论文部分内容阅读
自适应滤波算法的研究是当今信号处理中最为活跃的课题之一。最小均方误差(LMS)算法是应用最为广泛的自适应滤波算法。然而,经典LMS自适应滤波算法在收敛速度、时变系统跟踪速度与收敛精度方面对算法调整步长因子μ的要求是相互矛盾的。为了克服这一矛盾,人们提出了许多改进型的LMS算法,归结起来最为著名的两个方向为:变步长LMS算法和变换域LMS算法。由于小波变换具有较好的去相关能力,具有多分辨和时频局部化特性,将小波变换引入自适应滤波结构,在时变信号和快速变化的信号自适应滤波方面有着广阔的应用前景,是自适应滤波发展的新方向。鉴于此,本文主要做了如下工作:1.阐述了自适应滤波技术和LMS算法原理,讨论了使LMS算法收敛的步长因子取值范围,分析了LMS算法的优缺点,给出了两种变步长LMS算法——VSS和MVSS算法,理论和仿真分析了它们的性能。2.分析了小波变换的时频局部特性,阐述了多分辨(多尺度)分析的思想和Mallat算法,分析了多尺度小波分解与重构。3.将多尺度小波变换的理论引入到LMS自适应滤波器的设计中,介绍了引入正交小波的线性滤波器结构,分析了基于多尺度正交小波变换的自适应滤波算法的原理和算法的收敛速度以及条件数的变化。理论分析和仿真表明,用小波变换对自适应滤波器的输入进行正交变换,将输入向量分解到多尺度空间,减小了自适应滤波器输入向量自相关矩阵的谱动态范围,提高了算法的收敛速度。4.将变步长LMS算法与多尺度小波变换的思想结合,提出了新的小波自适应滤波算法,该算法既减少了输入向量自相关矩阵条件数,又克服了固定步长LMS算法在收敛速度与收敛精度方面与步长因子的矛盾,获得了更好的收敛速度和稳定性。仿真结果表明新算法是有效的和优越的。5.将新算法应用到语音信号消噪处理中,新算法可以克服传统语音信号自适应滤波系统收敛速度慢、失调大,且输入自相关矩阵的特征值分散过大的缺点,仿真表明此方法取得了较有效的效果。