端，如图1、图2所示： 从图1中可以看到，滤波器广泛应用在接收机中的射频、中频以及基带部分。虽然对这数字技术的发展，采用数字滤波器有取代基带部分甚至中频部分的模拟滤波器，但射频部分的滤波器任然不可替代。因此，滤波器是射频系统中必不可少的关键性部件之一。滤波器的分类有很多种方法。例如：按频率选择的特性可以分为：低通、高通、带通、带阻滤波器等； 按实现方式可以分为：LC滤波器、声表面波/体声波滤波器、螺旋滤波器、介质滤波器、腔体滤波器、高温超导滤波器、平面结构滤波器。 按不同的频率响应函数可以分为：切比雪夫、广义切比雪夫、巴特沃斯、高斯、贝塞尔函数、椭圆函数等。 对于不同的滤波器分类，主要是从不同的滤波器特性需求来描述滤波器的不同特征。 滤波器的这种众多分类方法所描述的滤波器不同的众多特征，集中体现出了实际工程应用中对滤波器的需求是需要综
合考量的，也就是说对于用户需求来做设计时，需要综合考虑用户需求。 滤波器选择时，首先需要确定的就是应该使用低通、高通、带通还是带阻的滤波器。 下面首先介绍一下按频率选择的特性分类的高通、低通、带通以及带阻的频率响应特性及其作用。 巴特沃斯切比雪夫带通滤波器 巴特沃斯切比雪夫高通滤波器 最常用的滤波器是低通跟带通。低通在混频器部分的镜像抑制、频率源部分的谐波抑制等有广泛应用。带通在接收机前端信号选择、发射机功放后杂散抑制、频率源杂散抑制等方面广泛使用。滤波器在微波射频系统中广泛应用，作为一功能性部件，必然有其对应的电性能指标用于描述系统对该部件的性能需求。对应不同的应用场合，对滤波器某些电器性能特性有不同的要求。描述滤波器电性能技术指标有： 阶数（级数） 绝对带宽/相对带宽 截止频率 驻波 带外抑制 纹波 损耗
目录 摘要…………………..………………………………………………………..….............I 第1章绪论....................................................................................................................错误!未定义书签。 1.1引言……………………………………………...…..…………...……………...错误!未定义书签。 1.2课题研究意义和目的 (1) 1.3国内外研究发展状况 (2) 1.4本文研究思路与主要工作 (4) 第2章自适应滤波器理论基础 (5) 2.1自适应滤波器简介 (5) 2.2自适应滤波器的原理 (5) 2.3自适应滤波算法 (7) 2.4TMS320VC5402的简介 (8) 第3章总体方案设计 (10) 3.1无限冲激响应（IIR）滤波器 (10) 3.2有限冲激响应（FIR）滤波器 (11) 3.3电路设计 (11) 4基于软件设计及仿真 (17) 4.3 DSP的理论基础 (17) 4.4自适应滤波算法的DSP实现 (18) 5总结 (21) 参考文献 (22) 致谢 (23) 附录自适应滤波源代码 (24)
第1章绪论 1.1引言 随着微电子技术和计算机技术的迅速发展，具备了实现自适应滤波器技术的各种软硬件条件，有关自适应滤波器的新算法、新理论和新的实施方法不断涌现，对自适应滤波的稳定性、收敛速度和跟踪特性的研究也不断深入，这一切使该技术越来越成熟，并且在系统辨识、通信均衡、回波抵消、谱线增强、噪声抑制、系统模拟语音信号处理、生物医学电子等方面都获得了广泛应用口。自适应滤波器实现的复杂性通常用它所需的乘法次数和阶数来衡量，而DSP强大的数据吞吐量和数据处理能力使得自适应滤波器的实现更容易。目前绝大多数的自适应滤波器应用是基于最新发展的DSP 来设计的． 滤波技术是信号处理中的一种基本方法和技术，尤其数字滤波技术使用广泛，数字滤波理论的研究及其产品的开发一直受到很多国家的重视。从总的来说滤波可分为经典滤波和现代滤波。经典滤波要求已知信号和噪声的统计特性，如维纳滤波和卡尔曼滤波。现代滤波则不要求己知信号和噪声的统计特性，如自适应滤波。自适应滤波的原理就是利用前一时刻己获得的滤波参数等结果，自动地调节现时刻的滤波参数，从而达到最优化滤波。自适应滤波具有很强的自学习、自跟踪能力，适用于平稳和非平稳随机信号的检测和估计。自适应滤波一般包括3个模块：滤波结构、性能判据和自适应算法。其中，自适应滤波算法一直是人们的研究热点，包括线性自适应算法和非线性自适应算法，非线性自适应算法具有更强的信号处理能力，但计算比较复杂，实际应用最多的仍然是线性自适应滤波算法。线性自适应滤波算法的种类很多，有LMS自适应滤波算法、R路自适应滤波算法、变换域自适应滤波算法、仿射投影算法、共扼梯度算法等。 1.2课题研究意义和目的 自适应滤波理论与技术是现代信号处理技术的重要组成部分，对复杂信号的处理具有独特的功能，对自适应滤波算法的研究是当今自适应信号处理中最为活跃的研究课题之一。自适应滤波器与普通滤波器不同，它的冲激响应或滤波参数是随外部环境的变化而变化的，经过一段自动调节的收敛时间达到最佳滤波的要求。自适应滤波器本身有一个重要的自适应算法，这个算法可以根据输入、输出及原参量信号按照一定准则修改滤波参量，以使它本身能有效的跟踪外部环境的变化。因此，自适应数字系