第七讲自适应噪声抵消技术.ppt

微弱信号检测理论及应用;7.1 噪声抵消系统;7.1.1 噪声抵消原理;基本噪声抵消电路;;s(t)的功率E[s2(t)]是一定的，当E[z2]的值最小时，表明噪声的功率最小，信噪比最好。显然，当 时， E[z2]的值最小。此时有;噪声抵消系统应用的例子;7.1.2 噪声抵消系统的性能分析;;u(t)和v(t)的功率谱： 互功率谱：;这样可以得到：;抵消系统的性能指标;几种情况;(3)没有独立噪声，但信号混入到噪声信道中。此时： Hopt(jw) ≠F(jw) 混入信号的噪声不可以被完全抵消，输出包含有噪声成分；同时输出信号也被抵消部分，产生失真。 输出信噪比和失真度为：;7.2 自适应噪声抵消;自适应噪声抵消原理;1 横向滤波器;2 由横向滤波器构成的噪声抵消系统;输出z(t)表示为： 其中：;输出信号的均方值： 令， 则：;权系数的选择应使E[z2]最小。 令： 即， 最佳权矢量应为：;3. 系??的抵消性能;定义：抵消余度 △越小则抵消性能越好，△＝1表示无抵消功能。;例：已知系统参数a=b=1，干扰噪声成分n’(t)与干扰噪声之间存在下述的关系 n’(t)=n[t-(L-1)t0]。而干扰噪声的自相关函数满足试求各个权系数及抵消余度。;7.3 自适应算法;7.3.1最佳滤波准则;7.3.2最小均方自适应滤波算法;横向型滤波器结构;对于横向型滤波结构，其误差为： e (n )=d (n )-y (n) 均方误差ε表示为： ε=E[e2(n)]=E[d(n)-y(n)]2 代入y(n)的表达式，有 ε=E[d2(n )]+WT(n)R(n)W (n )-2WT(n)P R (n )=x (n)xT(n)是N×N的自相关矩阵，是输入信号采样值间的自相关矩; P =d (n )x(n)为互相关矢量，代表理想信号d(n)与输入矢量x(n)的相关性。;;迭代算法;简化的LMS算法;一、 ALMS自适应算法;各个权系数按照下式来进行更新：;二、 HLMS自适应算法;各个权系数按照下式来进行更新：;7.3.3 RLS算法;;7.4 自适应滤波器应用;7.4.1 消除心电图的工频干扰;消除工频干扰;7.4.2 消除胎儿心电图的干扰;胎儿心电图;7.4.3 自适应回音抵消;消除回声;7.4.4 语音信号的背景噪声消除;7.4.5 自适应噪声消除器; END