【導(dǎo)讀】限制的這一情況。在各種各樣的實(shí)際運(yùn)用環(huán)境中，自適應(yīng)濾波器均可以為各種。中它的性能通常比用普通方法設(shè)計(jì)的固定濾波器好。適應(yīng)方法所不具備的與眾不同的信號(hào)處理能力。其次通過(guò)自適應(yīng)濾波器在MATLAB軟件中利用其特性和工作原理對(duì)噪聲。根據(jù)最小均方算法的特點(diǎn),我們可以在MATLAB環(huán)境中進(jìn)行。理論剖析和仿真實(shí)驗(yàn)結(jié)果闡明,根據(jù)現(xiàn)實(shí)要求所設(shè)計(jì)的自適應(yīng)濾波器擁有跟。蹤學(xué)習(xí)能力迅速、收斂性能好、穩(wěn)態(tài)誤差小等優(yōu)點(diǎn)。

　　

【正文】 5rad/s，處理 結(jié)果如圖八所示 安徽三聯(lián)學(xué)院畢業(yè)論文 19 圖八 LMS 自適應(yīng)濾波器傳遞函數(shù)的幅頻特性和相頻特性 安徽三聯(lián)學(xué)院畢業(yè)論文 20 圖九 Cxx 矩陣曲線 通過(guò)仿真實(shí)驗(yàn)，我們了解到影響自適應(yīng)算法在濾波器中性能好壞的幾個(gè)因素有：收斂速度、穩(wěn)態(tài)失調(diào)誤差和計(jì)算復(fù)雜程度。在這些因素當(dāng)中，選擇什么條件的步長(zhǎng)因子對(duì)收斂速度和穩(wěn)態(tài)失調(diào)誤差有著十分重大影響。它們?nèi)咴贚MS 算法中的關(guān)系可以描述為：收斂速度和步長(zhǎng)因子成反比例的關(guān)系，穩(wěn)態(tài)失調(diào)誤差和步長(zhǎng)因子成正比例的關(guān)系。但是在理論和現(xiàn)實(shí)情況中， LMS算法均不能同時(shí)滿足收斂速度和穩(wěn)態(tài) 失調(diào)誤差兩者之間的要求，所以在設(shè)計(jì)自適應(yīng)濾波器時(shí)，對(duì)于步長(zhǎng)因子或?qū)嵱眯院玫?LMS 算法的選擇是十分必要的，需要慎重對(duì)待。 安徽三聯(lián)學(xué)院畢業(yè)論文 21 致謝 自 2020 年 12 月份以來(lái)，經(jīng)過(guò)幾個(gè)月堅(jiān)持不懈地奮斗，終于將這篇論文完成了。在論文的撰寫(xiě)過(guò)程當(dāng)中，總是會(huì)遇到各種各樣的問(wèn)題，其中理論知識(shí)的缺乏和模擬程序的編輯問(wèn)題尤為嚴(yán)重。每當(dāng)這時(shí)候我的指導(dǎo)老師和同學(xué)都會(huì)給予我無(wú)私的幫助，使我順利解決了遇到的問(wèn)題。在這里首先感謝老師，他是我的指導(dǎo)老師，在論文撰寫(xiě)期間，他給我指明了論文的寫(xiě)作方向，讓我重新樹(shù)立了學(xué)習(xí)的目標(biāo)。每一個(gè)階段老師都會(huì)通 知我們?cè)撟瞿切┦?，并且?huì)對(duì)論文的撰寫(xiě)進(jìn)程進(jìn)行跟蹤。如果說(shuō)我們是水手，那么老師就是船長(zhǎng)，他把握著總體前進(jìn)方向。老師敬業(yè)的品質(zhì)、對(duì)學(xué)生負(fù)責(zé)的態(tài)度、平易近人的相處態(tài)度對(duì)我有著重要的影響。在此，謹(jǐn)向老師表示崇高的敬意和衷心的感謝 ! 同時(shí)在這里也必須感謝我所遇到的同學(xué)和朋友，是他們的安慰和支持讓在我徘徊沮喪時(shí)，使我重拾信心。每當(dāng)在寫(xiě)作過(guò)程中碰到困難時(shí)，我總是很煩躁，這時(shí)他們都會(huì)給我良好的建議并為我提供有效的解決方法。由于我的專(zhuān)業(yè)知識(shí)有限，所以本論文寫(xiě)得不是很專(zhuān)業(yè)，難免存在諸多的缺陷，在此衷心請(qǐng)求各位老師加以批評(píng)和指正 ! 安徽三聯(lián)學(xué)院畢業(yè)論文 22 參考文獻(xiàn) [1]朱芳 .用 MATLAB設(shè)計(jì)自適應(yīng)低通濾波器 [J].吉林水利學(xué)報(bào)， 2020,5（ 5）： 3538。 [2]互聯(lián)網(wǎng)數(shù)據(jù)，數(shù)字信號(hào)處理講義 —— 第七章 濾波器的設(shè)計(jì)方法， 20201003 [3]黃振遠(yuǎn) ,朱劍平 . 自適應(yīng)濾波 LMS 類(lèi)算法探究 [J] . 現(xiàn)代電子技術(shù) , 2020 , 24: 52 54 [4]王亞林， LMS自適應(yīng)濾波器的算法原理及其 DSP仿真實(shí)現(xiàn) .科技信息， 2020 [5]互聯(lián)網(wǎng)數(shù)據(jù)，基于 LMS自適應(yīng)濾波器的設(shè)計(jì)與實(shí)現(xiàn)， 20200614 [6]劉崧，變換域自適應(yīng)濾波器算法研究， 2020 [7]王沖，郭瑞，馬丹，應(yīng)用 MATLAB 促進(jìn)面向聯(lián)合辦學(xué)學(xué)生的高等數(shù)學(xué)教育，長(zhǎng)春師范學(xué)院學(xué)報(bào)， 2020 [8]何振亞．自適應(yīng)信號(hào)處理 [M]．北京：科學(xué)出版社， 2020． [9]葉永生，余容桂 . 一種新的自適應(yīng)最小均方算法及其應(yīng)用研究 [J]. 電測(cè)與儀表， 2020 [10]馮炳樞，羅飛，許玉各，等 . 基于 LMS算法自適應(yīng)濾波器信息采集 系統(tǒng)設(shè)計(jì) [J].計(jì)算機(jī)工程， 2020 [11]沈福民 .自適應(yīng)信號(hào)處理 [M].西安電子科技大學(xué)出版社， 2020:1146 [12]張亞妮 .基于 MATLAB 的數(shù)字濾波器設(shè)計(jì) [J].遼寧工程科技大學(xué)學(xué)報(bào)， 2020,24（ 5） [13]王海峰，陳偉，黃秋元 .基于 LMS算法的自適應(yīng)噪聲抵消器的分析研究 [J].計(jì)算機(jī)與數(shù)學(xué)工程， 2020,37（ 3） [14]賀寬，黃濤 .基于 MATLAB的自適應(yīng)濾波器設(shè)計(jì) [J].武漢理工大學(xué)學(xué)報(bào)， 2020,30（ 1） [15]羅軍輝，羅勇江，白衣臣 . 在數(shù)字信號(hào)處理中的應(yīng)用 [M].北京 :機(jī)械工業(yè)出版社， 2020 [16]榮雅君，楊秋霞 .自適應(yīng)濾波器的設(shè)計(jì)及其應(yīng)用 [J].河北 大學(xué)學(xué)報(bào)， 2020,23（ 3） [17]杜培宇 .基于自適應(yīng)濾波器的噪聲抑制技術(shù)研究 [D].山東大學(xué)出版社， 2020 安徽三聯(lián)學(xué)院畢業(yè)論文 23 [18]Alexander S Signal processing and Application[M]. New York:Springer Verlag,2020 [19]Gan stepsize adjustment of the LMS algorithm[M]. Signal processing,1996 [20]張威 .MATLAB基礎(chǔ)與 編程入門(mén)（第二版） .西安電子科技大學(xué)出版社， 2020 安徽三聯(lián)學(xué)院畢業(yè)論文 24 附錄 仿真程序如下： N=1000。采樣頻率 n=200。%濾波器階數(shù) k=12。 Ts=1e1 b=*randn(1,N)。%噪聲信號(hào)，產(chǎn)生隨機(jī)數(shù) for i=1:N xr(1,i)=sin(k*2*pi*i/N)。%原始信號(hào) x(1,i)=xr(1,i)+b(i)。%混合信號(hào) End Cxx=10000*eye(n)。%輸入信號(hào) xr的自相關(guān)轉(zhuǎn)制矩陣，大?。?1,n），對(duì)角陣 g=zeros(N,n)。% 自適應(yīng)增益行向量，大 小（ 1， n） h=zeros(N,n)。% 自適應(yīng)濾波器系數(shù)行向量，大小（ 1,n） e=zeros(1,N)。% 先驗(yàn)誤差 y=zeros(1,N)。 tr=zeros(1,N)。 for i=n+1:N g(i,:)=(Cxx*x(in+1:i)39。./(1+x(in+1:i)*Cxx*x(in+1:i)39。))39。 e(1,i)=xr(i)h(i1,:)*x(in+1:i)39。 h(i,:)=h(i1,:)+e(1,i)*g(i,:)。 Cxx=Cxxg(i,:)39。*x(in+1:i)*Cxx。 y(1,i)=h(i,:)*x(in+1:i)39。 tr(1,i)=trace(Cxx)。 end figure(1) plot(0:Nn,x(1,n:N)),grid title(39。x(k) input singnal in V39。) 安徽三聯(lián)學(xué)院畢業(yè)論文 25 xlabel(39。Samples39。) Figure(2) plot(0:Nn,xr(1,n:N),39。r39。),grid axis([0 800 ]) title(39。xr(k) reference singnal in V39。) xlabel(39。Samples39。) figure(3) plot(0:Nn,e(1,n:N)),hold on plot(0:Nn,y(1,n:N),39。r39。),hold on grid title(39。e(k) error and y(k) output in V39。) xlabel(39。Samples39。) figure(4) plot(0:Nn,h(n:N,1)),hold on plot(0:Nn,h(n:N,2),39。r39。),hold off grid title(39。a(n1) and a(n2) coeffcients evolution39。) xlabel(39。Samples39。) figure(5) num1=fliplr(h(N,:))。 sys1=tf(num1,1,Ts)。 bode(sys1),hold off title(39。Synthesized filter39。) xlabel(39。Frequency in rad/s39。) ylabel(39。Phase in degree。Module in dB39。) 安徽三聯(lián)學(xué)院畢業(yè)論文 26 figure(6) semilogy(0:Nn,tr(n:N)),grid title(39。Cxx matrix trace39。) xlabel(39。Samples39。) 安徽三聯(lián)學(xué)院畢業(yè)論文 27