一种基于LMS的自适应滤波噪声对消系统技术方案

本发明专利技术属于电力工具技术领域，尤其是一种基于LMS的自适应滤波噪声对消系统，现提出以下方案，包括一级自适应噪声对消系统和二级自适应噪声对消系统，所述一级自适应噪声对消系统由信号源、噪声源、自适应滤波器组成，所述二级自适应噪声对消系统：可分级自适应消除高斯白噪声和周期性干扰信号，所述二级自适应噪声对消系统的第一级是两个同时进行处理的周期性干扰分离器，作用是将混合噪声源中的周期性干扰信号分离出来。本发明专利技术通过二级自适应噪声对消系统方案是可行的，最终二级系统输出的波形与原始有用信号是相似的，相比一级自适应噪声对消系统，运行时间明显减少，输出误差明显减小，较为有效地实现的高质量的信号去噪功能。能。能。

【技术实现步骤摘要】
一种基于LMS的自适应滤波噪声对消系统


[0001]本专利技术涉及自适应滤波算法的
，尤其涉及一种基于LMS 的自适应滤波噪声对消系统。

技术介绍

[0002]近年来，随着自适应信号处理理论的发展，自适应滤波算法由于 具有很强的自跟踪和自学习能力而在噪声消除领域得到了广泛的应 用。尤其是Windrow和Hoff在20世纪60年代提出的基于最小均方 误差准则的最小均方误差(LMS)算法由于具有实现简单、计算复杂度 低以及计算量小等优点而在实际应用中备受关注。LMS算法利用最陡 下降法的思想，用梯度的估计值来替代梯度的精确值，沿着梯度估计 的负方向迭代，不断自动调节自身滤波器的抽头系数，最终收敛到维 纳解。
[0003]经典LMS算法由于采用固定步长调节抽头系数，其收敛速率和稳 态误差之间存在着矛盾。当收敛步长较大时，LMS算法拥有较快的收 敛速率，但是与此同时其收敛后的稳态误差很大；而当收敛步长较小 时，算法的稳态误差较小，算法精度较高，但是其收敛速率很慢。

技术实现思路

[0004]基于
技术介绍
中提出的经典LMS算法由于采用固定步长调节抽 头系数，其收敛速率和稳态误差之间存在着矛盾。当收敛步长较大时， LMS算法拥有较快的收敛速率，但是与此同时其收敛后的稳态误差很 大；而当收敛步长较小时，算法的稳态误差较小，算法精度较高，但 是其收敛速率很慢的技术问题，本专利技术提出了一种基于LMS的自适应 滤波噪声对消系统。
[0005]本专利技术提出的一种基于LMS的自适应滤波噪声对消系统，包括一 级自适应噪声对消系统和二级自适应噪声对消系统，所述一级自适应 噪声对消系统由信号源、噪声源、自适应滤波器组成，所述二级自适 应噪声对消系统：可分级自适应消除高斯白噪声和周期性干扰信号， 其中，s(k)是有用信号，混合噪声源中包含了两种典型的噪声，如下 式：
[0006]ξ0(k)＝n0(k)+η0(k)
[0007]ξ1(k)＝n1(k)+η1(k)
[0008]上式中的n0(k)、n1(k)是高斯白噪声，η0(k)、η1(k) 是周期性干扰信号，由于ξ0(k)和ξ1(k)是同一混合噪声源生成的信 号，所以两者具有相关性，它们对应的高斯白噪声和周期性干扰信号 也具有相关性；
[0009]所述二级自适应噪声对消系统的第一级是两个同时进行处理的 周期性干扰分离器，作用是将混合噪声源中的周期性干扰信号分离出 来。并行处理的两个分离器组成相同，即LMS自适应滤波器的各种参 数以及延迟单元的长度选取是一致的。
[0010]优选地，所述二级自适应噪声对消系统的第二级是一个高斯白噪 声抵消器，作用是将上一级输出的两个具有相关性的高斯白噪声进行 抵消，从而输出有用信号，滤波器的
步长和阶数决定着最终系统性能 的优劣：步长越小，收敛速度越慢，但滤波精度却会提高；阶数越大， 系统的性能也就会越好，但也是有限度的增大。
[0011]优选地，所述二级自适应噪声对消系统的高斯白噪声和周期性干 扰滤波器的工作过程如下：从第一级的周期性干扰分离器开始，这里 的输入信号有两部分，一个是由信号源发出的有用信号s(k)，另一 部分是由混合噪声源发出的混合噪声ξ0(k)：
[0012]x0(k)＝s(k)+ξ0(k)＝s(k)+n0(k)+η0(k)
[0013]有用信号和混合噪声输入到周期性干扰分离器中后经过延迟，高 斯白噪声的相关性被去相关，而周期性干扰信号的相关性加强。然后 LMS自适应滤波器通过不断的更新调整自身的参数，使得输出信号是 经估计后的周期性干扰信号，最后经过相减运算，系统最终输出的信 号是：
[0014]y1(k)＝s(k)+n0(k)
[0015]周期性干扰分离器的原理和第一级类似，只不过这里的输入只有 混合噪声源发出的混合噪声ξ1(k)：
[0016]x1(k)＝ξ1(k)＝n1(k)+η1(k)
[0017]混合噪声经过延迟和LMS自适应滤波器之后的输出信号是：
[0018][0019]这个系统总的输出是：
[0020]y2(k)＝n1(k)
[0021]y2(k)＝n1(k)式中的高斯白噪声n1(k)和式y1(k)＝s(k)+n0(k)中的高 斯白噪声n0(k)是具有相关性的，这个条件正好能够满足第二级高 斯白噪声抵消器的适用条件。
[0022]优选地，所述二级自适应噪声对消系统的二级是一个高斯白噪声 抵消器，它有两个输入，分别是第一级中并行操作的两个周期性干扰 分离器的输出信号，可以表示为：
[0023]x0(k)＝y1(k)＝s(k)+n0(k)
[0024]x1(k)＝n1(k)
[0025]当两个输入信号进入高斯白噪声抵消器后，由于有用信号与两个 高斯白噪声都不相关，而两个高斯白噪声又是互相关的，所以经过基 于LMS算法的自适应滤波器后，系统最终滤除了高斯白噪声，输出有 用信号：
[0026]y(k)＝s(k)
[0027][0028]由式y(k)＝s(k)可知，已经滤除了高斯白噪声和周期性干扰信号， 最终实现了输出有用信号的目的，这就是二级自适应噪声对消系统的 工作过程，接下来通过仿真形式验证该系统的性能与有效性。
[0029]优选地，所述二级自适应噪声对消系统的第一级是两个同时进行 处理的周期性干扰分离器，第二级是一个高斯白噪声抵消器。
[0030]优选地，所述二级自适应噪声对消系统的的第一级的输入信号是 被两种典型噪声污染之后的有用信号，第二级的输入信号是混合噪 声，这里的系统输出信号是高斯白噪声，而LMS自适应滤波器输出信 号是周期性干扰信号。
[0031]优选地，所述一阶自适应噪声对消系统的步长不是越小越好，步 长越小虽然滤波
效果更好，但滤波速度也会下降；滤波器的阶数也不 能太大。
[0032]本专利技术中的有益效果为：
[0033]该一种基于LMS的自适应滤波噪声对消系统，通过二级自适应噪 声对消系统方案是可行的，最终二级系统输出的波形与原始有用信号 是相似的，相比一级自适应噪声对消系统，运行时间明显减少，输出 误差明显减小，较为有效地实现的高质量的信号去噪功能，针对一级 自适应噪声对消系统的对先验信息获取不足、级数增加、步长减小使 得算法效率降低等不足，本文设计实现了二级自适应噪声对消系统。 它可以消除叠加在有用信号上的常见的高斯白噪声和周期性干扰信 号，并且可以减少级数、增加步长，提高算法运行速度，减少系统误 差。
[0034]该装置中未涉及部分均与现有技术相同或可采用现有技术加以 实现。
附图说明
[0035]图1为本专利技术提出的一种基于LMS的自适应滤波噪声对消系统的 一级自适应噪声对消系统；
[0036]图2为本专利技术提出的一种基于LMS的自适应滤波噪声对消系统的 基于LMS算法的一级自适应噪声对消系统；
[0037]图3为本专利技术提出的一种基于LMS的自适应滤波噪声对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于LMS的自适应滤波噪声对消系统，包括一级自适应噪声对消系统和二级自适应噪声对消系统，其特征在于，所述一级自适应噪声对消系统由信号源、噪声源、自适应滤波器组成，所述二级自适应噪声对消系统：可分级自适应消除高斯白噪声和周期性干扰信号，其中，s(k)是有用信号，混合噪声源中包含了两种典型的噪声，如下式：ξ0(k)＝n0(k)+η0(k)ξ1(k)＝n1(k)+η1(k)上式中的n0(k)、n1(k)是高斯白噪声，η0(k)、η1(k)是周期性干扰信号，由于ξ0(k)和ξ1(k)是同一混合噪声源生成的信号，所以两者具有相关性，它们对应的高斯白噪声和周期性干扰信号也具有相关性；所述二级自适应噪声对消系统的第一级是两个同时进行处理的周期性干扰分离器，作用是将混合噪声源中的周期性干扰信号分离出来,并行处理的两个分离器组成相同，即LMS自适应滤波器的各种参数以及延迟单元的长度选取是一致的。2.根据权利要求1所述的一种基于LMS的自适应滤波噪声对消系统，其特征在于，所述二级自适应噪声对消系统的第二级是一个高斯白噪声抵消器，作用是将上一级输出的两个具有相关性的高斯白噪声进行抵消，从而输出有用信号，滤波器的步长和阶数决定着最终系统性能的优劣：步长越小，收敛速度越慢，但滤波精度却会提高；阶数越大，系统的性能也就会越好，但也是有限度的增大。3.根据权利要求1所述的一种基于LMS的自适应滤波噪声对消系统，其特征在于，所述二级自适应噪声对消系统的高斯白噪声和周期性干扰滤波器的工作过程如下：从第一级的周期性干扰分离器开始，这里的输入信号有两部分，一个是由信号源发出的有用信号s(k)，另一部分是由混合噪声源发出的混合噪声ξ0(k)：x0(k)＝s(k)+ξ0(k)＝s(k)+n0(k)+η0(k)有用信号和混合噪声输入到周期性干扰分离器中后经过延迟，高斯白噪声的相关性被去相关，而周期性干扰信号的相关性加强。然后LMS自适应滤波器通过不断的更新调整自身的参数，使得输出信号是经估计后的周期性干扰信号，最后经过相减运算，系统最终输出的信号是：y1(k)＝...

【专利技术属性】
技术研发人员：王春丽，王煜翔，赵飞艳，李亚红，黄海燕，王全宇，彭冷媚，于红伟，王成斌，
申请(专利权)人：兰州交通大学，
类型：发明
国别省市：