论文部分内容阅读
非线性自适应滤波技术已经得到了广泛地研究及应用,而现有的非线性自适应滤波器的性能与计算复杂度往往是相互矛盾的,有时为了提高非线性自适应滤波器的性能,需要牺牲其计算复杂度。从这一角度出发,本文对非线性自适应滤波器的研究现状进行了分析,并根据相应的自适应滤波器的特点,结合具体的非线性应用,提出了几种新型的低计算复杂度的非线性自适应滤波器,此外,本文针对其性能也进行了理论分析和实验仿真。具体工作如下:(1)从非线性语音预测这一应用出发,针对基于流水线型的两类典型的自适应滤波器(神经网络滤波器和多项式滤波器)的计算复杂度问题,提出了一种低计算复杂度的流水线型神经无限冲击响应(IIR)自适应滤波器。该自适应滤波器结合了流水线型结构低的计算复杂度和神经IIR自适应滤波器良好的跟踪性能的特点,并通过线性部分和非线性部分的输出联合的设计,使其计算复杂度得到了有效的降低,并保持了良好的非线性语音预测能力,且通过计算复杂度分析和计算机仿真验证了这一特点。(2)在提出的流水线型神经IIR自适应滤波器的基础上,结合IIR非线性样条自适应滤波器,提出一种新型的用于语音信号预测的非线性自适应滤波器,称为流水线型神经IIR样条自适应滤波器。该自适应滤波器利用了IIR非线性样条自适应滤波器对非线性系统良好的拟合特性,从而以相对较小的计算复杂度提高了流水线型神经IIR自适应滤波器的非线性预测性能,并通过理论分析和实验仿真验证了这一理论。(3)考虑非线性自适应滤波器在复数域中的应用,将流水线型神经IIR自适应滤波器与复值IIR自适应滤波器结合,提出一种流水线型复值神经IIR自适应滤波器。该自适应滤波器沿用了流水线型神经IIR自适应滤波器的结构,并以复值的IIR自适应滤波器的理论推导为理论基础,通过计算复杂度分析验证了该自适应滤波器的计算量相对较低,且非圆风信号预测实验表明了其在复数域应用中的有效性。(4)将提出的流水线型神经IIR样条自适应滤波器从实数域扩展到复数域,并结合立体声学回声消除中的广义线性模型,提出一种新型的用于立体声学回声消除的流水线型复值神经IIR非线性样条自适应滤波器。根据该自适应滤波器的自适应算法,对该自适应滤波器的计算复杂度、稳定性能及收敛条件进行了分析,并通过计算机仿真说明了由于提出的新型的自适应滤波器插入了样条函数,使得其计算量略高于流水线型复值神经IIR自适应滤波器,但是其性能得到了进一步提高。