自适应滤波器是一种数字滤波器,它的优点是不需要提前预知所需要的操作参数,依据某种判据(输入信号),逐步估计出所需的统计特性,以此不断递归更新滤波器权系数,从而达到最佳滤波;如果输入信号的统计特性发生改变,自适应滤波器能重新根据输入信号发生的变化估计出统计特性,来自动调整权系数,从而使自适应滤波实现最好的滤波效果。自适应滤波器主要有三部分组成,滤波结构、需要优化的代价函数,滤波算法。按结构的不同分为线性自适应滤波器和非线性自适应滤波器。线性自适应滤波器具有计算复杂度比较低且结构简单有效的特点,因此应用广泛。而线性自适应滤波器分为有限冲击响应和无限冲击响应。常用的滤波结构是有限冲击响应滤波器。
对于自适应滤波器而言,自适应滤波算法是它的核心部分,我们通常用算法的计算复杂度、收敛速度、收敛精度、稳定性等方面来作为衡量一个算法好坏的标准。自适应滤波算法的三个因素:滤波准则、目标函数和误差信号。
。常用的自适应算法主要包括最小均方算法(LMS)、递归最小二乘方法(RLS)、神经网络算法等,其中基于维纳滤波器 理论的 LMS 算法由于其结构简单,计算复杂度度低,性能稳定,易于实现等特点,仍是目前自适应滤波理论中应用
最为广泛的算法。
2022-05-28 10:47:48
2KB
matlab
1