当前位置：文档之家 › 自适应滤波器介绍及原理

自适应滤波器介绍及原理

  • 格式：doc
  • 大小：239.50 KB
  • 文档页数：2

关于滤波的问题

2022-4-27

1/2 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()xn可分解为确定性信号分量()Dxn和随机信号分量()Rxn，即：

()()()DRxnxnxn (1.1)

对于旋转机械而言，确定性信号分量()Dxn通常可表示为周期或准周期信号分量()Pxn，即：

()()()PRxnxnxn 1.2

对信号()xn两个分量()Pxn和()Rxn，有两个基本假设：

(1) ()Pxn和()Rxn互不相关；

(2) ()Pxn和()Rxn的自相关函数具有下述特性：()0PPxxRm，NmM；()0RRxxRm，BmM；NBMM。该特性表示()Pxn的自身相关性比()Rxn的自身相关性强。

首先考虑如下维纳滤波问题以实现信号分量()Pxn和()Rxn的自适应分离：

ˆ()Pynxnhn()()PRxnxnxn

图2.1 有参考信号情况的维纳滤波问题

如上图所示，信号()xn经滤波器()hn得到()yn，其中()yn是对周期或准周期信号分量()Pxn的估计。定义估计误差ˆ()()()PPenxnxn，则满足2()minEen，即满足最小均方误差估计(MMSE:

minimum mean-square error)的最优滤波器系数可由维纳-霍夫方程求得： 关于滤波的问题

2022-4-27

2/2 10()()()PNxxoptxxiRmhiRmi 1.3

其中()PxxRm表示输入信号()xn和参考信号()Pxn的互相关函数，()xxRm表示输入信号()xn的自相关函数。

参考信号对于上述自适应滤波器是不可缺少的。机械振动较为复杂，利用理论建模无法提供可靠的参考信号，通过实际测量得到参考信号也不现实。在机械状态监测和故障诊断领域，传感器的安装位置对信号特征具有很大影响。实际中很难选择合理的传感器位置，使得采集的参考信号中仅包含所需要的信号特征。在实际数据采集过程中，为了得到某一部件的振动信息，都是尽量把传感器布置在靠近该部件的位置上，而这样也难免受到噪声和其他部件振动情况的干扰。因此，依靠参考信号的获取实现机械振动信号的自适应滤波是不现实的，面临的实际问题是如何利用单通道采样信号实现信号本身的噪声滤出。

在参考信号未知的情况下，通常选取测量信号的延时信号作为参考信号。选取信号()(),1,2,..,xnxiiL作为输入信号，选取时延信号()(),1,2,..,xnxiiL作为参考信号，维纳滤波问题如下图所示：

hnˆˆˆ()()PRxnxnxn()()PRxnxnxn

图19 时延信号作为参考信号的维纳滤波问题

选取时延长度，使得NBMM，即()Rxn的自相关函数()0RRxxRm，对所有m，而()Pxn的自相关函数()PPxxRm在m时仍有非零项存在。此时，参考信号()xn和输入信号()xn的互相关函数可写为：

()()(()())(()())()()()()()()()()xnxnRPRPRRRPPRPPRExnxnxnxnExnxnExnxnExnxnExnxn 1.4

根据前面叙述，由于()()RRExnxn和()()RPExnxn均为零，则有下式成立：

()()()()()(()())PxnxnxnxnPRPRRExnxnxn 1.5

由上式可知，输入信号与其时延信号的互相关函数可表示为输入信号与其确定性分量的互相关，其实现意义上可认为当以时延信号作为参考信号时，可相当于以其确定性分量为参考信号，这样，通过自适应滤波就可把随即噪声量消除。当以时延信号()xn作为参考信号时，满足最小均方误差估计的最优滤波器系数可由如下维纳-霍夫方程求得：

1()()()()0()()()NxnxnoptxnxniRmhiRmi 1.6

可知2.31()()()()0()()()NxnxnoptxnxniRmhiRmi 1.6和2.6一致，此时输出信号ˆˆ()()Pxnxn。这说明选取时延信号作为参考信号可有效实现周期或准周期信号分量()Pxn自适应分离，进而实现自适应离散谱线消除。

合集下载

自适应滤波器原理及教程

自适应滤波器原理及教程

自适应滤波器及经典教材下载地址

Pdg格式教材（Adaptive Filter Theory）的下载地址在最后，安装绿色板BooX Viewer 1.0 [ PDG阅读器]即可阅读，该阅读器很小，无需安装。也可用超星。

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。

对于一些应用来说，由于事先并不知道所需要进行操作的参数，例如一些噪声信号的特性，所以要求使用自适应的系数进行处理。在这种情况下，通常使用自适应滤波器，自适应滤波器使用反馈来调整滤波器系数以及频率响应。

总的来说，自适应的过程涉及到将价值函数用于确定如何更改滤波器系数从而减小下一次迭代过程成本的算法。价值函数是滤波器最佳性能的判断准则，比如减小输入信号中的噪声成分的能力。

随着数字信号处理器性能的增强，自适应滤波器的应用越来越常见，时至今日它们已经广泛地用于手机以及其它通信设备、数码录像机和数码照相机以及医疗监测设备中。

概述

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。

一般情况下，不改变自适应滤波器的结构。而自适应滤波器的系数是由自适应算法更新的时变系数。即其系数自动连续地适应于给定信号，以获得期望响应。自适应滤波器的最重要的特征就在于它能够在未知环境中有效工作，并能够跟踪输入信号的时变特征。

数学原理 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

自适应滤波器

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机构组成。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)。

自适应滤波器的原理与设计

自适应滤波器的原理与设计

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。 )(ny

下面是自适应FIR维纳滤波器的LMS算法公式：

（2-1） )()()(0^^mnynhnxM

mm

（2-2） ^)()()(nxnxne

Mmmnynenhnhmm,1)()(2)()1(^^ （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)((^Mmnhm

因此，给定初始值)M,0(),0(mhm，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)(ny

满足

max10 （2-4）

其中max为矩阵R的最大特征值，当n时，)M,0(),0(mhm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： )(ny

)()()(ynwnsn （2-5）

)()(nhxns （2-6）

其中h为标量常数，与互不相关，我们希望利用和得到的估计。 )(nx)(nw)(ny)(nx

)(ns

)(ns)(nx )(ny

)(nwh

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） )()()(^^nxnhns

（2-8） )())()()((2)()1(^^^nxnxnhnynhnh

自适应滤波器介绍及原理

自适应滤波器介绍及原理

关于滤波的问题

2022-4-27

1/2 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()xn可分解为确定性信号分量()Dxn和随机信号分量()Rxn，即：

()()()DRxnxnxn (1.1)

有源电力滤波器的原理介绍及应用

有源电力滤波器的原理介绍及应用

有源电力滤波器的原理介绍及应用

彭海燕1,2,王󰀁宏2

(1󰀁华北电力大学,北京102206;2󰀁廊坊供电公司,河北廊坊065000)

摘󰀁要:谐波和无功是电力用户关注的热点问题,无源滤波器是电力系统技术成熟且广泛应用的抑制谐波和补偿无功的设备。文章在此基础上提出了有源电力滤波器的原理,介绍了其发展和应用,指出了该技术实用化成果。在原理介绍的基础上,对应用实例进行了分析,证明了实用化技术的成功。

关键词:有源电力滤波器;谐波;无功中图分类号:TM5󰀁󰀁文献标识码:B󰀁󰀁文章编号:1003󰀂9171(2010)01󰀂0035󰀂03

WorkingPrincipleofActivePowerFilteranditsApplication

PengHai󰀂yan1,2,WangHong2

(1.NorthChinaElectricPowerUniversity,Beijing102206,China;

ngfangPowerSupplyCompany,Langfang065000,China)

Abstract:Asharmonicsandreactivepowerarehottopicsforpowerusersandreactivepowerfilterisamaturetech󰀂

nologywidelyusedinharmonicssuppressionandreactivecompensation,thisarticleintroducedtheworkingprinciple

ofactivepowerfilter,itsapplication,developmentandapplicationresult.Besides,italsoanalyzedtheuseexamples

anditprovestobesuccessfulinmiplementationofthetechnology.