久久国产成人av_抖音国产毛片_a片网站免费观看_A片无码播放手机在线观看,色五月在线观看,亚洲精品m在线观看,女人自慰的免费网址,悠悠在线观看精品视频,一级日本片免费的,亚洲精品久,国产精品成人久久久久久久

分享

通信信號(hào)自適應(yīng)濾波處理仿真研究(二)

 成長(zhǎng)中的紅杉樹(shù) 2010-05-10

                                 圖(2.1.5.4)( =0.001)

                                 圖(2.1.5.5)( =0.005)

  觀察兩個(gè)不同步長(zhǎng)情況下的誤差曲線(xiàn)不難看出,,步長(zhǎng)越小,誤差越小,,但收斂速度越慢,,為了好的精度,我們?cè)谶x擇時(shí)必然犧牲收斂速度,。

  以上就是圍繞對(duì)LMS算法的分析,,著重討論了算法的實(shí)現(xiàn)及算法中重要參數(shù) 的選擇問(wèn)題。在實(shí)際中,,噪聲功率大小的也會(huì)對(duì)系統(tǒng)的收斂程度產(chǎn)生影響,,噪聲功率越大,即信噪比SNR越小,,誤差曲線(xiàn)就會(huì)明顯增加,,這就是更大噪聲功率對(duì)算法中隨機(jī)梯度的影響,,可以通過(guò)下面兩個(gè)仿真圖看出,。分別取信噪比SNR=5和SNR=20。 =0.001

圖(2.1.5.6)(SNR=5)


圖(2.1.5.7)(SNR=20)

  2.2 遞推最小二乘(RLS)算法

  2.2.1 最小二乘法


設(shè)已知n個(gè)數(shù)據(jù) ,,…,,  ,…,,  ,,利用圖3.1所示的濾波器結(jié)構(gòu)來(lái)估計(jì)期望信號(hào) ,…,,  ,,…, ,。對(duì)的估計(jì)可表示成     式(2.2.1.1)

估計(jì)誤差 -    式(2.2.1.2)

根據(jù)最小二乘法,, (n)的最佳值應(yīng)該使下列累計(jì)平方誤差性能函數(shù)為最小                         式(2.2.1.3) , 其中0< <1,, 稱(chēng)為遺忘因子,。使用前加窗法,只用 的前 個(gè)誤差,,則       式(2.2.1.4)

前加窗法最小二乘性能函數(shù)為      式(2.2.1.5)

其中  ,。 引入m維矢量:   式(2.2.1.6),而 維矩陣:  式(2.2.1.7)

                      式(2.2.1.8)

 的最佳值滿(mǎn)足方程                                    式(2.2.1.9)

從而有                                      式(2.2.1.10)

最終得到最小二乘算法的最后方程                   式(2.2.1.11)

2.2.2 遞推最小二乘(RLS)算法

由于最小二乘法的運(yùn)算量較大,,一般不適合實(shí)時(shí)濾波,,采用遞推算法可以減少運(yùn)算量。

由式(2.2.1.11)有                          式(2.2.2.1)

根據(jù)式2.2.1.7得                        式(2.2.2.2)

對(duì)矩陣求逆得           式(2.2.2.3)

其中 為一純量,。    矩陣     式(2.2.2.4)

N維矢量          ,,  為增益系數(shù)                式(2.2.2.5)

由式2.2.2.4和式2.2.2.5逆推式2.2.2.3可得

                                 式(2.2.2.6)

利用式2.2.2.6,,就可以用遞推的方式求m m維矩陣  的逆,使運(yùn)算量降低,。

式2.2.2.6兩端乘以 ,,利用式2.2.2.5可得

                                       式(2.2.2.7)

另外,根據(jù)式2.2.1.6可得                    式(2.2.2.8)

將式2.2.2.4,,式2.2.2.6,式2.2.2.8代入式2.2.1.11就可以得到

  式(2.2.2.9)

利用式2.2.2.5和式2.2.2.9的最后兩項(xiàng)可簡(jiǎn)化為 ,,而式2.2.2.9的前兩項(xiàng)中的 即為 。所以由式2.2.2.9可得

                             式(2.2.2.10)

這即為遞推最小二乘(RLS)算法的遞推公式,。

下圖為RLS算法的流程圖:

2.2.3 RLS算法的參數(shù)分析

     RLS算法具體實(shí)現(xiàn)需要以下計(jì)算 ,;

,; = ,;         

 ;其中 個(gè)參數(shù)意義與LMS相同,,新增個(gè)參數(shù)意義為 :反相關(guān)矩陣,;  (n):增益向量;  :遺忘因子,。

在RLS算法中遺忘因子是一個(gè)接近1但是小于1的正數(shù),,一般來(lái)說(shuō)介于0.95到1之間。使用遺忘因子的目的在于把接近目前時(shí)間點(diǎn)的信息乘上越大的權(quán)值,,而離目前時(shí)間點(diǎn)越遠(yuǎn)的信息乘上越小的權(quán)值,,也就是說(shuō),我們重視較近時(shí)間點(diǎn)的信息甚與較遠(yuǎn)時(shí)間點(diǎn)的信息,。若等于1,,則表示對(duì)所有的信息都一樣,其權(quán)值都是相同的,。

2.2.4 RLS算法Matlab仿真分析

圖2.2.4.1

  上圖分別為輸入信號(hào),,輸出信號(hào)和誤差信號(hào)的曲線(xiàn),可以看出輸出信號(hào)在經(jīng)過(guò)一段時(shí)間的自適應(yīng)調(diào)整后,,便能基本達(dá)到跟蹤,,濾波的效果。從誤差信號(hào)曲線(xiàn)也可以看出這點(diǎn),,誤差輸出經(jīng)過(guò)一段時(shí)間就趨于穩(wěn)定,。

圖2.2.4.2

上圖為誤差平方的均值曲線(xiàn),大約在t=300時(shí),,誤差趨于收斂,,系統(tǒng)完成自適應(yīng)過(guò)程。

以上就是圍繞對(duì)RLS算法的分析,著重討論了RLS算法推導(dǎo),,具體實(shí)現(xiàn)的相關(guān)公式以及運(yùn)用matlab軟件對(duì)其進(jìn)行仿真,。

  2.2.5 RLS算法與LMS算法的比較分析

  RLS算法能夠在很短的時(shí)間內(nèi)就趨于收斂,而LMS算法則有一個(gè)比較長(zhǎng)的漸變過(guò)程,,所以RLS的跟蹤性能要優(yōu)于LMS,,這可以從圖2.1.5.1和圖2.2.4.1看出。換句話(huà)說(shuō),,RLS比LMS的收斂速度要快,。可以通過(guò)下圖看出:

上圖藍(lán)色是LMS收斂曲線(xiàn),,紅色為RLS收斂曲線(xiàn),。可以看出明顯RLS收斂性要優(yōu)于LMS算法,。

  而且LMS在收斂后波形還有較大波動(dòng),,而RLS就要小的多,基本沒(méi)有波動(dòng),,這說(shuō)明RLS的穩(wěn)態(tài)誤差也是小于LMS的,,從圖2.1.5.3和圖2.2.4.2可以看出。但是由于LMS計(jì)算量簡(jiǎn)單,,適合于硬件實(shí)現(xiàn),,這是RLS無(wú)法相比的。所以二者各有優(yōu)劣,。(以上LMS和RLS算法仿真均采用相同的外界信號(hào)及采樣時(shí)間點(diǎn))

  2.3 歸一化LMS算法(NLMS)

  2.3.1 NLMS算法實(shí)現(xiàn)

  NLMS算法是將LMS算法中的 值重新定義,讓 值會(huì)隨輸入信號(hào)之正規(guī)化作改變,,能提升收斂的穩(wěn)定性,。下面為NLMS算法實(shí)現(xiàn)所需的計(jì)算式:

;  ,; ,; ; 

  各參數(shù)的定義和LMS算法定義相同,,新增參數(shù)的定義為 :很小的正常數(shù),,一般取 =1e-10。

  LMS算法的穩(wěn)定度和收斂速率受到 值和參考信號(hào)的影響,,由于 值為一固定值,,因此LMS的整體收斂速率就受它的影響,收斂速率對(duì)變化較快的信號(hào)反應(yīng)并不理想,。而NLMS算法能改善輸入信號(hào)對(duì)收斂因子的影響,, 值隨著時(shí)間n變化成為 (n),使之隨時(shí)變化,從而調(diào)節(jié)至最佳值,。另外為了避免當(dāng)輸入信號(hào)過(guò)小時(shí)造成收斂因子的發(fā)散,,還加入  值。

下圖為NLMS算法的流程圖:
 SHAPE \* MERGEFORMAT 


2.3.2 NLMS算法的Matlab仿真分析

圖(2.3.2.1)

圖(2.3.2.2)

  由圖2.3.2.1和圖2.3.2.2可以看出NLMS算法的自適應(yīng)濾波過(guò)程及誤差收斂情況,,而且相比LMS算法在相同條件下,,NLMS算法要比LMS算法收斂更快一些。這是因?yàn)镹LMS算法的計(jì)算量與LMS相當(dāng),,但是由于NLMS算法的收斂條件與輸入信號(hào)的特征值無(wú)關(guān),,故NLMS算法比LMS算法的收斂速率快。

下圖可以看出二者收斂的差別:

                       圖4.2.3  LMS的誤差收斂

                            圖4.2.4 NLMS的誤差收斂

LMS算法中大約在t=600時(shí)開(kāi)始收斂,,而NLMS則是在大約t=400時(shí)開(kāi)始收斂,。明顯NLMS的收斂速度要快與LMS。

  3自適應(yīng)信號(hào)處理的應(yīng)用及Matlab仿真

  3.1 通信中的自適應(yīng)噪聲抵消

  在通信和其他許多信號(hào)處理應(yīng)用問(wèn)題中,,接受信號(hào)中往往伴隨著干擾和噪聲,,從而顯著影響接受信號(hào)的可靠性,或者導(dǎo)致誤碼率上升,。一般來(lái)說(shuō),,干擾和噪聲的存在總是難免的。信號(hào)處理技術(shù)的核心問(wèn)題之一就是從受到干擾污染的信號(hào)中估計(jì),,檢測(cè)或者恢復(fù)出原始信號(hào),。而自適應(yīng)噪聲抵消的基本原理就是將被噪聲污染的信號(hào)與參考信號(hào)進(jìn)行抵消運(yùn)算,從而消除帶噪信號(hào)中的噪聲,。其關(guān)鍵問(wèn)題是自適應(yīng)噪聲抵消系統(tǒng)的參考信號(hào)一定要與待消除的噪聲具有一定的相關(guān)性,,而與要檢測(cè)或者提取的信號(hào)不相關(guān)。自適應(yīng)噪聲抵消系統(tǒng)經(jīng)過(guò)自適應(yīng)系統(tǒng)的控制和調(diào)整,,系統(tǒng)能夠有效地從噪聲中恢復(fù)出原始信號(hào),。

  作為自適應(yīng)信號(hào)處理領(lǐng)域的重要分支之一,它已經(jīng)受到了人們的普遍關(guān)注并得到了廣泛的應(yīng)用,。
 
3.1.1 自適應(yīng)噪聲抵消系統(tǒng)的基本原理

  下圖為典型自適應(yīng)噪聲抵消系統(tǒng)的原理框圖:

圖3.1.1 自適應(yīng)噪聲抵消系統(tǒng)

  在圖3.1.1中,,原始輸入信號(hào)d(n)為有用信號(hào)s(n)與噪聲v(n)之和,參考輸入信號(hào)x(n)是與v(n)相關(guān)的噪聲u(n)。假定s(n),,v(n),,u(n)均為零均值平穩(wěn)隨機(jī)過(guò)程,且滿(mǎn)足s(n)與v(n)及u(n)互不相關(guān),。由圖3.1.1可見(jiàn),,自適應(yīng)濾波器的輸出  為噪聲u(n)的濾波信號(hào)。則整個(gè)自適應(yīng)噪聲抵消系統(tǒng)的輸出y(n)為                

                                                                    式(3.1.1.1)

而                        式(3.1.1.2)

對(duì)式(3.1.1.2)兩邊取期望,,由于s(n)與v(n)及u(n)互不相關(guān),,且s(n)與 也不相關(guān),,故有 

                                  式(3.1.1.3)

信號(hào)功率  與自適應(yīng)濾波器的調(diào)節(jié)無(wú)關(guān),因此,,調(diào)節(jié)自適應(yīng)濾波器使 最小,,等價(jià)于使  最小。這樣由式(3.1.1.1),,有    式(3.1.1.4)

  由此可見(jiàn),,當(dāng) 最小時(shí), 也達(dá)到最小,,即自適應(yīng)噪聲抵消系統(tǒng)的輸出信號(hào)y(n)與有用信號(hào)s(n)的均方誤差最小,。

  在理想情況下,當(dāng)  時(shí),,有 ,。這時(shí),自適應(yīng)濾波器自動(dòng)地調(diào)節(jié)其權(quán)值,,將u(n)加工成v(n),,與原始輸入信號(hào)d(n)中的v(n)相減,使輸出信號(hào)y(n)的噪聲完全被抵消,,而只保留有用信號(hào)s(n),。但是自適應(yīng)濾波器能夠完成上述任務(wù)的必要條件為:參考輸入信號(hào)  必須與被抵消的噪聲v(n)相關(guān)。

  3.1.2 自適應(yīng)噪聲抵消系統(tǒng)Matlab仿真

            以下仿真采用圖3.1.1的結(jié)構(gòu),,分別運(yùn)用LMS,,NLMS和RLS循環(huán)算法進(jìn)行噪聲消除。

圖3.1.2

  仿真得出三種自適應(yīng)濾波算法提取正弦信號(hào)的曲線(xiàn)圖,??梢钥闯鱿到y(tǒng)能基本還原出原始信號(hào),達(dá)到噪聲抵消的效果,。但是用RLS算法提取的正弦信號(hào)質(zhì)量要好,,其中LMS算法提取的信號(hào)效果最差,存在沒(méi)有濾除的隨機(jī)噪聲部分較多,,而NLMS算法要比LMS的效果要好,但比起RLS算法在估計(jì)精度上有些波動(dòng),,存在一定的殘余誤差,,即有一定失調(diào)。

  3.2 自適應(yīng)陷波濾波器

  在通信系統(tǒng)和其他電子系統(tǒng)中,,經(jīng)常會(huì)受到諸如50Hz工作頻率等單頻干擾或者窄帶干擾的影響,。這種干擾的存在,嚴(yán)重影響了信號(hào)的接收或者檢測(cè)的可靠性和正確性,,因此必須加以消除,。陷波濾波器是消除這種干擾的有力工具,當(dāng)自適應(yīng)噪聲抵消系統(tǒng)的參考輸入為單一頻率正弦信號(hào)時(shí),則系統(tǒng)可以構(gòu)成自適應(yīng)陷波濾波器,。

  3.2.1 自適應(yīng)陷波濾波器的原理

  自適應(yīng)陷波濾波器具有陷波中心頻率,,且該頻率與其參考輸入的正弦信號(hào)的頻率相同,。另一方面,,自適應(yīng)陷波濾波器還能夠隨著干擾頻率的變化,自動(dòng)地修正系統(tǒng)自身參數(shù)來(lái)跟蹤這種變化,。典型的單一頻率自適應(yīng)陷波濾波器的原理圖如圖(3.2.1)所示,,圖(3.2.1)表示一個(gè)具有兩個(gè)自適應(yīng)實(shí)權(quán)的自適應(yīng)噪聲對(duì)消器。它等效于有一個(gè)復(fù)權(quán)的噪聲對(duì)消系統(tǒng),,即用兩個(gè)實(shí)權(quán)達(dá)到同時(shí)調(diào)整單一頻率正弦波的幅度和相位,,以消除干擾的目的。假定原始輸入信號(hào)的類(lèi)型是任意的,,而參考輸入是頻率為f的純正弦波,,即

                                               式(3.2.1.1)

圖中第一個(gè)權(quán)的輸入直接由參考輸入采樣得到,而第二權(quán)的輸入是將第一個(gè)權(quán)輸入移相 產(chǎn)生,。即它們可分別表示為

                                                             式(3.2.1.2)

 SHAPE \* MERGEFORMAT

圖(3.2.1)

其中  ,,權(quán)的迭代用LMS算法,如下式所示,,權(quán)的修正過(guò)程如下: 

                                                          式(3.2.1.3)  

3.2.2 自適應(yīng)陷波濾波器Matlab仿真分析

圖6.3.2

  上圖可以看出經(jīng)過(guò)正弦信號(hào)干擾的原始信號(hào),,在通過(guò)自適應(yīng)陷波濾波器后,基本達(dá)到噪聲消除的效果,。上圖中第一個(gè)圖為原始信號(hào),,第二個(gè)為經(jīng)過(guò)正弦信號(hào)干擾后的信號(hào),第三個(gè)為消噪后的信號(hào),,第四個(gè)為誤差信號(hào)曲線(xiàn),。

  3.3 自適應(yīng)預(yù)測(cè)

  3.3.1 自適應(yīng)預(yù)測(cè)的基本思想

  要得到預(yù)測(cè)系數(shù),必須獲得輸入信號(hào)采樣值的相關(guān)函數(shù)矩陣,,而實(shí)際上它不是一個(gè)定值,,是時(shí)變的,所以就要求必須自適應(yīng)調(diào)整預(yù)測(cè)系數(shù),,以保持最佳的預(yù)測(cè)增益,。求相關(guān)函數(shù)的簡(jiǎn)單方法是,先采樣并存儲(chǔ)一個(gè)定長(zhǎng)時(shí)間間隔的信號(hào)值,,計(jì)算這些采樣值的自相關(guān)函數(shù),,然后確定最佳的預(yù)測(cè)系數(shù)。預(yù)測(cè)器每隔規(guī)定的時(shí)間間隔更新依次存儲(chǔ)的采樣數(shù)據(jù),,并且每次將計(jì)算的預(yù)測(cè)參數(shù)發(fā)送到接收端,。通過(guò)上述方法動(dòng)態(tài)調(diào)整預(yù)測(cè)參數(shù),,在存儲(chǔ)采樣值時(shí)間間隔較長(zhǎng)或每次存貯采樣值個(gè)數(shù)較大的情況下,可以獲得很大的預(yù)測(cè)增益,。這就是自適應(yīng)預(yù)測(cè)器的基本思想,。
忽略量化噪聲的影響,預(yù)測(cè)誤差函數(shù)

                                 式(3.3.1.1)

  需要說(shuō)明,,考慮到實(shí)際系統(tǒng)的可實(shí)現(xiàn)性,,可以用誤差函數(shù)的量化值 。調(diào)整預(yù)測(cè)系數(shù)使誤差函數(shù)向負(fù)梯度的方向變化,,即

                    式(3.3.1.2)

式中,,sgn[]是符號(hào)函數(shù), 是預(yù)測(cè)系數(shù)自適應(yīng)速率,,需要根據(jù)實(shí)驗(yàn)確定其最佳值,。也可以考慮用平方差值函數(shù)確定預(yù)測(cè)系數(shù),即

                                                      式(3.3.1.3)

  自適應(yīng)預(yù)測(cè)器的實(shí)現(xiàn)比較復(fù)雜,,但是,,當(dāng)信號(hào)采樣值相關(guān)距離大或信號(hào)統(tǒng)計(jì)特性的平穩(wěn)性不佳,無(wú)法獲得確切和恒定的相關(guān)系數(shù)的情況下,,自適應(yīng)預(yù)測(cè)是較理想的預(yù)測(cè)方法,。

  在許多情況下,一個(gè)寬帶信號(hào)既受到周期性干擾的污染,,又沒(méi)有無(wú)信號(hào)的外部參考輸入可以利用,。此時(shí),可以直接從原始輸入引出,,接入一具有固定延遲的延遲線(xiàn),,則可得到類(lèi)似的參考輸入支路。這種結(jié)構(gòu)實(shí)際上是一個(gè)自適應(yīng)預(yù)測(cè)器,。

   下圖仿真采用的是線(xiàn)性預(yù)測(cè)濾波方法抑制窄帶干擾的算法,。

3.3.2 自適應(yīng)預(yù)測(cè)的Matlab仿真

圖3.3.2

  由上圖可以看出預(yù)測(cè)信號(hào)在經(jīng)過(guò)一段自適應(yīng)過(guò)程后能夠很好的跟蹤接收信號(hào),達(dá)到預(yù)測(cè)效果,。

  3.4 自適應(yīng)均衡

  3.4.1 自適應(yīng)均衡的基本原理

  自適應(yīng)均衡器的工作過(guò)程包含兩個(gè)階段,,一是訓(xùn)練過(guò)程,二是跟蹤過(guò)程,。在訓(xùn)練過(guò)程中,,發(fā)送端向接收機(jī)發(fā)射一組已知的固定長(zhǎng)度訓(xùn)練序列,接收機(jī)根據(jù)訓(xùn)練序列設(shè)定濾波器參數(shù),,使檢測(cè)誤碼率最小。典型的訓(xùn)練序列是偽隨機(jī)二進(jìn)制信號(hào)或一個(gè)固定的波形信號(hào)序列,,緊跟在訓(xùn)練序列后面的是用戶(hù)消息碼元序列,。接收機(jī)的自適應(yīng)均衡器采用遞歸算法估計(jì)信道特性,,調(diào)整濾波器參數(shù),補(bǔ)償信道特性失真,,訓(xùn)練序列的選擇應(yīng)滿(mǎn)足接收機(jī)均衡器在最?lèi)毫拥男诺罈l件下也能實(shí)現(xiàn)濾波器參數(shù)調(diào)整,,所以,訓(xùn)練序列結(jié)束后,,均衡器參數(shù)基本接近最佳值,,以保證用戶(hù)數(shù)據(jù)的接收,均衡器的訓(xùn)練過(guò)程成功了,,稱(chēng)為均衡器的收斂,。在接收用戶(hù)消息數(shù)據(jù)時(shí),均衡器還需要不斷跟蹤信道特性的變化并隨信道特性的變化連續(xù)地改變均衡器參數(shù),。

  3.4.2 自適應(yīng)均衡器的實(shí)現(xiàn)

  下面討論自適應(yīng)均衡器的具體實(shí)現(xiàn),。我們知道信道均衡器均衡器的作用是在信道通帶內(nèi)形成一個(gè)信道傳輸函數(shù)的逆,而在通帶之外它的增益則很小或者為零,。因而,,由信道和均衡器級(jí)聯(lián)組成的系統(tǒng)在通帶內(nèi)有基本均勻的振幅特性,而帶外基本為零,,相位響應(yīng)在帶內(nèi)是頻率的線(xiàn)性函數(shù),。如果條件滿(mǎn)足,聯(lián)合沖激響應(yīng)就是辛格函數(shù),,符號(hào)間干擾可以消除,。自適應(yīng)調(diào)整也解決了信道本身未知,時(shí)變的特性所帶來(lái)的困難,。下圖3.4.2為自適應(yīng)均衡器的基本結(jié)構(gòu),。

 SHAPE \* MERGEFORMAT

 

圖3.4.2

  逆模擬用一個(gè)自適應(yīng)橫向?yàn)V波器(LMS濾波器),由于輸入x(k)的信號(hào)帶寬受信道帶寬的限制,,因而,,自適應(yīng)濾波器僅需在信道的通帶內(nèi)去均衡信道的振幅和相位特性。如果能知道信道的輸入,,并考慮到整個(gè)系統(tǒng)的延遲,,就可得到期望響應(yīng)d(k),但是一般是難于獲得的,。周期性地中斷信息傳輸,,發(fā)射一些已知的碼序列,便可以進(jìn)行自適應(yīng)調(diào)整,。

  貝爾電話(huà)實(shí)驗(yàn)室的拉克提供了一種得到期望響應(yīng)d(k)的方法,,這種方法用自適應(yīng)濾波器自身輸出提供d(k),因此避免了對(duì)發(fā)射信號(hào)任何先驗(yàn)信息的依賴(lài),,拉克稱(chēng)該方法為“判決指向?qū)W習(xí)”,。更確切地說(shuō),,期望信號(hào)d(k)=sgn y(k),如圖3.4.2所示,,它是由一個(gè)量化濾波器產(chǎn)生的,。由于數(shù)據(jù)是二進(jìn)制的,若不考慮噪聲影響,,則經(jīng)適當(dāng)均衡了的信道在選通時(shí)間內(nèi)的取樣輸出為+1或-1,,然后將濾波器輸出和經(jīng)量化后的輸出比較,產(chǎn)生誤差信號(hào)e(k),。由于均衡器輸出應(yīng)該在適當(dāng)?shù)倪x通時(shí)間內(nèi)唯一地表示各自的辛格脈沖,,因而自適應(yīng)只許在選通時(shí)間內(nèi)進(jìn)行,這可用與發(fā)射信號(hào)同步的閘門(mén)脈沖對(duì)誤差信號(hào)e(k)選通來(lái)實(shí)現(xiàn),。從平均意義上來(lái)說(shuō),,如果量化后的期望響應(yīng)是正確的,則自適應(yīng)將沿著正確的方向進(jìn)行,。

  3.4.3 自適應(yīng)均衡器的Matlab仿真

    下面將采用上述的實(shí)現(xiàn)方法進(jìn)行matlab仿真,,可以看出自適應(yīng)均衡器對(duì)消除信道的干擾的作用。

圖3.4.3.1

下圖是對(duì)自適應(yīng)均衡器在不同信噪比下誤碼率的仿真,,能進(jìn)一步說(shuō)明自適應(yīng)均衡器的作用,。采用50萬(wàn)點(diǎn)仿真誤碼率:

圖3.4.3.2

  上圖中虛線(xiàn)部分是沒(méi)有經(jīng)過(guò)均衡器的誤碼率曲線(xiàn),實(shí)線(xiàn)部分是經(jīng)過(guò)自適應(yīng)均衡后誤碼率曲線(xiàn),,可以看出信號(hào)在經(jīng)過(guò)自適應(yīng)均衡后,,誤碼率在逐漸下降,減少了接收信號(hào)的誤碼數(shù),,說(shuō)明自適應(yīng)均衡器能補(bǔ)償信道特性的損失,,從而提高了信道的穩(wěn)定性。仿真也有不足之處,,即曲線(xiàn)不夠平滑,。主要是由于仿真采用的是蒙特卡洛仿真,一般要求仿真點(diǎn)數(shù)達(dá)到幾百萬(wàn)點(diǎn),。這里由于計(jì)算機(jī)運(yùn)行速度慢,,只采用了50萬(wàn)點(diǎn)。

  本章介紹了自適應(yīng)信號(hào)處理的相關(guān)應(yīng)用,,隨著信號(hào)處理學(xué)科領(lǐng)域理論與技術(shù)的不斷進(jìn)步,,自適應(yīng)信號(hào)處理已成為信號(hào)與信息處理學(xué)科一個(gè)新的重要學(xué)科分支,相信它在諸如通信,、雷達(dá),、聲納、工業(yè)控制、地震勘探及生物醫(yī)學(xué)工程等領(lǐng)域會(huì)獲得越來(lái)越廣泛的應(yīng)用,。

  結(jié)束語(yǔ)

  根據(jù)自適應(yīng)處理系統(tǒng)的濾波器部分和調(diào)整濾波器系統(tǒng)的自適應(yīng)算法部分,,本文分別對(duì)其進(jìn)行了闡述,并舉例說(shuō)明了自適應(yīng)處理系統(tǒng)的一些應(yīng)用,。

本文完成的工作主要分為:

  (1)在學(xué)習(xí)和總結(jié)前人工作的基礎(chǔ)上,對(duì)LMS,,RLS,,NLMS,以及格型算法進(jìn)行了詳細(xì)的說(shuō)明和推導(dǎo),分析了LMS與RLS算法,,LMS與NLMS算法在各自特點(diǎn)和性能上的差異,。提出了自適應(yīng)LMS算法在噪聲抵消,自適應(yīng)預(yù)測(cè)和自適應(yīng)均衡上應(yīng)用,,分析了這些應(yīng)用的具體實(shí)現(xiàn)及相關(guān)收斂,,穩(wěn)態(tài)特性和參數(shù)說(shuō)明。

  (2)通過(guò)對(duì)各種自適應(yīng)算法進(jìn)行總結(jié),,對(duì)比和驗(yàn)證,,利用matlab語(yǔ)言對(duì)算法進(jìn)行仿真,比較相關(guān)收斂特性,,穩(wěn)態(tài)特性和相關(guān)參數(shù)取值,,得出各自算法的優(yōu)劣性。

  (3)利用matlab對(duì)LMS算法在自適應(yīng)處理系統(tǒng)上的應(yīng)用分別作了仿真,,驗(yàn)證系統(tǒng)的可行性,。

參考文獻(xiàn)

[1]沈福民.自適應(yīng)信號(hào)處理.西安:西安電子科技大學(xué)出版社,2001.3,。

[2]邱天爽,,魏東興,唐洪,,張安清.通信中的自適應(yīng)信號(hào)處理.電子工業(yè)出版社,,2005.12。

[3]樊昌信.通信原理M.北京:國(guó)防工業(yè)出版社,,1995,。

[4]Gary A H,et al.Digital lattice and ladder filter synthesis.IEEE Trans.Audio Electron acoust.,Dec.1973,vol.AU-21:491,。

[5]Itakura F,Saito S.Digital filtering techniques for speech analysis and synthesis.Proc.7 Int.Conf.Acoust.,,1971,vol.3,Paper 25C-1:261

    本站是提供個(gè)人知識(shí)管理的網(wǎng)絡(luò)存儲(chǔ)空間,,所有內(nèi)容均由用戶(hù)發(fā)布,,不代表本站觀點(diǎn)。請(qǐng)注意甄別內(nèi)容中的聯(lián)系方式、誘導(dǎo)購(gòu)買(mǎi)等信息,,謹(jǐn)防詐騙,。如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容,請(qǐng)點(diǎn)擊一鍵舉報(bào),。
    轉(zhuǎn)藏 分享 獻(xiàn)花(0

    0條評(píng)論

    發(fā)表

    請(qǐng)遵守用戶(hù) 評(píng)論公約

    類(lèi)似文章 更多