基于DSP芯片的自适应滤波器实现课程设计稿.docVIP

课程设计 题 目： 基于DSP芯片的自适应滤波器实现 班 级： 姓 名： 学 号： 指导教师： 成 绩： 摘 要： 自适应滤波器是统计信号处理的一个重要组成部分。在实际应用中，由于没有充足的信息来设计固定系数的数字滤波器，或者设计规则会在滤波器正常运行时改变，因此我们需要研究自适应滤波器。凡是需要处理未知统计环境下运算结果所产生的信号或需要处理非平稳信号时，自适应滤波器可以提供一种吸引人的解决方法，而且其性能通常远优于用常方法设计的固定滤波器。此外，自适应滤波器还能提供非自适应方法所不可能提供的新的信号处理能力。 本文从自适应滤波器研究的意义入手，介绍了自适应滤波器的基本理论思想，具体阐述了自适应滤波器的基本原理、算法及设计方法。最后用DSP实现了自适应滤波器。实验结果表明，该自适应滤波器滤波效果优越。 关键词：DSP、自适应滤波器 目录 1 课程设计的目的和要求 1 2 主要内容和步骤 1 3 详细设计过程 3 3.1 LMS自适应算法 3 3.2 FIR 滤波器设计 3 3.3 自适应滤波器DSP设计实现 4 4 实验过程 6 4.1 CCS程序运行后的各种输出结果 6 4.2 DSP实现结果 7 5 结论与体会 9 1 课程设计的目的和要求 对自适应滤波算法的研究是当今自适应信号处理中最为活跃的研究课题之一。Windrow等于1967年提出的自适应滤波系统的参数能自动的调整而达到最优状况，而且在设计时，只需要很少的或根本不需要任何关于信号与噪声的先验统计知识。自适应滤波器本身有一个重要的自适应算法，这个算法可以根据输入、输出及原参量信号按照一定准则修改滤波参量，以使它本身能有效的跟踪外部环境的变化。因此，自适应数字系统具有很强的自学习、自跟踪能力和算法的简单易实现性。自适应滤波技术的核心问题是自适应算法的性能问题，提出的自适应算法主要有最小均方(LMS)算法、递归最小二乘(RLS)算法及相应的改进算法如：归一化(NLMS)算法、变步长(SVSLMS)算法、递归最小二乘方格形(RLSL)算法等。这些算法各有特点，适用于不同的场合。比如用于系统辨识、回波消除、自适应谱线增强、自适应信道均衡、语音线性预测、自适应天线阵等诸多领域。 自适应滤波，对发展通信业务有着不可或缺的作用。所以是我们通信专业学习的重点。也是巩固《数字信号处理》知识的一个重要的实验。 2 主要内容和步骤 自适应滤波器主要由两部分组成：系数可调的数字滤波器和用来调节或修正滤波器系数的自适应算法。 下图为自适应滤波器原理框图： 图中，自适应滤波器有两个输入端：一个输入端的信号Z（n）含有所要提取的信号s(n)，被淹没在噪声 d(n)中，s(n).d(n)两者不相关，z(n)=s(n)+d(n)。另一输入端信号为x(n),它是z(n)的一种度量，并以某种方式与噪声d(n)有关。x(n)被数字滤波器所处理得到噪声d(n)的估计值y(n),这样就可以从z(n)中减去y(n),得到所要提取的信号s(n)的估计值e(n),表示为：e(n)=z(n)-y(n)=s(n)+d(n)-y(n)。 显然，自适应滤波器就是一个噪声抵消器。如果得到对淹没信号的噪声的最佳估计，就能得到所要提取的信号的最佳估计。为了得到噪声的最佳估计y(n)，可以经过适当的自适应算法，例如用LMS（最小均方）算法来反馈调整数字滤波器的系数，使得e(n)中的噪声最小。e(n)有两种作用：一是得到信号s(n)的最佳估计；二是用于调整滤波器系数的误差信号。 自适应滤波器中，数字滤波器的滤波系数是可调的，多数采用FIR型数字滤波器，设其单位脉冲响应为h(0), h(1), …,h(N-1),你们它在时刻n的输出便可写成如下的卷积形式 y(n)= ∑h(k)x(n-k) （2-1） 为方便起见，上式中的各h(k)亦被称为权值。根据要求，输出y（n）和目标号d(n)之间 应满足最小均方误差条件，即 E[e2（n）]=E{[d(n)-y(n)]2} （2-2） 有最小值，其中e(n)表示误差。令 аE[e2（n）]/ аh(k)=0 （2-3） 并把式（2—2）代入，便得正交条件：E[e(n)x(n-k)]=0 ,