论文部分内容阅读
信号处理领域中常用的自适应滤波器,由于系数可以随时间变化,因而可以在迭代过程中总结出信号的统计特征,进而改变滤波器的抽头权向量。即使在自适应滤波器达到最优滤波后辨识系统又发生突变,自适应滤波器能再次更新滤波器系数从而实现最优滤波。自适应滤波器较大的灵活性和强大的自学习能力,使其更易处理实际中遇到的非平稳或统计信息较少甚至不定的信号,因而在通信、导航、控制、地震学、生物医学等领域发挥了巨大的作用。子带自适应滤波器是于20世纪80年代在信号处理领域兴起的一个新的研究分支。其特有的,能用分析滤波器组将全带信号进行分割并抽取成为子带信号,再由综合滤波器组重构成为输出信号的特点,使其能够去相关,从而加快了传统全带自适应滤波器当输入信号高度相关时的收敛速度。但同时,由于子带自适应滤波器中每个子带都使用不同的自适应滤波器,又不可避免地会在信号的输出部分产生混叠分量,进而产生较大的稳态误差。学者Lee和Gan于2004年提出了一种名为多带结构的归一化子带自适应滤波器结构,这种子带自适应滤波器与传统子带自适应滤波器结构上最大的区别就是子带输入信号共用一种自适应滤波器,而不再是使用各自独立的自适应滤波器,从而解决了传统子带自适应滤波器存在的混叠分量问题。在此结构基础上,Lee和Gan基于最小化干扰原理,提出了一种归一化子带自适应滤波算法,它在输入信号具有较高相关性时仍能保持较快的收敛速度和较低的稳态误差,而且所需的计算量较少。然而类似于所有定步长滤波算法,归一化子带自适应滤波算法也需要在快的收敛速度和低的稳态误差间权衡。在辨识稀疏未知系统时收敛速度会明显减慢,且当遇到脉冲干扰时,性能会出现严重退化。鉴于此,本文对归一化子带自适应滤波算法中存在的这些问题,提出了一些改进方法。针对归一化子带自适应滤波算法需要在收敛速度和稳态误差间折中的问题,将两个独立的具有不同步长的自适应滤波器进行凸组合,提出了具有组合步长的归一化子带自适应滤波算法。并对适用于低信噪比系统的改进的归一化子带自适应滤波算法,通过将子带后验误差信号的方差取代难以直接获得的子带系统噪声的方差,引入了一种变步长方法。针对归一化子带自适应滤波算法遇到脉冲干扰而出现性能退化的问题,利用反正切代价函数对脉冲干扰具有的鲁棒性,提出了两种反正切归一化子带自适应滤波算法,并引入系数成比例方法以改进算法在稀疏脉冲响应下的性能。针对归一化子带自适应滤波算法在辨识稀疏未知系统和受到脉冲干扰会出现性能退化的问题,将归一化对数代价函数和待估计未知向量的L0范数相结合,提出了一种L0范数约束下的归一化对数子带自适应滤波算法。针对归一化子带自适应滤波算法遇到脉冲干扰出现性能退化的问题,利用包含归一化子带误差信号二范数的代价函数和梯度下降法,提出了二范数归一化子带自适应滤波算法,并引入变控制参数以进一步加快其收敛速度。并对定控制参数算法需要在收敛速度和稳态误差间权衡的问题,提出了一种基于指数函数的迭代机制来递归地更新这些控制参数。大量仿真实验表明,这些改进后的算法相较于传统归一化子带自适应滤波算法,具有更快的收敛速度、更低的稳态误差、更好的追踪能力和对脉冲干扰更强的鲁棒性。