论文部分内容阅读
自适应滤波是数字信号处理研究领域的一个重要分支,无需先验知识,可通过自调节过程来适应或者跟踪外界环境中不断变化的不平稳随机信号,最终达到最优滤波性能。目前,该技术在雷达、声纳、通信、地震以及生物医学等方面都有广泛的应用。随着数字信号处理理论的发展和各种应用需求的增多,各种自适应滤波算法层出不穷,稀疏自适应滤波便是其中之一。本文在研究自适应滤波技术及相关算法的基础之上,重点讨论了适用于稀疏系统的系数比例自适应滤波算法,并基于DSP构建一个自适应噪声消除硬件平台。文章采用了理论分析、软件仿真与硬件设计相结合的研究方法。首先,从理论上分析了自适应滤波器的工作原理、组成结构和实际应用。对标准的最小均方算法(LMS,Least Mean Square)和最小二乘算法(RLS,Recursive Least Squares)进行了分析和讨论;针对算法收敛速度与稳态误差之间的矛盾,对归一化LMS算法(NLMS,Normalized Least Mean Square)、简化的LMS算法、改进型变步长LMS算法、成比例系数算法(PNLMS,Proportionate Normalized Least Mean Square)又进行了更深一步的讨论;在研究PNLMS算法的基础上,讨论了IPNLMS(Improved PNLMS)算法及其对于稀疏脉冲响应较好的处理性能。其次,应用MATLAB工具,分别对稀疏系统辨识和实际语音信号的噪声抵消进行了归一化最小均方算法(NLMS)、两种改进的LMS算法、最小二乘算法(RLS)、成比例系数算法(PNLMS)的仿真实验,通过对影响算法的步长、阶数、信噪比等关键参数的调节,分析了仿真实验得出的收敛曲线效果,剖析了其对算法的收敛速度、稳态误差、滤波效果等方面的影响。最后以TI公司的数字信号处理(DSP)芯片TMS320F2812为核心,通过搭建外围电路设计构建了一个基于PNLMS算法的自适应噪声抵消系统,通过测试验证了所设计的算法和硬件系统的有效性。