Harbin Institute of Technology
RLS自适应平衡器计算机实验
课程名称：自适应信号处理
院系：电子与信息工程学院
姓名：
学号：
授课教师：邹斌
哈尔滨工业大学
目录
一. 实验目的：............................................................................................................. - 1 -
二. 实验内容：............................................................................................................. - 1 -
三. 程序框图................................................................................................................. - 3 -
四. 实验结果及分析..................................................................................................... - 4 -
4.1 高信噪比（信噪比为30dB）情况下特征值扩散度的影响 ....................... - 4 -
4.2 信噪比（信噪比为10dB）情况下特征值扩散度的影响 ........................... - 5 -
五. 实验结论................................................................................................................. - 5 -
RLS 算法的自适应平衡器计算机实验
一. 实验目的：
1. 进一步学习自适应平衡器的原理了解算法应用条件。
2. 学习最小二乘算法的约束条件以及理论基础。
3. 分析比较RLS 算法与LMS 算法的异同。
4. 独立编写算法程序，进一步理解最小二乘自适应滤波算法的应用方法。
二. 实验内容：
在本次试验中取加权因子1λ=，根据试验一中相关内容设计线性离散通信信道的自适应均衡器，系统框图如图2.1所示。随机数发生器（1）产生用来探测信道的测试信号
n x ，加到信道输入的随机序列{}n x 由伯努利序列组成，1n x =±，随机变量n x 具有零均值和单位方差, 输出经过适当的延迟可以用做训练系列的自适应滤波器的期望响应。随机数发生器（2）用来产生干扰信道输出的白噪声源()v n ，其均值为零，方差20.001v σ=。这两个发生器是彼此独立的。信道的单位脉冲响应应用升余弦表示为
20.5[1cos((2))]1,2,3
0n n n h W
π?
+-=?=???
(2-1)
参数W 控制均衡器抽头输入的相关矩阵的特征值分布()χR ，并且特征值分布随着
W 的增大而扩大。
随机噪声
发生器(1)
信道
随机噪声发生器(2)
延迟
∑
自适应横向滤波器
∑
n
x n
v +
-
n
e
图2.1 自适应均衡实验框图
均衡器具有11M =个抽头。由于信道的脉冲响应n h 关于2n =时对称，均衡器的最优抽头权值on w 在5n =时对称。因此，信道的输入n x 被延时了257?=+=个样值，以便提供均衡器的期望响应。
在n 时刻，均衡器第1个抽头输入为
3
1
()()()k k u n h x n k v n ==-+∑ (2-2)
其中所有参数均为实数。因此，均衡器输入的11个抽头(),(1),(2),
u n u n u n --,(10)u n - 相关矩阵R 是一个对称的1111?矩阵。此外，因为其脉冲响应n h 仅当
1,2,3
n =时是非零的。过程噪声()v n 是零均值、方差为2v σ的白噪声，因此相关矩阵R 是对角矩阵，即矩阵R 除了在主对角线及其上下紧密相邻的两条对角线上的元素外都是零，用矩阵形式可以表示为：
(0)(1)(2)
00(1)(0)(1)(2)0(2)(1)(0)(1)00
(2)(1)(0)00000(0)r r r r r r r r r r r r r r r ????????=??????????
R (2-3)
其中
2222123(0)v r h h h σ=+++
1223(1)r h h h h =+ 13(2)r h h =
方差为20.001v σ=。因此123,,h h h 由赋予式(2-1)的参数W 的值来确定。
表2.1 自适应均衡实验参数小结 W
2.9
3.1 3.3 3.5 (0)r
1.0963 1.1568 1.2264 1.3022 (1)r 0.4388 0.5596 0.6729 0.7774 (2)r
0.0481 0.0783 0.1132 0.1511 min λ 0.3339 0.2136 0.1256 0.0656 max λ
2.0295 2.3761 2.7263
3.0707 max min ()/x λλ=R
6.0782
11.1238
21.7132
46.8216
表2.1中列出：(1)自相关函数()r l 的值；(2)最小特征值min λ，最大特征值max λ，特征值扩散度max min ()/χλλ=R 。
RLS 算法的自适应平衡器计算机实验
三. 程序框图
开始
初始化滤波器长度M ，序列个数N,指数加权
因子
设定信道冲击响应函数
n
h 生成高斯白噪声序列，伯努利序列，初始化滤
波器系数
生成
序列()u n 计算增益向量
k
计算估计误差 ，及其均方误差
()n 更新滤波器系数 和逆相关矩阵()w n 是完成到迭代次
数
是否满足独立实验次数
结束
是是否
否
()
P n
3.1 自适应均衡实验程序框图
四. 实验结果及分析
4.1 高信噪比（信噪比为30dB）情况下特征值扩散度的影响
σ等于0.001)，改变W或特征值扩散度在试验1中介绍了固定信噪比为30dB(方差2
v
时实验结果的变化特性，图4.1是11抽头的自适应均衡器LMS算法的集平均平方误差
λ=。
曲线。图4.2是11抽头的自适应均衡RLS算法的集平均平方误差曲线，1
图4.1 4种不同的特征值扩散度的LMS算法的学习曲线
图4.2 4种不同特征值扩散度情况下RLS算法的学习曲线
RLS 算法的自适应平衡器计算机实验
对比两幅图可以看出RLS 算法收敛速度较快，大约经过20次迭代即收敛，是横向滤波器抽头数的两倍。相比于LMS 算法，RLS 算法的收敛性对特征值扩散度()χR 的变化相对不敏感，RLS 算法比LMS 算法收敛快得多。也可以看出RLS 算法所获得的集平均平方误差的稳态值比LMS 算法小的多，这证实了我们前面所说的：RLS 算法至少在理论上失调量为零。在高信噪比的情况下，RLS 算法的收敛速度要明显大于LMS 算法。
4.2 信噪比（信噪比为10dB ）情况下特征值扩散度的影响
图4.3 当 3.1W =和SNR 10dB =时RLS 算法和LMS 算法的学习曲线 图4.3 显示 3.1W =，信噪比SNR 10dB =时RLS 算法(0.004δ=,1λ=)和LMS 算法(步长参数0.075μ=)的学习曲线。在关心的收敛范围内，可以看出RLS 算法和LMS 算法以几乎相同的方式进行学习，这两种算法都需要约40次的迭代达到收敛。但是两者最终趋于的稳态值都较大。因此RLS 算法仅在信噪比较高的情况下可以实现快速收敛。
五. 实验结论
对比LMS 算法和RLS 算法，RLS 算法在高信噪比的情况下比LMS 算法收敛速度快；RLS 算法的收敛特性对特征值扩散度()χR 的变化相对不敏感，因此收敛性表现较好。RLS 算法所获得的集平均平方误差的稳态值比LMS 算法小的多。从以上结果可以看出在高信噪比时RLS 算法要比LMS 算法好的多，在实际工程中更容易应用。
附录：
1 信噪比为30dB情况下特征值扩散度的影响
close all；clear all;
N = 210; %伯努利序列的个数
M = 11; %滤波器长度
W = [2.9,3.1,3.3,3.5]; W = 1./W;n = [1;2;3];
h = 0.5*(1+cos(2*pi*(n-2)*W)); %信道的冲激响应函数
delt = 0.004; lambda = 1; %指数加权因子
for num = 1:200 %独立进行200次实验
x = binornd(1,0.5,N,1); %产生1，-1概率都为0.5的伯努利序列loc = find(x==0);
x(loc) = -1;
deltv1 = 0.001;
v1 = sqrt(deltv1)*randn(N+2,1); %均值为0，方差为0.001的白噪声u(:,1) = conv(h(:,1),x)+v1; %不同参数W下的u(n);
u(:,2) = conv(h(:,2),x)+v1;
u(:,3) = conv(h(:,3),x)+v1;
u(:,4) = conv(h(:,4),x)+v1;
for wk = 1:4 %4种参数W进行循环计算
w = zeros(M,1); %滤波器的初始值
P = 1/delt*eye(M); %初始化逆相关矩阵
for k = 1:N-M+1
utemp = u(k+M-1:-1:k,wk); %u(n)的临时向量
Pai = P*utemp;
kn = Pai/(lambda+utemp'*Pai); %增益向量
xi = x(k+4)-w'*utemp; %先验估计误差
w = w+kn*conj(xi); %更新滤波器系数
P = 1/lambda*P-1/lambda*kn*utemp'*P; %更行逆相关矩阵
Pe(num,k,wk) = xi.*xi; %误差平方
end
end
RLS算法的自适应平衡器计算机实验
end
figure; %画图
semilogy(mean(Pe(:,:,1)),'k','LineWidth',1);hold on;
semilogy(mean(Pe(:,:,2)),'--b','LineWidth',1);hold on;
semilogy(mean(Pe(:,:,3)),':m','LineWidth',1);hold on;
semilogy(mean(Pe(:,:,4)),'-.r','LineWidth',1);hold on;
xlabel('迭代次数','FontSize',16);ylabel('集平均平方误差','FontSize',16);
set(gca,'FontSize',16);
legend('W=2.9','W=3.1','W=3.3','W=3.5');grid on;
text(200,0.0041,' W=3.5','FontSize',10);
text(200,0.0025,' W=3.3','FontSize',10);
text(200,0.0018,' W=3.1','FontSize',10);
text(200,0.0013,' W=2.9','FontSize',10);实验2：
2 信噪比为10dB情况下特征值扩散度的影响
close all;clear all;
N = 500; %伯努利序列个数
M = 11; %滤波器长度
W = 3.1; n = [1;2;3];
h = 0.5*(1+cos(2*pi*(n-2)/W)); %信道单位冲激响应
mu = 0.075; %步长参数
for num = 1:200 %独立实验200次
x = binornd(1,0.5,N,1);
loc = find(x==0);
x(loc) = -1; %1，-1的概率都为0.5的伯努利序列
deltv1 = 0.1;
v1 = sqrt(deltv1)*randn(N+2,1); %均值为0，方差为0.1的高斯白噪声u = conv(h(:,1),x)+v1; %滤波器的输入序列
%%LMS算法%%
w = zeros(M,1); %初始化滤波器系数
for k = 1:N-M+1
utemp = u(k+M-1:-1:k); %存放u(n)的临时向量
y(k) = w.'*utemp; %滤波器的输出
e(k) = x(k+4)-y(k); %估计误差
LPe(num,k) = e(k).*e(k); %估计误差平方
w = w+mu*utemp*conj(e(k)); %更新滤波器系数
end
w = zeros(M,1); %滤波器初始化
delt = 0.004;
P = 1/delt*eye(M); %初始化逆相关矩阵
lambda = 1; %指数加权因子
for k = 1:N-M+1
utemp = u(k+M-1:-1:k); %u(n)的临时向量
Pai = P*utemp;
kn = Pai/(lambda+utemp'*Pai); %增益向量
xi = x(k+4)-w'*utemp; %先验估计误差
w = w+kn*conj(xi); %更新滤波器系数
P = 1/lambda*P-1/lambda*kn*utemp'*P; %更新逆相关矩阵
RPe(num,k) = xi.*xi; %误差平方
end
end
figure; %画图
semilogy(mean(LPe),'b','LineWidth',1);hold on;
semilogy(mean(RPe),'r','LineWidth',1);
xlabel('迭代次数','FontSize',16);ylabel('集平均平方误','FontSize',16);set(gca,'FontSize',16); ylim([0.1 10]);legend('LMS','RLS');grid on;
text(300,0.6,'LMS','FontSize',16);
text(300,0.2,'RLS','FontSize',16);
学科专业代码：0810 学科专业代码：信息与通信工程 类型：学术研究型 一、研究方向 1. 宽带通信理论与技术 2. 信息传输理论与编码技术 3. 移动通信与卫星通信技术 4. 新体制雷达理论与技术 5. 现代信号处理理论与技术 6. 雷达成像与目标识别技术 7. 数字图象处理理论与技术 8. 信息对抗理论与技术 9. 数据采集理论与应用 10.遥感信息处理与应用技术
说明： 1. 学术研究型硕士研究生必须修满35学分。其中公共学位课(GXW)9学分，学科基础课(XW)8学分，学科专业课(XW)6学分，选修课(X)6.5学分，专题课(ZT)2学分，实践课(ZX)3.5学分，学术活动1学分，外语学术论文1学分。 2. 学生选课应在教师指导下进行，并经过院系主管负责人确认，对于选课人数不超过10人的选修课原则上不允许开设。 3. 学术活动要求在导师的指导下，在课题组范围内进行一次学术报告，或者在研究生论坛活动中进行一次学术报告。 4. 外语学术论文的要求毕业前发表或投稿一篇外文学术论文。
学科专业代码：0810 学科专业代码：信息与通信工程 类型：应用研究型 一、研究方向 1.通信系统设计与优化 2.数字信号传输技术 3.移动通信系统 4.雷达信号处理技术 5.信号处理技术及应用 6.软件无线电技术及应用 7.数字图象处理与应用 8.信息安全与对抗技术 9.高速数据采集与大容量存储技术 10.遥感信息处理与应用技术 二、课程设置
说明： 1. 应用研究型硕士研究生必须修满31学分。其中公共学位课(GXW)9学分，学科基础课(XW) 4学分，学科专业课(XW)4学分，选修课(X)7学分，专题课(ZT)2学分，实践课(ZX)3学分，人文管理课2学分。 2. 学生选课应在教师指导下进行，并经过院系主管负责人确认，对于选课人数不超过10 人的选修课原则上不允许开设。 3. 人文管理类课程由研究生院统一设置，供学生选修。 4. 实践课可以是软件或硬件设计类课程（也可以通过在校外企业及研究所参加实习或论文工作获得实践课学分）。
自动控制原理本科教学要求 自动控制专业的自动控制原理课程包括自动控制原理Ⅰ和现代控制理论两部分，分两个学期讲授。 《自动控制原理I》教学大纲 课程编号：T1043010 课程中文名称：自动控制原理 课程英文名称： Automatic Control Theory 总学时： 100 讲课学时：88 实验学时：16 习题课学时：0 上机学时： 学分：6.0 授课对象：自动控制专业本科生 先修课程：电路原理、电子技术和电机方面的有关课程；复变函数和线性代数 教材：《自动控制原理》（第三版）李友善主编，国防工业出版社，2005年 参考书：《自动控制原理》（第四版）胡寿松主编，科学出版社，2001年 《Linear Control System Analysis and Design》（第四版）清华大学出版社，2000年 一、课程教学目的： 自动控制原理是控制类专业最重要的一门技术基础课。这门课主要讲解自动控制的基本理论、自动控制系统的分析方法与设计方法。 本课程的主要任务是培养学生掌握自动控制系统的构成、工作原理和各件的作用;掌握建立控制系统数学模型的方法。掌握分析与综合线性控制系统的三种方法：时域法、根轨迹法和频率法。掌握计算机控制系统的工作原理以及分析和综合的方法。了解非线性控制系统的分析和综合方法。建立起以系统的概念、数学模型的概念、动态过程的概念。 通过课程的学习使学生掌握分析、测试和设计自动控制系统的基本方法。结合各种实践环节，进行自动控制领域工程技术人员所需的基本工程实践能力的训练。从理论和实践两方面为学生进一步学习自动控制专业的其他专业课如:过程控制、数字控制、飞行器控制、智能控制、导航与制导、控制系统设计等打下必要的专业技术基础。自动控制原理课程是自动控制专业学生培养计划中承上启下的一个关键环节，因此该课程在自动控制专业的教学计划中占有重要的位置。 二、教学内容及基本要求 第一章控制系统的一般概念（2学时） 本课程的目的及讲授内容，自动控制的基本概念和自动控制系统，开环控制与闭环控制，控制系统的组成，控制系统的基本要求。 第二章控制系统的数学模型（12学时） 控制系统微分方程的建立，传递函数的基本概念和定义，传递函数的性质，基本环节及传递函数，控制系统方框图及其绘制，方框图的变换规则，典型系统的方框图与传递函数，方框图的化简，用梅森增益公式化简信号流图。 第三章线性系统的时域分析（14学时） 典型输入信号，一阶系统的瞬态响应，线性定常系统的重要性质，二阶系统的标准型及其特点，二阶系统的单位阶跃响应，二阶系统的性能指标，二阶系统的脉冲响应，二阶系统的单位速度响应，初始条件不为零时二阶系统的过渡过程。 闭环主导极点的概念，高阶系统性能指标的近似计算。稳定的基本概念和定义，线性系统的稳定条件，劳斯稳定判据。控制系统的稳态误差，稳态误差的计算：泰勒级数法和长除法，控制系统的无静差度，用终值定理计算稳态误差，减小稳态误差的方法 第四章根轨迹法（12学时） 控制系统的根轨迹，绘制根轨迹的基本规则，控制系统的根轨迹分析，参数根轨迹，闭环系统的零极点分布域性能指标 第五章线性系统的频域分析（14学时） 频率特性的概念，典型环节频率特性的极坐标图表示，典型环节频率特性的对数坐标图表示，开环系统的对数频率特性，最小相位系统。v=0、1、2时开环系统的极坐标图，Nyquist稳定判据，用开环系统的Bode图判定闭环系统的稳定性，控制系统的相对稳定性。控制系统的性能指标，二阶系统性能指标间的关系，高阶系统性能指标间的关系，开环对数频率特性和性能指标的关系。 第六章控制系统的综合与校正（14学时） 控制系统校正的基本方法，基本控制规律。相位超前校正网络，用频率特法确定相位超前校正参数，按根轨迹法确定相位超前校正参数。相位滞后网络，用频率特性法确定相位滞后校正参数，按根轨迹法确定相位滞后校正参数。相位滞后-超前校正网络，控制系统的期望频率特性，控制系统的固有频率特性，根据期望频率特性确定串联校正参数。
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 ≥；
DSP-F2812的最小系统设计 姓名 学号 班级 时间
一、设计目的： TMS320F2812DSP是TI公司一款用于控制的高性能、多功能、高性价比的32位定点DSP。它整合了DSP和微控制器的最佳特性，集成了事件管理器，A/D转换模块、SCI通信接口、SPI外设接口、eCAN 总线通信模块、看门狗电路、通用数字I/O口、多通道缓冲串口、外部中断接口等多个功能模块，为功能复杂的控制系统设计提供了方便，同时由于其性价比高，越来越多地被应用于数字马达控制、工业自动化、电力转换系统、医疗器械及通信设备中。 通过本课程的学习，我对DSP的各个模块有了较为深入的了解，希望可以通过对最小系统的设计，进一步加深对DSP的学习，能在实践中运用DSP，提高自己的动手实践能力。 二、设计思路 所谓最小系统就是由主控芯片加上一些电容、电阻等外围器件构成，其能够独立运行，实现最基本的功能。为了验证DSP的最基本的功能，我设计了如下单元：有源电路的设计、复位电路及JATG下载口电路的设计、外扩RAM的设计、串口电路的设计、外扩A/D模块电路的设计。 三、详细设计步骤和原理 1、电源电路的设计 TMS320F2812工作时所要求的电压分为两部分：3.3V的Flash电压和1.8V的内核电压。TMS320F2812对电源很敏感，所以在此推荐
选择电压精度较高的电源芯片TPS767D318。TPS767D318芯片输入电压为+5V，芯片起振，正常工作之后，能够产生3.3V和1.8V两种电压电压供DSP使用。如下图所示： 2、复位电路及JATG下载口电路的设计 考虑到TPS767D301芯片自身能够产生复位信号，此复位信号可以直接供DSP芯片使用，所以不用为DSP设置专门的复位芯片。 在实际设计过程中，考虑到JATG下载口的抗干扰性，在与DSP 相连接的接口均需要采用上拉设计。
山东理工大学计算机学院 实训报告 《DOS界面开发基础实训》 班级 姓名 学号 指导教师 二○一二年七月五日 实训任务书及成绩评定 课题名称骑士飞行棋 Ⅰ、题目的目的和要求： 1、设计目的 本实训是实践性教学环节之一，旨在锻炼学生的实践操作能力和综合应用能力，希望通过案例实践，帮助学生掌握DOS界面的开发和应用，具备熟练使用C语言开发界面、感受游戏开发过程等。 2.要求学生掌握： （1）、C语言的规范、结构和标记。 （2）、数组、链表的定义和使用。 （3）、C语言的程序设计基础、面向对象编程、操作、事件处理和特效，感受游戏的开发过程等 （4）、综合应用各种前台技术开发DOS页面。 2、设计题目要求： 第一部分 游戏端首页 （1）角色的分配及及游戏规则： 游戏规则和传统的飞行棋一样，支持两人对战 采用100格小型游戏棋盘 游戏规则：对战双方轮流掷骰子控制自己的骑兵前进或后退，在游戏棋盘上设置有关卡普通 地雷 暂停 时空隧道
幸运轮盘（提供两种运气：交换位置和轰炸） 棋盘上的关卡只在骑兵第一次移动遇到时有效 （2）棋盘示例： 第二部分：游戏过程 （1）地图显示思路： 将对战地图划分成4个部分分别显示 奇数行：顺序输出地图数组中代号对应图像 右竖行：先输出空格，再输出数组中代号对应图像 偶数行：逆序输出地图数组中代号对应图像 （2）游戏进行中的界面 第三部分：游戏结束，玩家胜负已分 Ⅱ、设计进度及完成情况 日期内容 分析所给题目，初步划分侧重点，并初步制定流程 对所给题目进行详细的研究并细读有关资料 做出所给题目，讨论研究并调试检查错误， 对所给题目进行综合考虑，并进行再次修改 答辩，思考老师的评价 Ⅲ、系统实现--主要功能代码 void Welcome() { printf("※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※\n"); printf("操 2.孙权 3.刘备 \n"); printf("请玩家1选择角色：");个玩家轮流掷骰子，如果上轮走到暂停关卡，停掷一次\n\n"); printf("2.若玩家走到幸运轮盘，则和对方交换位置或者对方后退6步\n\n"); printf("3.若玩家走到某格，而对方也在此格，则对方退回原点\n\n"); printf("4.若遇到地雷后退6步\n\n"); printf("5.若遇到暂停则此玩家下一回合停止掷骰子\n\n"); printf("6.若遇到时空隧道再前进10步\n\n");
题目： 根据已知位移曲线，求速度曲线 要求： ? 由数据文件画出位移曲线（ Δt=0.0005s ）； ? 对位移数据不作处理，算出速度并画出速度曲线； ? 对位移数据进行处理，画出位移曲线，并与原位移曲线对比； ? 画出由处理后的位移数据算出的速度曲线； ? 写出相应的处理过程及分析。 1. 由数据文件画出位移曲线（ Δt=0.0005s ）； MATLAB 程序： data=importdata('dat2.dat'); x=(0.0005:0.0005:55); y=data'; plot(x,y); xlabel('时间/s'); ylabel('位移/mm'); title('原始位移曲线'); 曲线如图： 图1 原始位移曲线 2. 对位移数据不作处理，算出速度并画出速度曲线； MATLAB 程序： clear; data=importdata('dat2.dat'); t X V ??=
x=(0.0005:0.0005:55); y=data'; dt=0.0005; for i=1:109999 dx=y(i+1)-y(i); v(i)=dx/dt; end v(110000)=0; plot(x,v); 速度曲线： 图2 原始速度曲线 3.对位移数据进行处理，画出位移曲线，并与原位移曲线对比； 先对位移信号进行快速傅里叶变换： MATLAB程序：fft(y) 结果如图： 图3 原始位移曲线FFT变换
可以得知：频率在0附近为有用的位移信号，而频率大于0HZ的信号则为干扰信号，被滤去。 MATLAB程序： data=importdata('dat2.dat'); x=0.0005:0.0005:55; y=data'; wp=1/1000;ws=4/1000; [n,Wn]=buttord(wp,ws,0.7,20); %使用buttord函数求出阶数n，截止频率Wn。 [b,a]=butter(n,Wn); %使用butter函数求出滤波系数。 y2=filter(b,a,y); plot(x,y2); 曲线如图： 图4 滤波后位移曲线 与原位移曲线对比如下图： 图5 滤波后位移曲线与原曲线对比
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
H a r b i n I n s t i t u t e o f T e c h n o l o g y 飞行器制导与控制 实验报告 专业：自动化 班级： 学号：1120410333 姓名： 设计时间：2015/12/12
上机实验1： 使用四阶龙格库塔法求解微分方程 sin()ω=+dy t b dx (1) 先定义参数,ωb ，初值条件可以自己任取。 1. 源程序： function [x,y] = M1(fun,x0,xt,y0,PointNum) if nargin<4 | PointNum<=0 PointNum=100; end if nargin<3 y0=0; end y(1,:)=y0(:)'; h=(xt-x0)/(PointNum-1); x=x0+[0:(PointNum)]'*h; for k=1:(PointNum) f1=h*feval(fun,x(k),y(k,:)); f1=f1(:)'; f2=h*feval(fun,x(k)+h/2,y(k,:)); f2=f2(:)'; f3=h*feval(fun,x(k)+h/2,y(k,:)); f3=f3(:)'; f4=h*feval(fun,x(k)+h,y(k,:)); f4=f4(:)'; y(k+1,:)=y(k,:)+(f1+2*(f2+f3)+f4)/6; end 2、运行文件： x0=0; xt=2; Num=100; h=(xt-x0)/(Num-1); x=x0+[0:Num]*h; a=1; yt=1-exp(-a*x); fun=inline('-y+1','x','y'); y0=0; PointNum=100; [xr,yr]=M1(fun,x0,xt,y0,Num); M1_x=xr'
自适应滤波器 MATLAB仿真 摘要 : 本文介绍了自适应滤波器的工作原理，以及推导了著名的LMS( Least mean squares )算法。以一个例子演示了自适应滤波器的滤波效果。实验结果表明，该滤波器滤波效果较好。 关键词:自适应滤波器 MATLAB7.0 LMS 算法 Simulate of adaptive filter based on MATLAB7.0 Abstract: This article described the working principle of adaptive filter and deduced the well-known LMS algorithm. Take an example to demonstrate the adaptive filters filtering effects. The results show that the filter has an effective way to filter single. Key words: LMS algorithm Adaptive Filter Matlab7.0 1引言 由 Widrow B 等提出的自适应滤波理论，是在维纳滤波、卡尔曼滤波等线性滤波基础上发展起来的一种最佳滤波方法。由于它具有更强的适应性和更优的滤波性能，从而广泛应用于通信、系统辨识、回波消除、自适应谱线增强、自适应信道均衡、语音线性预测和自适应天线阵等诸多领域[1]。自适应滤波器最大的优点在于不需要知道信号和噪声的统计特性的先验知识就可以实现信号的最佳滤波处理。本文通过一个具体例子和结果论证了自适应滤波器的滤波效果。 2自适应滤波原理及 LMS算法 2.1 自适应滤波原理 图 1 自适应滤波原理图 在自适应滤波器中，参数可调的数字滤波器一般为 FIR 数字滤波器， IIR 数字滤波器或格型数字滤波器。自适应滤波分 2 个过程。第一，输入信号想 x(n) 通过参数可调的数字滤波器后得输出信号 y(n) ，y(n) 与参考信号 d(n) 进行比较得误差信号 e(n) ；第二，通过一种自适应算法和 x(n) 和 e(n) 的值来调节参数可调的数字滤波器的参数，即加权系
实验一： 用FFT 作谱分析 实验目的： (1) 进一步加深DFT 算法原理和基本性质的理解(因为FFT 只是DFT 的一种快速算法， 所以FFT 的运算结果必然满足DFT 的基本性质)。 (2) 熟悉FFT 算法原理和FFT 子程序的应用。 (3) 学习用FFT 对连续信号和时域离散信号进行谱分析的方法，了解可能出现的分析误差及其原因，以便在实际中正确应用FFT 。 实验原理： DFT 的运算量： 一次完整的DFT 运算总共需要2N 次复数乘法和(1)N N -复数加法运算，因而 直接计算DFT 时，乘法次数和加法次数都和2N 成正比，当N 很大时，运算量很客观的。例如，当N=8时，DFT 运算需64位复数乘法，当N=1024时，DFT 运算需1048576次复数乘法。而N 的取值可能会很大，因而寻找运算量的途径是很必要的。 FFT 算法原理： 大多数减少离散傅里叶变换运算次数的方法都是基于nk N W 的对称性和周期 性。 （1）对称性 ()*()k N n kn kn N N N W W W --==
（2）周期性 ()(mod`)()()kn N kn n N k n k N N N N N W W W W ++=== 由此可得 ()()/2 (/2)1 n N k N n k nk N N N N N k N k N N W W W W W W ---+?==?=-??=-? 这样： 1.利用第三个方程的这些特性，DFT 运算中有些项可以合并； 2.利用nk N W 的对称性和周期性，可以将长序列的DFT 分解为短序列的DFT 。 前面已经说过，DFT 的运算量是与2N 成正比的，所以N 越小对计算越有利， 因而小点数序列的DFT 比大点数序列的DFT 运算量要小。 快速傅里叶变换算法正是基于这样的基本思路而发展起来的，她的算法基本 上可分成两大类，即按时间抽取法和按频率抽取法。 我们最常用的是2M N =的情况，该情况下的变换成为基2快速傅里叶变换。 完成一次完整的FFT 计算总共需要 2log 2 N N 次复数乘法运算和2log N N 次复数加法运算。很明显，N 越大，FFT 的优点就越突出。 实验步骤 (1) 复习DFT 的定义、 性质和用DFT 作谱分析的有关内容。 (2) 复习FFT 算法原理与编程思想， 并对照DIT-FFT 运算流图和程序框图， 读懂本实验提供的FFT 子程序。 (3) 编制信号产生子程序， 产生以下典型信号供谱分析用：
《飞行控制系统》课程实验报告 班级 0314102 学号 031410224 姓名孙旭东 成绩 南京航空航天大学 2017年4月
（一）飞机纵向飞行控制系统的设计与仿真 1、分析飞机纵向动力学模态，求飞机的长周期与短周期阻尼与自然频率。 在MATLAB环境下导入数据文件，输入damp(alon),得出结果： Eigenvalue Damping Freq. (rad/s) -2.29e+000 + 4.10e+000i 4.88e-001 4.69e+000 -2.29e+000 - 4.10e+000i 4.88e-001 4.69e+000 -3.16e-002 1.00e+000 3.16e-002 -7.30e-003 + 3.35e-002i 2.13e-001 3.42e-002 -7.30e-003 - 3.35e-002i 2.13e-001 3.42e-002 长周期的根为 -7.30e-003 + 3.35e-002i 和 -7.30e-003 - 3.35e-002i 阻尼为 2.13e-001 自然频率为 3.42e-002(rad/s) 短周期的根为 -2.29e+000 + 4.10e+000i 和 -2.29e+000 - 4.10e+000i 阻尼为 4.88e-001 自然频率为 4.69e+000(rad/s) 2、对升降舵及油门单位阶跃输入下的飞机自然特性进行仿真，画出相应的状态曲线。 sys=ss(alon,blon,clon,dlon) [y,t]=step(sys,500) subplot(221) plot(t,y(:,1,1)) xlabel('t(s)') ylabel('\Deltau(m/s)') subplot(222) plot(t,y(:,1,2)) xlabel('t(s)') ylabel('\Deltau(m/s)') subplot(223) plot(t,y(:,2,1)) xlabel('t(s)') ylabel('\Delta\alpha(deg)') subplot(224) plot(t,y(:,2,2)) xlabel('t(s)') ylabel('\Delta\alpha(deg)')
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
DSP原理与应用 学号： 姓名： 日期：2017年5月23日星期二
1.DSP的生产厂商主要有哪些？分别有什么系列？ 答： ①德州仪器公司（最有名的DSP芯片厂商）。TI公司在市场上主要的三个系 列产品： （1）面向数字控制、运动控制的TMS320C2000系列，主要包括TMS320C24x/F24x、TMS320LC240x/LF240x、TMS320C24xA/LF240xA、TMS320C28xx等； （2）面向低功耗、手持设备、无线终端应用的TMS320C5000系列，主要包括TMS320C54x、TMS320C54xx、TMS320C55x等； （3）面向高性能、多功能、复杂应用领域的TMS320C6000系列，主要包括TMS320C62xx、TMS320C64xx、TMS320C67xx等。 ②美国模拟器件公司。其主要的系列： （1）定点DSP芯片有ADSP2101/2103/2105、ADSP2111/2115、ADSP2126/2162/2164、ADSP2127/2181、ADSP-BF532以及Blackfin系列； （2）浮点DSP芯片有ADSP21000/21020、ADSP21060/21062，以及虎鲨TS101、TS201S。 ③Motorola公司（发布较晚）。其主要的系列包括： （1）定点DSP 处理器MC56001； （2）与IEEE浮点格式兼容的的浮点DSP芯片MC96002； （3）DSP53611、16位DSP56800、24位的DSP563XX和MSC8101等产品。 ④杰尔公司。主要系列有： 嵌入式DSP内核的SC1000和SC2000系列，主要面向电信基础设施、移动通信、多媒体服务器及其它新兴应用。 2.浮点DSP和定点DSP各自有什么特点？ 答： 浮点DSP和定点DSP在宏观上有很大的特点区别，包括动态范围、速度、价格等等。 （1）动态范围：定点DSP的字长每增加1bit,动态范围扩大6dB。16bit字长的动态范围为96dB。程序员必须时刻关注溢出的发生。例如，在作图像处理时，图像作旋转、移动等，就很容易产生溢出。这时，要么不断地移位定标，要么作截尾。前者要耗费大量的程序空间和执行时间，后者则很快带来图像质量的劣化。总之，是使整个系统的性能下降。在处理低信噪比信号的场合，例如进行语音识别、雷达和声纳信号处理时，也会发生类似的问题。 32bit浮点运算DSP的动态范围可以作到1536dB，这不仅大大扩大了动态范围，提高了运算精度，还大大节省了运算时间和存储空间，因为大大减少了定标，移位和溢出检查。 由于浮点DSP的浮点运算用硬件来实现，可以在单周期内完成，因而其处理速度大大高于定点DSP。这一优点在实现高精度复杂算法时尤为突出，为复杂算法的实时处理提供了保证。 32bit浮点DSP的总线宽度较定点DSP宽得多，因而寻址空间也要大得多。这一方面为大型复杂算法提供了可能、因为省的DSP目标子程序已使用到几十MB存储器或更多；另一方面也为高级语言编译器、DSP操作系统等高级工具软件的应用提供了条件。DSP的进一步发展，必然是多处理器的应用。新型的浮点DSP已开始在通信口的设置和强化、资源共享等方面有所响应。
自动化专业本科生培养方案 一、培养目标 本专业培养知识、能力、素质，德、智、体、美全面发展，在较宽的科技领域（包括控制理论与工程应用、系统分析设计与仿真、运动控制、过程控制、飞行器导航制导与控制以及系统工程技术、电子工程技术、计算机技术与应用等）掌握坚实的基础理论和系统的专业知识，并具备在高等院校、科研院所及工业企业等部门和行业从事与控制系统相关的分析、设计、开发、集成、管理及维护的高素质、复合类、创新型高级科技人才。 本专业注重宽基础、强适应性，注重基础理论及其与工程实际相结合，面向国家现代化建设，并具有紧密结合航天、宇航与国防工业现代化建设需求的人才培养特色。 二、培养要求 本专业学生主要学习自动化领域的基本理论和基本知识，接受自动化领域的基本方法及其解决实际工程问题等方面的基本训练，具有自动化工程设计与研究方面的基本能力。 （一）毕业生应在思想和情感方面具备以下主要素质： 1.政治品质。热爱祖国，关心国家大事、时事政治，有较强的法制法规观念； 2.思想品质。树立积极向上的人生观、正确的价值观和辩证唯物主义的世界观； 3.道德品质。具备良好的道德修养和文明的行为准则，具有敬业精神和职业道德。 （二）毕业生应获得以下主要方面的知识和技能： 1.掌握数理等基础理论的原理和方法； 2.具备较扎实的外语综合能力，能够顺利地阅读本专业外文文献； 3.掌握计算机、电气等关联学科的相关原理、方法及相应实验仪器的使用技能； 4.身心健康，具有较好的人文社会科学基础以及军事训练方面的基本知识； 5.掌握自动控制原理、控制系统分析和综合（设计）等专业知识和方法，具有较好的工程实践能力； 6.掌握科学计算、系统仿真、软硬件开发等实验方法和技术； 7.具有辩证的、逻辑的、形象的和创造的科学思维方式和对事物进行统计、分析、综合、归纳的技能，并具备基本的发现问题、分析问题和解决问题的能力。 （三）毕业生应在意识和意志方面具备以下主要素质： 1.协作意识。具备与同学同事协同工作、协调配合的能力； 2.创新竞争意识。崇尚科学，求真务实，具有较强的创新意识和竞争意识； 3.坚毅意志。具备勇于面对困难并善于克服困难的心理素质。 三、主干学科 控制科学与工程。 四、专业主干课程 电路I、模拟电子技术基础II、数字电子技术基础II、自动控制原理I、现代控制理论基础、自动控制元件及线路I、计算机控制、控制系统设计、导航原理、飞行器控制与制导、过程控制系统、运动控制系统。
一、实验题目 卫星姿态控制物理仿真实验 二、实验目的 1、掌握飞行器姿态控制系统的光纤陀螺传感器和喷气执行机构、飞行器姿态模拟单轴气浮实验转台、数字信号处理器DSP控制器的功能、性能及应用方法； 2、通过演示实验，掌握飞行器姿态控制物理仿真实验原理； 3、掌握控制算法和DSP软件开发技术及用C语言在飞行器姿态控制物理仿真专业技术中的应用编程及实验方法。 三、实验任务 1、以喷气装置作为执行机构，编写C语言，进行软件设计、编程和实验调试。 2、完成单轴陀螺定姿的转台闭环控制实验，进行姿态角机动20°的控制。 四、实验控制系统原理及框图 图1 飞行器姿态控制实验转台系统框图 单轴气浮实验转台控制系统原理主要是通过敏感器件（如陀螺，码盘等）测量转台姿态角及角速度等
信息，通过DSP 控制系统软件计算与理想（设定）状态的误差，并形成控制信息，操纵执行机构（如喷气装置，飞轮等），使转台回到设定位置。 五、控制算法及说明： 喷气控制单回路姿态控制动力学方程为： d j T T J +=θ ，()0 0θθ=t ，()00θθ =t 式中，0θ、0θ 为姿态角、姿态角速度的初值，且0 0θθ =。 喷气推力器取为理想继电特性，并以线性姿态角θ作为反馈信号，当不计姿态角给定量（0=r θ）时，有控制方程 0,0>-θj T ()=t T j 0,0<+θj T 式中，0j T 为()t T j 的幅值。 系统的方框图如图2所示。 图2 喷气推理器取为理想继电特性的单回路姿态稳定系统方框图 研究非线性控制系统常用的一种分析方法是相平面法，即在有姿态角θ和姿态角速度θ 构成的直角坐标平面（相平面）上，研究θ与θ 间的运动轨迹（相轨迹），进而可获得关于系统过渡过程时间、超调量、极限环等主要姿控指标。
自适应滤波器：根据环境的改变，使用自适应算法来改变滤波器的参数和结构。这样的滤波器就称之为自适应滤波器。 数学原理编辑 以输入和输出信号的统计特性的估计为依据，采取特定算法自动地调整滤波器系数，使其达到最佳滤波特性的一种算法或装置。自适应滤波器可以是连续域的或是离散域的。离散域自适应滤波器由一组抽头延迟线、可变加权系数和自动调整系数的组成。附图表示一个离散域自适应滤波器用于模拟未知离散系统的信号流图。自适应滤波器对输入信号序列x(n)的每一个样值，按特定的算法，更新、调整加权系数，使输出信号序列y(n)与期望输出信号序列d(n)相比较的均方误差为最小，即输出信号序列y(n)逼近期望信号序列d(n)。 20世纪40年代初期，N.维纳首先应用最小均方准则设计最佳线性滤波器，用来消除噪声、预测或平滑平稳随机信号。60年代初期，R.E.卡尔曼等发展并导出处理非平稳随机信号的最佳时变线性滤波设计理论。维纳、卡尔曼－波色滤波器都是以预知信号和噪声的统计特征为基础，具有固定的滤波器系数。因此，仅当实际输入信号的统计特征与设计滤波器所依据的先验信息一致时，这类滤波器才是最佳的。否则，这类滤波器不能提供最佳性能。70年代中期，B.维德罗等人提出自适应滤波器及其算法，发展了最佳滤波设计理论。 以最小均方误差为准则设计的自适应滤波器的系数可以由维纳-霍甫夫方程解得 式中W(n)为离散域自适应滤波器的系数列矩阵(n)为输入信号序列x(n)的自相关矩阵的逆矩阵,Φdx(n)为期望输出信号序列与输入信号序列x(n)的互相关列矩阵。 B.维德罗提出的一种方法，能实时求解自适应滤波器系数，其结果接近维纳－霍甫夫方程近似解。这种算法称为最小均方算法或简称 LMS法。这一算法利用最陡下降法，由均方误差的梯度估计从现时刻滤波器系数向量迭代计算下一个时刻的系数向量 式中憕【ε2(n)】为均方误差梯度估计， k s为一负数，它的取值决定算法的收敛性。要求，其中λ为输入信号序列x(n)的自相关矩阵最大特征值。 自适应 LMS算法的均方误差超过维纳最佳滤波的最小均方误差，超过量称超均方误差。通常用超均方误差与最小均方误差的比值（即失调）评价自适应滤波性能。
维纳自适应滤波器设计及Matlab实现
摘要 本文从随机噪声的特性出发，分析了传统滤波和自适应滤波基本工作原理和性能，以及滤波技术的现状和发展前景。然后系统阐述了基本维纳滤波原理和自适应滤波器的基本结构模型，接着在此基础上结合最陡下降法引出LMS算法。在MSE准则下，设计了一个定长的自适应最小均方横向滤波器，并通过MATLAB 编程实现。接着用图像复原来验证该滤波器的性能，结果表明图像的质量在MSE 准则下得到了明显的改善。最后分析比较了自适应LMS滤波和频域维纳递归滤波之间的性能。本文还对MATLAB里面的自适应维纳滤波函数wiener2进行了简单分析。 关键字：退化图像维纳滤波自适应滤波最陡下降法LMS
Abstract This paper analyses the basic work theory, performance of traditional filter and adaptive filter based on the property of random noise, and introduce the status quo and the foreground of filter technology. Then we explain basic theory of wiener filter and basic structure model of adaptive filter, and combine the method of steepest descent to deduce the LMS. Afterward according to the MSE rule, we design a limited length transversal filter, and implement by MATLAB. And then we validate performance of adaptive LMS filter by restoring images, Test result show that the quality of the degrade images were improved under the rule of MSE. Finally, we compare the performance of adaptive LMS filter and iterative wiener filter. We also simply analyses the wiener2 () which is a adaptive filter in MATLAB. Keywords: degrade image；wiener filter；adaptive filter；ADF；LMS algorithm
关于无人机模拟操控技能实训的报告 目录 一、前言 1.实训背景与意义 (2) 2.无人机的发展现状 (2) 3、本次实训的任务安排与技术要求 (4) 二、实训的基本情况 (5) 三、实训总结 (8)
一．前言 本次实训主要是通过实体操控四旋翼无人机的不同姿态运动来提升自己对无人机的运动机制、动力原理以及飞行实操的了解。主要要求是使用提供的四旋翼无人机实现无人机在导航模式下实现原地360°旋转、矩形飞行以及固定翼的模拟航线飞行等，需要控制飞机高度方向，指导老师现场考核评分并记录好实训操控时的图像或音频，以完成实训总结报告。 1．实训背景与意义 无人机，是一种不需要有人驾驶，可以通过远程操控来实现某些特定功能的飞行器，具有可持续续航、飞行高度高、可携带外接设备等一系列优点，目前无人机在多个领域取得应用，并且经过行业的不断完善，已经形成初步的产业链。无人机以其自身的突出的优点、高性价比等巨大优势吸引人们的关注，并且在不断地研究中取得了一定的突破，从无人机整个行业的前景来看，无疑是值得肯定的，并且现有技术不断革新的情况下无人机在未来的发展将会越来越好，无人机作为现代的新星宠儿，对它的研究应用无论是对自身发展还是国家技术改革创新都具有很大作用，在无人机势如春笋的发展背景下，通过实训去了解无人机，熟练的操控无人机将对未来就业以及自身发展具有重大意义。 2.无人机的发展现状 20世纪90年代以来，随着信息化技术、轻量化/小型化任务载荷技术、卫星通信技术、复合材料结构技术、高效空气动力技术、新型能源与高效动力技术、起降技术的迅猛发展，无人机性能不断提升、功能不断扩展，各种类型和功能的无人机不断涌现，应用领域也越来越广泛。无人机按规模可分为微型无人机、小型无人机、中型无人机、大型无人机；按飞行高度可分为低空无人机、中空无人机、高空无人机、临近空间无人机；按飞行速度可分为低速无人机、高速无人机；按机动性可分为低机动无人机、高机动无人机；按能源与动力类型可分为螺旋桨式无人机、喷气式无人机、电动无人机、太阳能无人机、燃料电池无人机；按活动半径可分为近程无人机、短程无人机、中程无人机、远程无人机；按起降方式可分为滑跑起降无人机、火箭助推/伞降回收无人机、空投无人机、炮射无人机、潜射无人机等；按功能用途可分为靶标无人机、诱饵无人机、侦察无人机、炮兵校射无人机、电子对抗无人机、电子侦听无人机、心理战无人机、通信中继无人机、测绘无人机、攻击无人机、察打一体无人机、预警无人机…… 人机系统主要包括飞机机体、飞控系统、数据链系统、发射回收系统、电源系统等。飞控系统又称为飞行管理与控制系统，相当于无人机系统的“心脏”部分，对无人机的稳定性、数据传输的可靠性、精确度、实时性等都有重要影响，对其飞行性能起决定性的作用；数据链系统可以保证对遥控指令的准确传输，以及无人机接收、发送信息的实时性和可靠性，以保证信息反馈的及时有效性和顺利、准确的完成任务。发射回收系统保证无人机顺利升空以达到安全的高度和速度飞行，并在执行完任务后从天空安全回落到地面。 无人机主要分为多旋翼无人机、固定翼无人机以及组合式无人机三大类。 多旋翼无人机又有四旋翼、六旋翼、八旋翼甚至十旋翼等，最常见的是四旋翼无人机，以下是常见的多旋翼无人机。