一种基于nlms算法的自适应滤波器的构建方法
【专利摘要】一种基于NLMS算法的自适应滤波器的构建方法，该方法具体步骤如下：步骤一：确定参数；步骤二：初始化；步骤三：确定数据。本发明利用自适应滤波器中步长的变化，增强其滤波性能，尤其在低信噪比环境下，提高了滤波系统的抗噪能力。它在自适应滤波【技术领域】里具有较好的实用价值及广阔地应用前景。
【专利说明】 一种基于NLMS算法的自适应滤波器的构建方法
【技术领域】
[0001]本发明涉及一种基于NLMS算法的自适应滤波器的构建方法，属于自适应滤波【技术领域】，它利用自适应滤波器中步长的变化，增强其滤波性能。本发明尤其在低信噪比环境下，提高滤波系统的抗噪能力。
【背景技术】
[0002]信息是一个比较抽象的概念，它包含在消息中，是通信系统中传送的对象。消息是具体的但不是物理的，例如语言、文字、符号等。信号是信息的载体，是表示消息的物理量，例如幅度、频率和相位都可代表消息。在接收信号时，符号间干扰和噪声(内部热噪声和外部干扰)都使信号受到损伤。信号处理的核心问题是信号的表示、变换和运算，并且提取其中的特征和信息。滤波器通常用来从含有噪声的数据中提取人们感兴趣的、接近规定质量的信息。在这种意义下，滤波方法及其理论应用诸如通信、雷达、声纳等众多领域。
[0003]信号的分类有很多，但整体上，根据时间特征可分为连续时间信号和离散时间信号；根据幅值特征可分为幅值连续信号和幅值离散信号。时间、幅值连续信号称为模拟信号，处理它的系统称为模拟系统；时间、幅值离散信号称为数字信号，处理它的系统称为数字系统。数字滤波器具有高精度、高可靠性、可程控改变特性或复用、便于集成等优点。数字滤波器在语言信号处理、图像信号处理、医学生物信号处理以及其他应用领域都得到了广泛应用。由于电子计算机技术和大规模集成电路的发展，数字滤波器已可用计算机软件实现，也可用大规模集成数字硬件实时实现。数字滤波器是一个离散时间系统(按预定的算法，将输入离散时间信号转换为所要求的输出离散时间信号的特定功能装置)。应用数字滤波器处理模拟信号时，首先须对输入模拟信号进行限带、抽样和模数转换。数字滤波器输入信号的抽样率应大于被处理信号带宽的两倍，其频率响应具有以抽样频率为间隔的周期重复特性，且以折叠频率即1/2抽样频率点呈镜像对称。为得到模拟信号，数字滤波器处理的输出数字信号须经数模转换、平滑。数字滤波器具有高精度、高可靠性、可程控改变特性或复用、便于集成等优点。数字滤波器在语言信号处理、图像信号处理、医学生物信号处理以及其他应用领域都得到了广泛应用。
[0004]数字滤波器的分类方法很多。从滤波特性上可分为高通滤波器、低通滤波器、带通滤波器、带阻滤波器、全通滤波器等；从设计方法上可分为切比雪夫和巴特沃斯；从实现的网络结构或单位抽样响应分为有限脉冲响应滤波器(FIR滤波器)和无限脉冲响应滤波器(IIR滤波器)；从结构实现形式上可分为横向滤波器和格型滤波器；按选择的物理量可分为频率选择、幅度选择、时间选择和信息选择等四类滤波器；而从总体上即从如何处理信号方面可分为经典滤波器和现代滤波器。经典滤波器是根据傅里叶分析和变换提出的一个工程概念，就是根据傅里叶分析和变换设计出来的，只允许一定频率范围内的信号成分正常通过，而阻止另一部分频率成分通过的电子装置。比如:低通，高通等滤波器，当输入信号中含有干扰，且信号和干扰的频带互不重叠时，可通过选频滤除干扰得到纯信号。而现代滤波器是建立在随机信号处理理论的基础上，利用随机信号内部的统计特性对信号进行滤波、检测或估值等，例如维纳滤波器、卡尔曼滤波器、匹配滤波器和自适应滤波器等。维纳滤波器(Wiener filter)是由数学家维纳(Rorbert Wiener)提出的一种以最小平方为最优准则的线性滤波器。维纳滤波器又被称为最小二乘滤波器或最小平方滤波器，是现代滤波器中的一种最基本滤波器，它只适用于平稳环境下，利用输入信号的自相关函数和互相关函数去计算线性滤波器的最佳冲击响应，使得输出波形作为输入波形的估计，其均方误差达到最小。卡尔曼滤波器则是在平稳及非平稳环境下利用基于状态空间的最佳线性递推方法来实现滤波。它通过己知的状态方程和量测方程利获得当前一个估计值和最近一个观测值进而来估计信号的当前值。匹配滤波器是指在白噪声背景下，当滤波器的性能与信号的特性取得某种一致时(滤波器的传输特性与输入信号频谱的复共扼一致)，使得滤波器输出端的信号瞬时功率与噪声平均功率的比值(输出信噪比)最大。即当信号与噪声同时进入滤波器时，它使信号成分在某一瞬间出现尖峰值，而噪声成分受到抑制。一种匹配滤波器只能对特定的输入信号进行滤波。匹配滤波器具有时延适应性，不具有频移适应性，它不能用于波形估计的场合。目前匹配滤波器是信号检测领域的研究热点之一，它主要用来在含有噪声的信号中发现目标回波。
[0005]在实际应用中上述几种现代滤波器都有一定的不足之处，它们的滤波器结构和系数在设计阶段就已选定，并在滤波器的正常运行中保持不变，不能通过与外界环境的接触来改变自身的信号处理能力。而自适应滤波器正是在这种情况下应运而生，它自动适应信号传送变化的环境和要求，无须知道信号的结构和先验知识，亦无须精确设计信号处理系统的结构和参数。自适应滤波器广泛应用于通信领域的自动均衡、回波消除、天线阵波束形成、参数识别、噪声消除、谱估计等方面。自适应滤波的基本思路为，输入信号进入系统并通过滤波结构得到输出信号，将输出信号与期望响应相减得到误差值，自适应算法根据这个误差值改变滤波结构的滤波系数，从而达到自适应滤波的效果。为了提高自适应了传播其的性能，学者们提出了许多自适应算法如变步长最小均方LMS自适应算法、归一化LMS算法即NLMS算法、频域块LMS算法等。虽然NLMS算法减少了 LMS算法迭代过程中的梯度噪声放大的程度，但是收敛速度和稳态失调对步长因子取之大小的不同要求仍然是影响算法性能的主要矛盾。因此，研究人员也进行了大量研究如何选择合适的步长因子来提高算法的性能，提出了多种变步长NLMS算法。
【发明内容】
[0006]通过对现有变步长NLMS算法的分析发现，变步长NLMS算法需要:步长在初始迭代阶段，步长因子保持在比较大的水平上，使滤波器快速收敛；在滤波器迭代收敛阶段，使用步长因子调整机制，使其影响越来越大，导致步长因子越来越小，从而使得稳态失调较小，这种步长因子调整机制是算法的核心。许多算法都是通过均方误差来设计步长因子的调整机制，调整机制的步长调节效果，抗噪能力和计算复杂度是评价算法性能的主要因素。图1为本算法的系统结构图。
[0007]综上所述，本发明是一种基于NLMS算法的自适应滤波器的构建方法，该方法具体步骤如下:
[0008]步骤一:确定参数:
[0009]M =抽头数(滤波器长度)，μ (η)=自适应常数(步长因子);[0010]其中μ (η)的算法为
【权利要求】
1.一种基于NLMS算法的自适应滤波器的构建方法，其特征在于:该方法具体步骤如下:步骤一:确定参数: M=抽头数即滤波器长度，μ (η)=自适应常数即步长因子，其中μ (η)的算法为
【文档编号】H03H21/00GK104038181SQ201410246525
【公开日】2014年9月10日 申请日期:2014年6月5日 优先权日:2014年6月5日
【发明者】王翔, 刘涛, 董冬妮, 刘阳, 王李平 申请人:北京航空航天大学