种最佳滤波方法。它是在维纳滤波,Kalman滤波等线性滤波基础上发展起来的一种最佳滤波方法。由于它具有更强的适应性和更优的滤波性能。从而在工程实际中,尤其在信息处理技术中得到广泛的应用。Р自适应滤波的研究对象是具有不确定的系统或信息过程。“不确定”是指所研究的处理信息过程及其环境的数学模型不是完全确定的。其中包含一些未知因数和随机因数。Р任何一个实际的信息过程都具有不同程度的不确定性,这些不确定性有时表现在过程内部,有时表现在过程外部。从过程内部来讲,描述研究对象即信息动态过程的数学模型的结构和参数是我们事先不知道的。作为外部环境对信息过程的影响,可以等效地用扰动来表示,这些扰动通常是不可测的,它们可能是确定的,也可能是随机的。此外一些测量噪音也是以不同的途径影响信息过程。这些扰动和噪声的统计特性常常是未知的。面对这些客观存在的各种不确定性,如何综合处理信息过程,并使某一些指定的性能指标达到最优或近似最优,这就是自适应滤波所要解决的问题。Р近十几年来,自适应滤波理论和方法得到了迅速的发展,究其原因是因为自适应滤波器相比于其他一般的滤波器在滤波性能、设计实现的难易程度、对外部环境的复杂程度的适应能力和对系统先验统计知识的依赖程度等方面都显现出强大的优势。自适应滤波器具有很强的自学习、自跟踪能力和算法的简单易实现性,它在噪声量化信号的检测增强,噪声干扰的抵消,通信系统的自适应均衡,图象的自适应增强复原以及未知系统的自适应参数辩识等方面都有广泛的应用。本文仅讨论自适应滤波器在噪声干扰的抵消方面的原理、算法及仿真。Р1.3国内外研究发展现状Р经过数十年的研究,自适应滤波理论得到了极大的发展,成为信号处理理论研究的热点之一,而依据不同的优化准则可以推导出许多截然不同的自适应理论,目前自适应滤波理论主要包括以下几个分支:Р基于维纳滤波器理论的最小均方算法Р基于卡尔曼滤波理论的卡尔曼算法
全文预览