如发现有乱码，请点击下面链接浏览原文
正文摘录:

黄振远等：自适应滤波LM墨耋篁i塑窒自适应滤波LMS类算法探究黄振远，朱剑平(空军雷达学院湖北武汉430019)摘要：在传统的I。MS(LeastMeanSquare)算法中，固定步长的选取影响收敛速度与稳态误差，而且两者不可兼得。因此，为在相应的领域内合理使用此类算法，针对这个问题在对多种自适应滤波LMS类算法进行原理分析后，得出此类算法在不同领域的特点，对今后不同人群的合理使用提供了良好条件。关键词：自适应滤波；LMS算法；变换域：仿射投影算法；频域LMS算法；QR分解中图分类号：TN911.72文献标识码：B文章编号：1004—373X(2006)24一052一03AResearchofLMSAdaptiveFilteringAlgorithmsHUANGZhenyuan，ZHUJianping(AirForceRadarAcademy，Wuhan，430019，China)Abstract：Theconvergentspeedandsteady—stateerrorareaffectedbythefixedstepsizeandcannotbeimprovedsimulta—neouslvinclassicalLMSalgorithm.Therefore，touseitcorrectlyinrelevantfields，forthiscontradiction，afteranalyzingavarl—etvofLMSadaptivefilteringalgorithmsonprinciple，thecharacteristicofthesealgorithmsindifferentfieldsispresented，thisalsoprovidesdifferentpeople’scorrectusewithabetterfoundation.Keywords：adaptivefiltering；LMSalgorithm；transformdomain；affineprojectionalgorithm；frequencydomainLMSalgo—rithm；QRdecomposition.1自适应滤波算法简介自适应滤波器属于现代滤波器的范畴，他是20世纪40年代发展起来的自适应信号处理领域的一个重要应用，其设计方法对滤波器的性能影响很大。实际上自适应滤波器是一种能够自动调整本身参数的特殊维纳滤波器，在设计时不需要事先知道关于输入信号和噪声的统计特性的知识，他能够在自己的工作过程中逐渐“了解”或估计出所需的统计特性，并以此为依据自动调整自己的参数，以达到最佳滤波效果。一旦输入信号的统计特性发生变化，他又能够跟踪这种变化，自动调整参数，使滤波器性能重新达到最佳。因此，自适应滤波器具有“自我调节”和“跟踪”能力。图1为自适应滤波器原理框图。图1自适应滤波器原理图自适应滤波算法广泛应用于系统辨识、噪声对消、自收稿日期：2006—05—3152适应谱线增强、通信信道的自适应均衡、线性预测、自适应天线阵列等很多领域中。w(”)表示自适应滤波器在时刻n的权矢量，x(n)一Ex(n)，z(rt一1)，…，x(n—L+1)]’为时刻“的输入信号矢量，d(“)为期望输出值，”(n)为干扰信号，e(n)是误差信号，L是自适应滤波器的长度。根据自适应滤波算法优化准则的不同，自适应滤波LMS类算法是基于最小均方误差准则，其使滤波器的输出信号与期望输出信号之间的均方误差EEe。(n)]最小。本文针对线性自适应滤波器涉及到的LMS类算法做一研究。2适应滤波LMS类算法种类2.1传统LMS算法20世纪60年代初由Widrow和Hoff提出的最小均方误差(LMS)算法，因其具有计算量小、易于实现等优点而在实践中被广泛采用。基于最速下降法的最小均方误差(LMS)算法的迭代公式如下：y(咒)一W’(咒)·X(咒)；e(超)一d(挖)一v(靠)一d(以)一W。(，2)·X(n)；W(n+1)一W(”)+2pe(n)·X(n)式中，w(，z)为n时刻自适应滤波器的权矢量，w(”)一Ew0(n)，W。(”)，…，训+。(n)]’，N为自适应滤波器的阶数，x(”)为”时刻自适应滤波器的参考输入矢量，由最近N