干扰自适应抑制_.doc

干扰自适应抑制 ——电气设备在线监测诊断课程报告 学生：杨浩亮 班级：研电1109班 学号：1112201330 指导教师：秦立军 摘 要 本文叙述了自适应滤波技术及自适应对消的基本原理，并且分析了基于LMS算法的滤波器一般结构，它主要针对这种应用：在实际中只能得到有用信号与干扰信号的混合信号（有时可以得到干扰信号的相关输入），而从中取出有用信号来，并且对自适应滤波技术抑在故障检测中电机脉冲的干扰进行了分析，并作出结论。 关键字： 自适应滤波技术 干扰自适应 最小均方误差 干扰自适应抑制 0 应用背景 教学技术随着科学技术的进步而进步，现代教学用了很多的教学技术，如：多媒体技术、网络技术、远程通信技术等。这些高新技术的应用，对提高教学质量有重要的作用。然而应用这些技术就要解决诸多问题，其中的一个问题就是干扰抑制问题。干扰抑制一般用干扰抑制器来完成，常规的干扰抑制器由于其特性不变，不能跟踪外界的变化，因而功能不是很强，效果也不是很明显，为了提高抑制效果，就要采用自适应干扰抑制。 自适应滤波技术是在五十年代末、六十年代初发展起来的，该技术由优化理论演变而来。从上世纪初开始，各方面的研究工作促成了自适应技术的出现。首先，奈奎斯特和哈特对频带和信噪比进行了研究，香农提出了信息的度量方法，维纳建立了最佳滤波器的基础，以及卡尔曼滤波算法的提出，这些研究成果对雷达及通信以及其它领域产生了深刻的影响。六十年代末，B. Widrow提出的LMS算法以及其它人的研究奠定了自适应处理技术的基础。七十年代，随着大规模集成电路技术及计算机技术的飞速发展，自适应技术的研究领域得到广泛的拓展，成为最活跃的研究领域之一。近年来，由于通信技术的迅猛发展，自适应滤波技术更是成为研究热点，在时域、空域的民用及军事通信中得到广泛应用。自适应时域、空域滤波技术广泛地应用于各种通信体制，结合不同领域的信号与干扰的特点，研究出大量的新的自适应滤波器结构和算法，同时大力发展实际系统的研制。 滤波器研究的一个基本课题就是如何设计和实现最佳滤波器，所谓的最佳滤波器就是能够根据某一准则进行滤波的滤波器。滤波器就要求输入是广义平稳的和输入过程的统计特性是已知的。然而，由于输入过程取决于外界信号、干扰环境，这种环境的统计特性往往是未知的、变化的、因而不能满足上述两个要求这就使人们研究自适应滤波器。自适应滤波是在部分信号特征未知的条件下，根据某种最佳准则，从由已知的部分信号特征决定的初始条件出发，按某种自适应算法进行递推，在完成一定次数的递推之后，以统计逼近的方式，收敛于最佳解。在非平稳环境中，自适应滤波在一定程度上还可以跟踪信号的变化。 1 原理 1.1自适应对消原理 自适应干扰对消是自适应滤波的一种应用。它主要针对这种应用：在实际中只能得到有用信号与干扰信号的混合信号（有时可以得到干扰信号的相关输入），而从中取出有用信号来。自适应干扰对消是最佳滤波变形的一种。同最佳滤波器一样，自适应干扰对消作为自适应滤波器的一种，也存在选择根据某种准则求得最佳参数的问题。自从Widow和Hoffe1955年提出最小均方误差准则的自适应算法，这方面的算法不断涌现。事实上各种自适应算法都能用于自适应干扰对消。 对于LMS算法自适应滤波器，如何取得期望信号d是一个问题，在干扰对消中，我们将有用信号与干扰的叠加信号作为期望信号，从而自然地取得了d，如何取得滤波器的输入x也是一个问题。对于能够直接得到干扰相关输入的情况，我们可以自然地将干扰相关输入作为LMS自适应滤波器的输入；对于不能够直接取得干扰相关输入的情况，可以根据干扰的特点，从叠加信号中取出干扰相关分量来 干扰信号相关输入经LMS算法进行估计后，得到的输出为输入的干扰信号相关输入的估计。从期望信号中减去LMS算法的输出后，其主要成分为有用信号，这样就实现了干扰抑制。 1.2基于LMS算法的自适应干扰对消的一般结构 常见的自适应算法有：LMS算法、约束算法、功率倒置算法、微扰法、格形算法、SMI算法、最小二乘法、最大似然算法等。 基于LMS算法的自适应干扰对消的一般结构 为了满足对时间要求比较严格的应用，有必要减小运算量，在大多数场合下，使用迭代算法，对每次采样值就求出较佳权系数，称为采样值对采样值迭代算法。最陡下降法正是这么一种方法。它在最初给定权值一个初始化加权值，然后逐步沿梯度的相反方向改变加权值，在一定条件下将使加权矢量最终收敛到最佳值 。LMS算法是以最快下降法为原则的迭代算法，使得输出信号与基准信号之差的均方值最小,即W(n+1)矢量是W(n)矢量按均方误差性能平面的负斜率大小调节相应一个增量。它是最小均方误差滤波器，那么，对于确定的Wt,瞬时均方误差可表示为: （1） 为输入信号X（n）的自相关矩阵；