目录
引言 (1)
1自适应滤波器简介 (2)
2自适应滤波原理 (2)
3 自适应滤波算法 (4)
4 自适应滤波算法的理论仿真与DSP实现 (7)
4.1 MATLAB仿真 (7)
4.2 DSP的理论基础 (9)
4.3自适应滤波算法的DSP实现 (10)
5结语 (13)
参考文献 (14)
附录自适应滤波子程序 (15)
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。
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]。
1 自适应滤波器简介
自适应滤波器属于现代滤波器的范畴，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。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。自适应滤波器实质上就是一种能调节其自身传输特性以达到最优化的维纳滤波器。
2 自适应滤波原理
所谓的自适应滤波，就是利用前一时刻以获得的滤波器参数的结果，自动的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。自适应滤波器实质上就是一种能调节其自身传输特性以达到最优的维纳滤波器。自适应滤波器不需要关于输入信号的先验知识，计算量小，特别适用于实时处理。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II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。自适应滤波器的特性变化是由自适应算法通过调整滤波器系数来实现的。一般而言，自适应滤波器由两部分组成，一是滤波器结构，二是调整滤波器系数的自适应算法。自适应滤波器的结构采用FIR 或IIR 结构均可，由于IIR 滤波器存在稳定性问题，因此一般采用FIR 滤波器作为自适应滤波器的结构。图1 给出了自适应滤波器的一般结构。
图2-1自适应滤波器的一般结构
图 1 为自适应滤波器结构的一般形式，图中x(n)为输入信号，通过参数可调的数字滤波器后产生输出信号y(n)，将输出信号y(n)与标准信号(或者为期望信号)d(n)进行比较，得到误差信号e(n)。e(n)和x(n)通过自适应算法对滤波器的参数进行调整，调整的目的使得误差信号e(n)最小。
自适应滤波器设计中最常用的是FIR 横向型结构。图2 是横向型滤波器的结构示意图。
图2-2横向型滤波器的结构示意图
其中：x(n)为自适应滤波器的输入；w(n)为自适应滤波器的冲激响应：
w(n)={w(O)，w(1)，…，
w(N-1)}；y(n)为自适应
自适应滤波器的结构可以采用FIR或IIR滤波器存在稳定性问题，因此一般采用FIR滤波器作为自适应滤波器的结构。自适应FIR滤波器结构又可分为3种结构类型：横向型结构（Transversal Structure）、对称横向型结构（Symmetric Transversal Structure）以及格型结构（Lattice Struture）。本文采用自适应滤波器设计中最常用的FIR横向型结构。
3 自适应滤波算法
自适应滤波器除了包括一个按照某种结构设计的滤波器，还有一套自适应的算法。自适应算法是根据某种判断来设计的。自适应滤波器的算法主要是以各种判据条件作为推算基础的。通常有两种判据条件：最小均方误差判据和最小二乘法判据。LMS 算法是以最小均方误差为判据的最典型的算法，也是应用最广泛的一种算法。最小均方误差(Least Mean Square，LMS)算法是一种易于实现、性能稳健、应用广泛的算法。所有的滤波器系数调整算法都是设法使y(n)接近d(n)，所不同的只是对于这种接近的评价标准不同。LMS 算法的目标是通过调整系数，使输出误差序列e(n)=d(n)-y(n)的均方值最小化，并且根据这个判据来修改权系数，该算法因此而得名。误差序列的均方值又叫“均方误差”(Mean Sqluare Error，MSE)。理想信号d(n)与滤波器输出y(n)之差e(n)的期望值最小，并且根据这个判据来修改权系数wi(n)。由此产生的算法称为LMS。均方误差ε表示为：
对于横向结构的滤波器，代入y(n)的表达式：
其中：R=E[X(n)XT(n)]为N×N 的自相关矩阵，它是输入信号采样值间的相关性矩阵。
P=E[d(n)X(n)]为N×1 互相关矢量，代表理想信号d(n)与输入矢量的相关性。在均方误差ε
达到最小时，得到最佳权系数：
它应满足下式：
，，
这是一个线形方程组，如果R 矩阵为满秩的，R-1 存在，可得到权系数的最佳值满足：
W*=R-1p。用完整的矩阵表示为：
显然φx(m)=E[x(n)x(n-m)]为x(n)的自相关值，φxd(R)=E[x(n)d(n 一k)]为x(n)与d(n)互相关值。在有些应用中，把输入信号的采样值分成相同的一段(每段称为一帧)，再求出R，P 的估计值得到每帧的最佳权系数。这种方法称为块对块自适应算法。如语音信号的线性预测编码LPC 就是把语音信号分成帧进行处理的。R，P 的计算，要求出期望值E，在现实运算中不容易实现，为此可通过下式进行估计：
用以上方法获得最佳W*的运算量很大，对于一些在线或实时应用的场合，无法满足其时间要求。大多数场合使用迭代算法，对每次采样值就求出较佳权系数，称为采样值对采样值迭代算法。迭代算法可以避免复杂的R-1 和P 的运算，又能实时求得近似解，因而切实可行。LMS 算法是以最快下降法为原则的迭代算法，即W(n+1)矢量是W(n)矢量按均方误差性能平面的负斜率大小调节相应一个增量：W(n+1)=W(n)-μ▽(n)，这个“是由系统稳定性和迭代运算收敛速度决定的自适应步长。▽(n)为n 次迭代的梯度。对于LMS 算法▽(n)为下式即E[e2(n)]的斜率：
由上式产生了求解最佳权系数W*的两种方法，一种是最陡梯度法。其思路为：设计初始权系数W(0)，用W(n+1)=W(n)一μ▽(n)迭代公式计算，到W(n+1)与W(n)误差小于规定范围。其中▽(n)计算可用估计值表达式：
上式K 取值应足够大。如果用瞬时一2e(n)X(n)来代替上面对-2E[e(n)X(n)]的估计运算，就产生了另一种算法——随机梯度法，即Widrow-Hoft 的LMS 算法。此时迭代公式为：
W(n+1)=W(n)+2ue(n)X(n)
以后讨论的LMS 算法都是基于WidrOW-Hoff 的LMS 算法。上式的迭代公式假定滤波器结构为横向结构。对于对称横向型结构也可推出类似的迭代公式：
W(n+1)=W(n)+2ue(n)[X(n)+X(n 一N+1)]
4 自适应滤波算法的理论仿真与DSP实现
4.1MATLAB仿真
4.1.1MATLAB程序仿真
使用MATLAB编程，采用自适应滤波器技术实现语音去噪过程，程序如下：clear all;
clf;
pi=3.14;
signal=sin(2*pi*0.055*[0:999]'); %产生输入信号
noise=randn(1,1000); %产生随机噪声
nfilt=fir1(11,0.4); %产生11阶低通滤波，截止频率为0.4
fnoise=filter(nfilt,1,noise); %噪声信号进行FIR滤波
d=signal.'+fnoise; %将噪声叠加到信号中
w0=nfilt.'-0.01; % 设置初始化滤波器系数
mu=0.05; % 设置算法的步长
s=initse(w0,mu); %初始化自适应FIR结构滤波
[y,e,s]=adaptse(noise,d,s); %进行自适应滤波
t=1:200;
plot(t,signal(1:200))
figure(2);
plot(t,d(1:200),'.-',t,y(1:200),'-');
4.1.2仿真结果
（1）为了确保噪声的相关性，首先让噪声通过一个11阶的低通FIR滤波器然后将滤波后的噪声加到信号中去；
（2）对程序中所使用的一些函数的详细说明，请参考MATLAB的函数说明，这些函数包括：FIR、INITSE、FILTER、PLOT、ADAPTSE等。图4-1为原始信号的信号图；图4-2为滤波前信号和滤波后信号时域图。比较图4-1和图4-2可以看出，采用自适应滤波后的滤波输出信号和原始信号基本相似，噪声完全滤除。
20
40
60
80
100120140
160
180
200
-1-0.8-0.6-0.4-0.200.20.40.60.81采样点数
幅值
图4-1 原始信号时域图
020406080
100120140160180200
-2.5
-2-1.5-1-0.50
0.511.52滤波前后波形比较图
幅值
采样点数
图4-2 滤波前信号和滤波后信号时域图
对比图4-2中滤波前和滤波后的信号可以看出，信号中的噪声完全滤除，信号完全恢复，通过Matlab 仿真结果分析，自适应滤波器具有很好的性能。
4.2DSP的理论基础
数字信号处理(DSP)是指人们利用计算机或专用处理设备，以数字的形式对信号进行采集，变换，滤波，估值，增强，压缩，识别等处理，以得到符合人们需要的信号形式。其框图如图4-3所示。
图4-3数字信号处理系统的简化框图
DSP内部一般都包含多个处理单元,如算术逻辑运算单元,辅助寄存器运算单元,累加器等。另外DSP芯片也有很多种，这里着重介绍TMS320C5000系列。
目前TMS320C5000系列芯片包括了TMS320C54XX和TMS320C55XX两大类。这两类芯片的软件互相兼容。但是本文选择TMS320C55XX系列DSP芯片。
1.结构特点比较
（1） TMS320C54XX和TMS320C55XX均为16bit定点DSP
（2） C55XX有双MAC单元；C54XX只有单MAC单元。
（3） C55XX 的指令长度可变，且没有排队的限制；C54X的指令长度固定。
（4） C55XX有12组总线；C54XX只有8组总线。
（5） C55XX提供了EMIF外部存储器扩展接口，可以直接使用SDRAM，而C54XX 则不能直接使用。
2.内部结构对比
（1） C54XX关注于低功耗，而C55XX则将低功耗提高到一个新水平：300MHZ 的C55XX和120MHZ的C54XX相比，性能提高了5倍，而功耗则降到1/6。
（2） C55XX总线的宽度为32bit,而C54XX总线宽度为16 bit。C55XX有三组数据读总线和两组数据写总线，而C54XX有两组数据读总线和一组数据写总线。
（3） C55XX包含一个40bit的ALU。用户可以用ALU作32bit的运算。C54XX
包含一个分开40bit的ALU。它的ALU可以做成两个16bit的配置。
（4） C55XX可以执行可变长度的指令，这和C54XX有显著的不同。C54XX 的指令长度为固定的16 bit，而C55XX的指令长度则为8～48 bit。
3. 寻址模式对比
C54XX支持单数据存储器操作数寻址和32 bit操作数寻址，还使用并行指令支持双数据存储器操作数寻址。它也提供立即数寻址，循环寻址和位倒序寻址。在C54XX的基础上，C55XX还支持绝对值寻址，寄存器间接寻址，直接寻址。C55XX 的ADFU包括专门的寄存器，支持使用间接寻址指令的循环寻址。可以同时使用5个独立的循环缓冲器和3个独立的缓冲器长度。这些循环缓冲器没有地址排队的限制。
4.3 自适应滤波算法的DSP实现
为了提高LMS 算法的处理速度及减小系统的硬件规模, 在实现滤波器算法时, 采用了TMS320C54xx 作为核心芯片。由于该处理器采用改进型结构,具有高度并行性,同时拥有高度集成的指令系统,简化编程过程,模块化结构程序设计
增强了程序的可移植性。利用TMS320C54xx实现LMS 自适应算法时,存储器中数据的存放形式对DSP 的有效运用有着特殊的意义,合理的存放形式,可以使算法实现起来更加快速和高效,为了实现算法中输入样值x(n) 和滤波器系数W(n)
的对应项相乘,他们在存储器中的存放形式如图4-4 所示。
低地址
高地址
图4-4 TMS320C54xx自适应滤波器存储器组织形式
根据算法和DSP汇编语言程序（见附录）, 在CCS 环境下编译,连接生成公共目标代码文件,在线下载到DSP 中运行。为了能观察到相应的波形, 在CCS 环境下选择View\ Grap h\ Time\ Freqency 进入图形观察窗口,在“Graph Property Dialog”窗口中选定相应类型的值。
将编译产生的可执行文件下载到DSP芯片中，经过运行得到图4-5为输入信号的时域图，由图可以看到，正弦信号中叠加了噪声，导致正弦信号出现了较大的畸变。通过对输入信号进行FFT变换，可以得到其频谱图如图4-6，由图4-6可以看出，低频的信号中叠加了比较多的高频噪声，要得到比较好的原始低频正弦信号，必须要进行滤波。
图4-5 输入波形
图4-6 输入波形FFT
如图4-7所示，可以看出输入波形中的高频噪声基本上得到了滤除，为了更方便，更直接的看出滤波效果，对滤波后的波形进行了FFT变换，得出信号的频谱图如图4-8所示。图4-8的输出信号的频谱图中仅剩余了低频信号，滤除了高频成分。通过对比图4-6和图4-8，更清楚地看到高频区的噪声基本上被消除了。但是由于参数设置不够精确等原因造成高频噪声得不到完全消除，但也很明显的显现了低通滤波的目的。
图4-7输出波形
图4-8 滤波后波形FFT
5 结语
自适应滤波器是比较有意思的一个课程设计，当它真的做出来的时候，还是有点成就感的。
在此次课程设计中遇到了很多的问题，这是平时上课的时候所不会遇到的，当遇到问题是，我和我的其他两个组员通过网上查阅有关自适应滤波器的知识、问身边的同学、问指导老师等渠道把遇到的问题都解决了，在这之中，我学到了很多知识。
自适应滤波器却能很好地消除叠加在信号上的噪声，虽然也可以用固定滤波器来实现，但设计固定滤波器时需要预先知道信号和噪声的统计特性，而自适应滤波器则不需要，并且当信号和噪声的统计特性发生变化时，自适应滤波器也能自动地调节其冲激响应特性来适应新的情况，因此，自适应滤波器具有更加广阔的应用前景。
自适应滤波技术的核心问题是自适应算法的性能问题，研究自适应算法是自适应滤波器的一个关键内容，算法的特性直接影响滤波器的效果。
通过本课程设计加深了对DSP原理的理解，初步掌握了DSP 芯片的开发应用，为接下来的深入学习打下了坚实的基础。但是同时还有很多的问题还有待于进一步深入研究，我将在今后的学习工作中，要加强学习，不断进取。
在做课程设计的日子里得到了何海浪老师的悉心指导和同学的帮助，在此向他们致以诚挚的谢意。感谢提供相关技术帮助的老师和同学，你们的支持和鼓励使我对这次的设计完成有了信心和动力，我在此深表谢意。
参考文献
[1] 胡广书．数字信号处理－理论、算法与实现[M]．清华大学，2004．
[2] 彭启琼，李玉柏．DSP技术[M]．第4版．电子科技大学，2002．
[3] 邓重一．滤波器的过去、现在与未来[J]．中国电子报社，2003，17(4)：513～523．
[4] 张雄伟（等）．DSP芯片的原理与开发应用[M]．第四版．北京：电子工业出版社．2008．
[5] 高西全（等）．数字信号处理[M]．第三版．西安电子科技大学出版社．2008．
附录自适应滤波子程序
DA TA_SIZE .set 256 ;
FILTER .set 10 ;
STACK_SIZE .set 256 ;
STACK .usect “stack”,STACK_SIZE
SYSTEM_STACK .set STACK_SIZE+STACK
DA TA_DP .usect “filter_vars”,0
filter .usect “filter_vars”,FILTER*2
outputdata .usect “filter_vars”,DA TA_SIZE
errrordata .usect “filter_vars”,DA TA_SIZE
.def start
.data
.global inputdata
Inputdata
.word 10408,16451,10820,12227,18146,13106,11485
.word 15737,9840,3644,8171,4118,-4355,-624
.word -2443,-11575,-10290,-8288,-16156,-16663,-10543
.word -15433,-17113,-8010,-11188,-11286,-3102,-2176
.word -3726,4075,8836,3665,10937,16347,11278
.word 13449,19214,13116,11330,16515,10916,4581
.word 7920,4852,-3773,-1259,-2437,-12459,-10499
.word -8657,-16091,-15654,-11133,-15864,-17015,-8342
.word -10862,-11228,-2376,-1394,-3423,4160,7802
.word 5087,10683,16178,11318,12040,18459,13601
.word 10019,16146,10320,4708,9071,3873,-4214
.word -704,-3586,-11606,-9998,-8837,-17008,-16095
.word -10402,-15357,-16675,-8536,-11140,-11943,-2908
.word -1887,-4719,5099,7887,5169,10683,16744
.word -10076,-8626,-17231,-15279,-10646,-16684,-17179
.word -7936,-10141,-11216,-2285,-903,-3720,5052
.word 7833,3880,10946,16387,10515,12519,18743
.word 12257,10662,16038,10388,3906,9196,4417
.word -4219,-912,-2419,-11865,-11209,-9233,-16353
.word -15469,-10824,-15744,-17280,-9320,-10469,-11427 .word -2313,-875,-4650,4739,8016,4821,9834
.word 15507,10613,12142,18944,12333,11383,15673
.word 10308,4892,8156,4732,-4849,-955,-2853
.word -11303,-11279,-9263,-16185,-15864,-9999,-16150 .word -16554,-8656,-10620,-12215,-2220,-836,-3474
.word 4939,9086,4804,10259,15884,10219,12041
.word 18582,13394,10321,15635,10087,4313,8034
.word 5145,-4469,-908,-2155,-12436,-11063,-8792
.word -16193,-16849,-10633,-15990,-16297,-8395,-10178 .word -11597,-2151,-600,-3487,3862,9267,5004
.word 9600,15632,10160,13017,18309,13654,9879
.word 15890,9795,4551,8900,4029,-4107,-1672
.word -3324,-11575,-9976,-8166,-17320,-15900,-10976 .word -15948,-15898,-8530,-10618,-11542,-2163,-1343 .word -4333,5094,8127,4794
.global referdata
Referdata
.word 10408,16451,10820,12227,18146,13106
.word 15737,9840,3644,4118,-4355,-624
.word -2443,-11575,-10290,-8288,-16156,-16663,-10543
.word -15433,-17113,-8010,-11188,-11286,-3102,-2176
.word -3726,4075,8836,3665,10937,16347,11278
.word 13449,19214,13116,11330,16515,10916,4581
.word 7920,4852,-3773,-1259,-2437,-12459,-10499
.word -8657,-16091,-15654,-11133,-15864,-17015,-8342
.word -10862,-11228,-2376,-1394,-3423,4160,7802
.word 5087,10683,16178,11318,12040,18459,13601
.word 10019,16146,10320,4708,9071,3873,-4214
.word -704,-3586,-11606,-9998,-8837,-17008,-16095
.word -10402,-15357,-16675,-8536,-11140,-11943,-2908 .word -1887,-4719,5099,7887,5169,10683,16744
.word 11122,12021,18500,12911,10354,16272,10118
.word 5139,8244,3601,-3640,-574,-3111,-12231
.word -10076,-8626,-17231,-15279,-10646,-16684,-17179 .word -7936,-10141,-11216,-2285,-903,-3720,5052
.word 78333,3880,10946,16387,10515,12519,18743
.word 12257,10662,16038,10388,3906,9196,4417
.word -4219,-912,-2419,-11865,-11209,-9233,-16353
.word -15469,-10824,-15744,-17280,-9320,-10469,-11427 .word -2313,-875,-4650,4739,8016,4821,9834
.word 15507,10613,12142,18944,123333,11383,15673
.word 10308,4892,8156,4732,-4849,-955,-2853
.word -11303,-11279,-9263,-16185,-15864,-9999,-16150 .word -16554,-8656,-10620,-12215,-2220,-836,-3474
.word 4939,9086,4804,10259,15884,10219,12041
.word 18582,13394,10321,15635,10087,4313,8034
.word 5145,-4469,-908,-2155,-12436,-11063,-8792
.word -16193,-16849,-10633,-15990,-16297,-8395,-10178 .word -11597,-2151,-600,-3487,3862,9267,5004
.word 9600,15632,10160,13017,18309,13654,9879
.word 15890,9795,4551,8900,4029,-4107,-1672
.word -3324,-11575,-9976,-8166,-17320,-15900,-10976 .word -15948,-15898,-8530,-10618,-11542,-2163,-1343 .word -4333,5094,8127,4794
.text
.asg AR2,INPUTDA TA
.asg AR3,FILTER
.asg AR4,OUTPUTDATA
.asg AR5,ERRORDA TA
.asg AR6,REFERDA TA
Start: SSBX FRCT
SSBX INTM
LD #DA TA_DP,DP
STM #80,AR3
RPT #10
MVPD inputdata,*AR3+
STM #STACK,SP
CALL lmsfilter_start
NOP
NOP
LOOP: B LOOP
.def delta
.def lmsfilter_start
Delta .set -08F5H
One .set 0001h
.text
Lmsfilter_start:
STM #inputdata,INPUTDATA
STM #filter,FILTTER
STM #outputdata+9,OUTPUTDATA
STM #errordata+9,ERRORDATA
STM #referdata+9,REFERDA TA
STM #filter+15,AR1
STM #DA TA_SIZE-10-1,BRC
RPTB lmsfilter_end
SUB B,B
RPT #9
LMS *INPUTDATA+,*FILTER+ STH B,*AR1
SUB B,B
LD *AR1,B
STL B,*OUTPUTDA TA+ SUB *BREFERDA TA+,B
STL B,*ERRORDATA
MPY *ERRORDA TA+,#delta,B STH B,*AR1
SUB B,B
LD *AR1,B
STL B,*AR1
MPY *AR1,#one,B
PSHM RSA
PSHM REA
PSHM BRC
LD *INPUTDATA-,A
LD *FILTER-,A
STM #9,BRC
RPTB circle_end
SUB A,A
LD B,A
MPY *INPUTDATA-,B STB B,*AR1
SUB B,B
LD *AR1,B
ADD *FILTER,B
STL B,*FILTER-
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
课程设计说明书课程设计名称：模拟电子技术课程设计课程设计题目：二阶低通滤波器的设计学院名称：信息工程学院 专业：电子信息工程班级： 学号：： 评分：教师： 20 12 年 3 月日
模拟电子技术 课程设计任务书 20 10 －20 11 学年 第 2 学期 第 1 周－ 3 周 注：1、此表一组一表二份，课程设计小组组长一份；任课教师授课时自带一份备查。 2、课程设计结束后与“课程设计小结”、“学生成绩单”一并交院教务存档。 题目 二阶低通滤波器的设计 容及要求 （1）分别用压控电压源和无限增益多路反馈两种方法设计电路 （2）截止频率kHz 2f p = (3) 增益2A v = 进度安排 第1周：周一至周三查资料，完成原理图设计及仿真； 第1周：周四至第2周周二，完成系统的制作、调试； 第2周：周三设计结果检查。 学生： 指导时间 指导地点： 楼 室 任务下达 20 年 月 日 任务完成 20 年 月 日 考核方式 1.评阅 □ 2.答辩 □ 3.实际操作□ 4.其它 □ 指导教师 系（部）主任
摘要 低通滤波器是一个通过低频信号而衰减或抑制高频信号的部件。理想滤波器电路的频响在通带具有一定幅值和线性相移，而在阻带幅值应为零。有源滤波器是指由放大电路及RC网络构成的滤波器电路，它实际上是一种具有特定频率相应的放大器。滤波器的阶数越高，幅频特性的速率越快，但RC网络节数越多，元件参数计算越繁琐，电路的调试越困难。根据指标，本次设计选用二阶有源低通滤波器。 该电路主要采用了uA741运放，并且在一阶的基础上增加一节RC网络，加大幅频特性衰减斜率，以达到在给定的频段，让信号无衰减的通过电路，而通带外的其他信号将受到很大的衰减，从而提高滤波效率。 关键词：低通滤波器集成运放uA741 RC网络
MATLAB课程设计报告 基于MATLAB GUI的“滤波器设计软件”设计
摘要 面对庞杂繁多的原始信号, 如何提取所需信号、抑制不需要的信号这就需要使用滤波器。滤波器的作用主要是选择所需频带的信号内容而抑制不需要的其他频带的信号内容。数字滤波器因其精度高、可靠性好、灵活性大等优点, 在语音信号处理、信号频谱估计、信号去噪、无线通信中的数字变频以及图像处理等工程实际应用中都很广泛。根据其冲击响应函数的时域特性可将数字滤波器分为IIR（有限长冲击响应）和FIR（无限长冲击响应）。作为强大的计算软件, MATLAB 提供了编写图形用户界面的功能。所谓图形用户界面, 简称为GUI, 是由各种图形对象, 如图形窗口菜单按钮、文本框等构建的用户界面。 MATALB 可以创建图形用户界面GUI ( GraphicalUser Interface) ,它是用户和计算机之间交流的工具。MATLAB 将所有GUl 支持的用户控件都集成在这个环境中并提供界面外观、属性和行为响应方式的设置方法,随着版本的提高,这种能力还会不断加强。而且具有强大的绘图功能,可以轻松的获得更高质量的曲线图。 关键词：MATLAB GUI IIR滤波器FIR滤波器
目录 1设计任务 (1) 2 MATLAB GUI的简介 (2) 3 滤波器设计原理 (3) 3.1滤波器概述 (3) 3.2 IIR数字滤波器 (4) 3.2.1 IIR数字滤波器设计原理 (4) 3.2.2 IIR滤波器设计思想 (5) 3.2.3 IIR滤波器设计编程实现 (6) 3.3 FIR数字滤波器 (8) 3.3.1 FIR数字滤波器设计原理 (8) 3.3.2 FIR滤波器设计思想 (9) 4 基于Matlab GUI的数字滤波器设计思路及实现 (12) 4. 1 GUI界面设计概述 (12) 4.2 “滤波器设计软件”设计所实现任务 (14) 4.3 基于Matlab GUI的数字滤波器设计实现 (16) 4.3.1 “滤波器设计软件”GUI界面设计 (16) 4.3.2 “滤波器设计软件”回调函数编写 (17) 4.3.3AutoChoose.m程序的编写 (22) 4.4 运行和结果显示 (28) 5 设计总结和心得 (33) 5.1 设计总结 (33) 5.2 设计心得 (34) Abstract (35) 参考文献 (36) 附录
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
二阶有源带阻滤波器 设计报告 目录 1、设计要求………………………..P1 2、设计作用及目的………………..P1 3、设计的具体实现 ⑴系统概述……………………...P1-P8 ⑵单元电路设计及仿真分析…...P9-P22 ⑶PCB版电路制作……………..P 4、心得体会及建议………………...P 5、附录……………………………...P 6、参考文献………………………...P
一、设计要求 ⑴、设计一个二阶有源带阻滤波器电路，要求中心频率0f=50Hz，Q=10； ⑵、设计时要综合考虑实用、经济并满足性能要求指标； ⑶、合理选用元器件。 二、设计的作用、目的 ⑴、掌握二阶有源带阻滤波器电路的设计方法 ⑵、了解二阶有源带阻滤波器的性能特点 ⑶、掌握二阶有源带阻滤波器的安装与调试方法 ⑷、掌握滤波器有关参数的测量、计算方法 ⑸、理论应用于实践，增强动手能力 三、设计的具体实现 1、系统概述 ⑴、相关知识了解 由有源器件（晶体管或集成运放）和电阻、电容构成的滤波器称为RC有源滤波器。滤波器分为一阶、二阶和高阶滤波器。阶数越高，其幅频特性越接近于理想特性，滤波器的性能就越好。滤波器的功能是让一定频率范围内的信号通过，抑制或急剧衰减此频率范围以外的信号。可用在信号处理、数据传输、抑制干扰等方面。这类滤波器主要优点是：小型，价廉；不需要阻抗匹配且可具有一定的增益；抗干扰能力强；截止频率低（可低至10-3Hz）。因受运算放大器的频带限制，主要用在超低频至几百千赫的频率范围。根据滤波器所能通过信号的频率范围或阻止信号频率范围的不同，滤波器可分为低通、高通、带通与带阻等四种滤波器。 这里专门对二阶有源带阻滤波器进行研究。常用的二阶有源带阻滤波器电路有两种形式，一种是无限增益多路负反馈（MFA）有源二阶带阻滤波器电路，另一种是电压控制电压源（VcVs）有源二阶带阻滤波器电路。 电压控制电压源电路，它的运放为同相输入，具有高输入阻抗、低输出阻抗
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
摘要 本篇论文叙述了数字滤波器的基本原理，IIR数字滤波器的设计方法喝IIR数字高通滤波器设计在MATLABE上的实现与IIR数字滤波器在世纪中应用。无限脉冲响应（IIR）数字滤波器是冲击函数包含无限个抽样值的滤波器，一般是按照预定的模拟滤波器的逼近函数来转换成相应的数字滤波器，现有的逼近函数如巴特沃斯，切比雪夫。其设计过程都是由模拟滤波器的系统函数去变换出相应的数字滤波器的系统函数。 关键字：数字滤波器，MATLAB，巴特沃斯，切比雪夫，双线性变换法
ABSTRACT The queue phenomenon in the telecom offices is a normal issue. To improve the customers’satisfaction and to support the company changing, we should solve this problem properly. The basic goal to resolve queue problem is the appropriate tradeoff between the customers’ w avy demand and the telecom office s’ limited service capability. This paper is based on the queuing theory and demand management theory. And based on the data collection and customer survey and interview, the author uses some statistical methods to reflect the actuality. Then the author finds the reason of queuing in telecom office from customers’view. Furthermore, the author analyses the real demand of the customers by sorting them into types of paying and time and price sensitivity.To follow up, three solutions had been brought forward: firstly, distributing the customers; secondly, stopping phone by different number; lastly, promoting the demand during the non-fastidious. Key Words: queuing theory, demand management, telecom offices
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
数字信号及MATLAB实现课程设计报告数字滤波器的设计 学院：电气学院 班级： 姓名： 学号： 指导老师： 2014年1月
《数字信号处理及MA TLAB实现》课程设计 目录 目录 (1) 第一章绪论 (2) 1.1.1 数字滤波器的优越性 (2) 1.1.2 数字滤波器的实现方法 (3) 1.1.3主要研究内容 (4) 第二章摘要 (5) 第三章报告正文 (6) 第一节 IIR滤波器的设计 (6) 3.1.1流程框图 (6) 3.1.2 设计步骤 (6) 3.1.3 IIR数字滤波器的设计方法 (7) 3.1.4 MATLAB程序 (9) 3.1.5 运行结果及分析： (10) 第二节 matlab FDATool界面数字滤波器设计 (11) 3.2.1 Faldstool (11) 3.2.2 用Fdatool进行带通滤波器设计 (13) 第三节系统对象滤波器设计 (15) 3.3.1设定系统的仿真对象 (15) 3.3.2系统对象滤波器设计方法 (15) 3.3.3 MATLAB程序仿真设计 (15) 第四章总结 (21) 参考文献 (22)
第一章绪论 1.1.1 数字滤波器的优越性 数字信号处理由于具有精度高、灵活性强等优点，已广泛应用于图像处理、数字通信、雷达等领域。数字滤波技术在数字信号处理中占有极其重要的地位，数字滤波器根据其单位脉冲响应可分为IIR（无限长冲激响应滤波器）和FIR（有限长冲激响应滤波器）两类。IIR滤波器可以用较少的阶数获得很高的选择特性，但在有限精度的运算中，可能出现不稳定现象，而且相位特性不好控制。数字滤波器本质上是一个完成特定运算的数字计算过程，也可以理解为是一台计算机。 数字滤波器又分为无限冲激响应滤波器(IIR)和有限冲激响应滤波器(FIR)。FIR滤波器具有不含反馈环路、结构简单以及可以实现的严格线性相位等优点，因而在对相位要求比较严格的条件下，采用FIR数字滤波器。同时，由于在许多场合下，需要对信号进行实时处理，因而对于单片机的性能要求也越来越高。由于DSP控制器具有许多独特的结构，例如采用多组总线结构实现并行处理，独立的累加器和乘法器以及丰富的寻址方式，采用DSP控制器就可以提高数字信号处理运算的能力，可以对数字信号做到实时处理。DSP（数字信号处理器）与一般的微处理器相比有很大的区别，它所特有的系统结构、指令集合、数据流程方式为解决复杂的数字信号处理问题提供了便利，本文选用TMS320C5509作为DSP处理芯片，通过对其编程来实现IIR滤波器。 对数字滤波器而言,从实现方法上，有FIR滤波器和无限冲激响应(IIR)滤波器之分。由于FIR滤波器只有零点，因此这一类系统不像IIR系统那样易取得比较好的通带与阻带衰减特性。但是IIR系统与传统的通过硬件电路实现的模拟滤波器相比有以下优点： 1、单位冲击响应有无限多项; 2、高效率（因为结构简单、系数小、乘法操作较少） 3、与模拟滤波器有对应关系 4、可以解析控制，强制系统在指定位置为零点 5、有极点，在设计时要考虑稳定性 6、具有反馈，可能产生噪声、误差累积
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
摘要 摘要 本篇论文叙述了数字滤波器的基本原理，IIR数字滤波器的设计方法喝IIR数字高通滤波器设计在MATLABE上的实现与IIR数字滤波器在世纪中应用。无限脉冲响应（IIR）数字滤波器是冲击函数包含无限个抽样值的滤波器，一般是按照预定的模拟滤波器的逼近函数来转换成相应的数字滤波器，现有的逼近函数如巴特沃斯，切比雪夫。其设计过程都是由模拟滤波器的系统函数去变换出相应的数字滤波器的系统函数。 关键字：数字滤波器，MATLAB，巴特沃斯，切比雪夫，双线性变换法
ABSTRACT ABSTRACT The queue phenomenon in the telecom offices is a normal issue. To improve the customers’satisfaction and to support the company changing, we should solve this problem properly. The basic goal to resolve queue problem is the appropriate tradeoff between the customers’ wavy demand and the telecom office s’limited service capability. This paper is based on the queuing theory and demand management theory. And based on the data collection and customer survey and interview, the author uses some statistical methods to reflect the actuality. Then the author finds the reason of queuing in telecom office from customers’ view. Furthermore, the author analyses the real demand of the customers by sorting them into types of paying and time and price sensitivity.To follow up, three solutions had been brought forward: firstly, distributing the customers; secondly, stopping phone by different number; lastly, promoting the demand during the non-fastidious. Key Words: queuing theory, demand management, telecom offices
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
1绪论 此部分就本次课程设计所用相关知识进行简要介绍。主要包括滤波器的相关知识及仿真软件MATLAB的相关知识。 1.1滤波器知识简介 （1）滤波器功能及分类 滤波器主要功能是对信号进行处理，保留信号中的有用成分，去除信号中的无用成分。其按处理的信号可分为数字滤波器（Digital Filter,DF）和模拟滤波器（AnalogFilter,AF），按频域特性分为低通、高通、带通、带阻滤波器，按时域特性可分为有限长冲激响应（FIR）滤波器和无限长冲激响应（IIR）滤波器。（2）模拟滤波器设计理论 模拟滤波器的理论和设计方法已发展得相当成熟，且有若干典型的模拟低通滤波器的设计原型可供选择，如巴特沃斯（Butterworth）滤波器、切比雪夫（Chebyshev）滤波器、椭圆（Ellips）滤波器、贝塞尔（Bessel）滤波器等。这些滤波器各有特点，巴特沃斯滤波器具有通带内最平坦且单调下降的幅频特性；切比雪夫滤波器的幅频特性在通带或阻带内有波动，可以提高选择性；贝塞尔滤波器通带内有较好的线性相位特性；而椭圆滤波器的选择性相对前三种是最好的。 模拟低通滤波器的设计是最基本的，而高通、带通、带阻滤波器则可利用频率转换的方法由低通滤波器映射而得到。模拟滤波器的设计是根据一组设计规范来设计模拟系统函数，使其逼近某个理想滤波器的特性。其中可以由幅度平方函数确定系统函数。
下面介绍两种常用的低通滤波器特性。一般以低通滤波器为基础来讨论逼近函数，而高通、带通、带阻滤波器则可用变换方法有低通滤波器映射而得到。一种是巴特沃斯低通逼近，另一种是切比雪夫低通逼近。本设计中选用第一种方法巴特沃斯低通逼近。 由模拟低通滤波器系统函数确定模拟高通滤波器系统函数的方法如下： ①确定低通系统函数，其参考角频率（一般为截止频率）由高通参考角频率（一般为截止频率）选定，一般都选=1的归一化原型低通滤波器； ②在所得到的中代入变换关系式（）中，得到高通系统函数 故模拟高通滤波器的实现可由模拟低通滤波器的归一化原型再经频率变换得到。 1.2仿真软件知识简介 1.2.1 MATLAB基础知识介绍 MATLAB是一种科学计算软件，主要适用于矩阵运算及控制和信息处理领域的分析设计。它使用方便，输入简捷，运算高效，内容丰富，并且很容易由用户自行扩展，因此，当前已成为美国和其他发达国家大学教学和科学研究中最常用而必不可少的工具。 MATLAB是“矩证实验室”（MATrix LABoratoy）的缩写，它是一种以钜阵运算为基础的交互式程序语言，专门针对科学﹑工程计算机绘图的需求。与其他计算机语言相比，其特点是简洁和智能化，适应科技专业人员的思维方式和书写习惯，使得编程和调试效率大大提高。它用解释方式工作，键入程序立即得出结果，人机交互性能好，深得科技人员喜爱。特别是数值计算用的
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
课 程 设 计 设计题目 学 号 专业班级 指导教师 学生姓名 张腾达 吴晔 陈丽娟 杨蕾 通信电子电路课程设计 ——数字滤波器的设计 张光旭 2012210183 光信息12-2班 实验组员 张光旭 吕博闻 2015年1月15日
设计题目通信电子电路课程设计 ——数字滤波器的设计 成绩 课程设计主要内容通信电子电路课程设计——数字滤波器的设计 某系统接收端接收到的信号为y=5sin(2π*36t)+2cos(2π *112t)+ sin(2π*228t) +4cos(2π*356t)发现此信号夹杂了一个正弦噪声noise= 5sin(2π*36t)，请设计一个高通滤波器将此噪声滤除，从而恢复原信号。 我做了切比雪夫、巴特沃斯、汉宁窗三种方法。
指 导 老 师 评 语 签名： 20 年月日
目录 1.设计要求---------------------------------------------------1 2.Matlab软件介绍---------------------------------------------1 3.切比雪夫Ⅰ型高通滤波器-------------------------------------2 3.1切比雪夫滤波器简介-------------------------------------2 3.2实验程序-----------------------------------------------2 3.3实验图形及分析-----------------------------------------3 4.巴特沃斯高通滤波器------------------------------------------5 4.1设计过程-----------------------------------------------5 4.2双线性变换法简介---------------------------------------5 4.3实验程序-----------------------------------------------6 4.4实验图形及分析-----------------------------------------7 4.5切比雪夫与巴特沃斯对比---------------------------------9 5.汉宁窗设计滤波器--------------------------------------------9 5.1参数计算-----------------------------------------------10 5.2实验程序-----------------------------------------------10 5.3实验图形及分析-----------------------------------------11 6.布莱克曼窗设计滤波器----------------------------------------13 6.1试验程序-----------------------------------------------13 6.2实验图形及分析-----------------------------------------14 6.3汉宁窗与布莱克曼窗的区别--------------------------------16 7.FIR与IIR对比-----------------------------------------------17 7.实验心得-----------------------------------------------------17 8.参考资料----------------------------------------------------18