自适应噪声消除算法的性能比较及仿真.pdf

V01．9No．19 第9卷第19期2009年9月 科学技术与工程 0et．2009 Science and Sci．TecE 1671—1819(2009)19—5835—05 TechnologyEn百neering ⑥2009 Engng． 自适应噪声消除算法的性能比较与仿真 江清潘 常太华’ 朱红路马 军1 (华北电力大学控制科学与工程学院，北京102206；湖北省汉江河道管理局1，潜江433100) 摘要在信号处理中，噪声往往是非平稳和随时问变化的，传统方法很难解决噪声背景中的信号提取问题。通过对自适应 Noise 噪声消除原理的研究，介绍了基于参考信号和基于预测原理的两种自适应噪声消除(ANC，AdaptiveCancellation)方法， Mean Least 分析对比了基于最小均方(LMS，LeastSquares)、递推最小二乘(RLS，Recursive least basedOn RLS，陀c啪ivesquares QR 声中有效地抑制干扰提取出有用信号，显示出了良好的收敛性能。相比之下，砌LS算法和QR—RLS算法呈现出更快的收敛速 度、更强的稳定性和抑噪能力。 关键词 自适应噪声消除 自适应滤波器 噪声 中图法分类号TP274．2； 文献标志码A 在信号处理领域中噪声消除是一个非常重要 噪声相关知识了解不够充分时可根据自适应滤波 的问题，对噪声环境中系统的正常工作有着很大的 器的预测原理，利用噪声信号的时间不相关性来达 影响。隐藏在有用信号中的背景噪声往往是非平 到噪声消除的目的。 稳且随时间变化的，信号和噪声的统计特性往往无 ANC系统的核心是自适应滤波器，通过自适应 法知晓，而且背景噪声中的有用信号往往微弱而不 算法对滤波器权系数进行调整以实现最佳滤波。 稳定，此时采用传统方法很难解决噪声环境中的信 不同的自适应滤波器算法具有不同的收敛速度、稳 号提取问题【1J。近年来自适应噪声消除(ANC)系 态失调和算法复杂度，基于上述两种噪声消除方法 统成为消除噪声的研究热点，利用自适应滤波器具 有在未知环境下良好运行并跟踪输入统计量随时 噪声消除效果。仿真结果表明，这几种算法都能从 间变化的能力，通过不断调整抽头权系数来适应发 高背景噪声中提取有用信号。相比之下，在基于参 生变化的信号和噪声的统计特性，达到消除噪声干 考信号的方法中，RLS算法体现出了更好的收敛性 扰的目的BJ。 能和抑制干扰的能力。在基于预测的消噪方法中， 根据噪声知识的了解情况，ANC系统可采用基 QR—RLS算法呈现出了更快的收敛速度、更强的稳 于参考信号和基于预测原理的两种噪声消除方法。 定性和抑噪能力。 在噪声相关知识足够了解的情况下可选取一个与 噪声信号相关的参考信号进行噪声干扰对消。在 1 自适应噪声消除原理及算法 Et收到 2009年6月15 国家自然科学基金资助 1．1噪声消除原理 第一作者简介：江清潘(1986一)，男，福建三明人，硕士在读，研究 tom 自适应滤波器噪声消除系统是以噪声干扰为 方向：电力生产过程建模、燃烧优化。E—mail：jqpg露m@印l