线性自适应滤波算法综述
04-30
线性自适应滤波算法综述
摘要:分析了最小均方误差滤波和基于最小二乘准则滤波算法、变换域自适应滤波算法、仿射投影算法、共轭梯度算法、基于子带分解的自适应滤波算法、基于QR分解的自适应滤波算法优缺点,并对自适应滤波算法的发展进行了展望。
关键词:自适应滤波算法 最小均方误差算法 最小二乘算法 变换域 仿射投影 共轭梯度 子带分解
随着信号处理理论和技术的迅速发展,自适应信号处理理论和技术已经发展成为这一领域的一个新分支,并且在通信、雷达、声纳、地震学、导航系统、生物医学和工业控制等领域获得越来越广泛的应用。对自适应滤波算法的研究是当今自适应信号处理中最为活跃的研究课题之一。
1 变步长自适应滤波算法
最小均方误差LMS算法最早由Widrow和Hoff于20世纪60年代提出,由于其结构简单,性能稳定,计算复杂度低,便于硬件实现等特点,一直是自适应滤波经典算法之一。LMS算法的优点是结构简单,鲁棒性强,其缺点是收敛速度很慢。固定步长的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的要求是相互矛盾的。为了克服这一矛盾,人们提出了许多变步长自适应滤波算法。Yasukawa等[1]提出了使步长因子正比于误差信号的大小。