• WAP手机版 保存到桌面加入收藏设为首页
机械常识

简述自适应滤波器的主要组成结构

时间:2020-02-18 20:07:53   作者:Jack.L   来源:   阅读:54   评论:0
自适应滤波器主要由可编程滤波器(滤波部分)和自适应算法(控制部分)两部分组成。可编程滤波器是指滤波器的参数可变,自适应滤波算法则是对参数进行控制以实现最佳工作。

(1)可编程滤波器

可编程滤波器有FIR(有限脉冲响应)滤波器、无限脉冲响应滤波器和格形滤波器等。

FIR数字滤波器的差分方程一般是非递归型的,它是一种全零点滤波器,所以为实现具有陡峭边缘的通带特性需要相当高的阶数。

FIR滤波器始终是稳定的,能实现线性的相移特性,其自适应算法易于理解,关于收敛速度、收敛误差等性能已得到充分证实。由于FIR数字滤波器所具有的线形相移特性,在许多不希望相位失真的情况下.FIR滤波器得到了广泛的应用。

这种滤波器既有零点又有极点或只有极点。可以用不高的阶数来实现它具有陡峭边缘的带通特性,主要缺点是稳定性不好和相位特性难于控制。格形滤波器亦可分为全零点式、全极点式及零极点式。主要优点是具有相对独立的组件结构,每一组件的参数可独立调节;对舍入误差不敏感;各阶反向预测误差相互正交。由于这些特点,格形滤波器在自适应滤波器中得到了越来越广泛的应用,但实现格形滤波器的传递函数要比直接形式复杂得多,且需要更多的数值化运算。

(2)自适应滤波算法

当自适应滤波器输入过程的统计特性未知时,或输入过程的统计特性变化时,能调整其结构参数,以满足最佳准则的要求。

自适应滤波中所选用的最佳准则有最小均方误差(LMS)准则、最小二乘(LS)准则、最大信噪比准则、统计检测准则以及其他一些最佳准则,其中应用最广泛的有最小均方误差(Least-Mean-Squares)和递推最小二乘(Recursive-Least-Squares)准则。最小均方误差(LMS)自适应算法,是使均方误差性能函数达到最小的一种算法,它所构成的滤波器是针对一类数据的最佳滤波器。它的主要缺点是收敛性能太差,而且初始参数的选取强烈影响着算法的收敛速度。

递推的最小二乘(RLS)自适应算法,是求累计平方误差性能函数为最小的算法,它构成的滤波器是针对一组数据的最佳滤波器。对同一类数据来说,LMS算法对不同的数据组导出同样的“最佳”滤波器;而RLS对不同的数据组导出不同的“最佳”滤波器。因此RLS控制的最佳滤波器是“精确”的。RLS算法初始收敛速度快,且几乎不受初始参数选取的制约。由于RLS算法运算量大,限制了它的应用,但数字信号处理技术的飞速发展和快速运算单元的出现,使人们重新认识到RLS良好的信号跟踪性能。

上一篇:没有了
下一篇:机床备件的保养及其上电与断电注意事项
相关评论
免责申明:本网站旨在相互学习交流,是一个完全免费的网站,部分原创作品,欢迎转载,部分内容来自互联网,如果侵犯了您的权利请尽快通知我们。
Copyright 2008-2019 我爱机械制图网   站长信箱:jimmy8ly@gmail.com