自适应滤波及信号处理

自适应信号处理

自适应信号处理是信号与信息处理领域的重要分支和组成部分，自20世纪五六十年代出现以来，自适应信号处理的理论和技术受到了学术界和许多应用领域的普遍重视。它的研究的内容是以信号与信息自适应处理为主线，包括自适应滤波检测理论和自适应技术应用两大部分。

自适应滤波理论和技术是统计信号处理和非平稳随机信号处理的主要内容，它可以在无需先验知识的条件下，通过自学习适应或跟踪外部环境的非平稳随机变化，并最终逼近维纳滤波和卡尔曼滤波的最佳滤波性能。因而，自适应滤波器不但可以用来检测确定性信号，而且可以检测平稳的或非平稳的随机信号。自适应技术应用包括自适应谱线增强与谱估计方法、自适应噪声干扰抵消技术、自适应均衡技术、自适应阵列处理与波束形成以及自适应神经网络信号处理等内容。

自适应信号处理技术在通信、雷达、声纳、图像处理、地震勘探、工业技术和生物医学等领域有着极其广泛的应用。其中，通信技术的许多最新进展，都与自适应信号处理密切相关，尽管新的信号处理理论和方法层出不穷，但是自适应信号处理仍然以其算法简单、易于实现和无须统计先验知识等独特的优点，成为许多理论与工程实际问题的首选解决方案之一。近年来，随着超大规模集成电路技术和计算机技术的迅速发展，出现了许多性能优异的高速信号处理专用芯片和高性能的通用计算机，为信号处理，特别是自适应滤波器的发展和应用提供了重要的物质基础。另外，信号处理理论和应用的发展，也为自适应滤波理论的进一步发展提供了必要的理论基础。

本章主要介绍目前应用较为广泛的自适应滤波理论与技术，包括维纳滤波、LMS滤波和卡尔曼滤波及其应用。

2.2 维纳滤波

从连续的(或离散的)输入数据中滤除噪声和干扰以提取有用信息的过程称为滤波，而相应的装置称为滤波器。根据滤波器的输出是否为输入的线性函数，可将它分为线性滤波器和非线性滤波器两种。滤波器研究的一个基本课题就是：如何设计和制造最佳的或最优的滤波器。所谓最佳滤波器是指能够根据某一最佳准则进行滤波的滤波器。

20世纪40年代，维纳奠定了关于最佳滤波器研究的基础。即假定线性滤波器的输入为有用信号和噪声之和，两者均为广义平稳过程且知它们的二阶统计特性，维纳根据最小均方误差准则(滤波器的输出信号与需要信号之差的均方值最小)，求得了最佳线性滤波器的参数，这种滤波器被称为维纳滤波器。在维纳研究的基础上，人们还根据最大输出信噪比准则、统计检测准则以及其他最佳准则求得的最佳线性滤波器。实际上，在一定条件下，这些最佳滤波器与维纳滤波器是等价的。因而，讨论线性滤波器时，一般均以维纳滤波器作为参考。

维纳滤波理论用于解决最小均方误差下的线性滤波问题。设接收到(或观测到)的信号为随机信号

(7-1)

其中s(t)是未知的实随机信号，n(t)是噪声。要设计的线性滤波器，其冲击响应为h(t, τ)，

输入为x(t)，输出为，即