第七讲 自适应噪声抵消技术.ppt

微弱信号检测理论及应用7.1噪声抵消系统7.1.1噪声抵消原理基本噪声抵消电路s(t)的功率E[s2(t)]是一定的，当E[z2]的值最小时，表明噪声的功率最小，信噪比最好。显然，当

时，E[z2]的值最小。此时有噪声抵消系统应用的例子7.1.2噪声抵消系统的性能分析u(t)和v(t)的功率谱：

互功率谱：这样可以得到：抵消系统的性能指标几种情况(3)没有独立噪声，但信号混入到噪声信道中。此时：
Hopt(jw)≠F(jw)
混入信号的噪声不可以被完全抵消，输出包含有噪声成分；同时输出信号也被抵消部分，产生失真。
输出信噪比和失真度为：7.2自适应噪声抵消自适应噪声抵消原理1横向滤波器2由横向滤波器构成的噪声抵消系统输出z(t)表示为：

其中：输出信号的均方值：

令，

则：权系数的选择应使E[z2]最小。
令：

即，

最佳权矢量应为：3.系统的抵消性能定义：抵消余度

△越小则抵消性能越好，△＝1表示无抵消功能。例：已知系统参数a=b=1，干扰噪声成分n’(t)与干扰噪声之间存在下述的关系n’(t)=n[t-(L-1)t0]。而干扰噪声的自相关函数满足试求各个权系数及抵消余度。7.3自适应算法7.3.1最佳滤波准则7.3.2最小均方自适应滤波算法横向型滤波器结构对于横向型滤波结构，其误差为：
e(n)=d(n)-y(n)
均方误差ε表示为：
ε=E[e2(n)]=E[d(n)-y(n)]2
代入y(n)的表达式，有
ε=E[d2(n)]+WT(n)R(n)W(n)-2WT(n)P
R(n)=x(n)xT(n)是N×N的自相关矩阵，是输入信号采样值间的自相关矩;
P=d(n)x(n)为互相关矢量，代表理想信号d(n)与输入矢量x(n)的相关性。迭代算法简化的LMS算法一、ALMS自适应算法各个权系数按照下式来进行更新：二、HLMS自适应算法各个权系数按照下式来进行更新：7.3.3RLS算法7.4自适应滤波器应用7.4.1消除心电图的工频干扰消除工频干扰7.4.2消除胎儿心电图的干扰胎儿心电图7.4.3自适应回音抵消消除回声7.4.4语音信号的背景噪声消除7.4.5自适应噪声消除器

END