通信中的自适应噪声抵消方法研究

论文摘要

信号在通信系统中传输时会受到各种噪声或干扰的污染,如何有效地从受到污染的信号中提取有用信号始终是通信技术中迫切需要解决的问题。通常的做法是让受到污染的信号经过一个滤波器,旨在抑制噪声或干扰而保留有用信号。这种滤波器分为经典滤波器和现代滤波器,经典滤波器的特点是输入信号的有用频率成分和希望滤除的频率成分各占有不同的频带,通过一个合适的选频滤波器达到滤波的目的;现代滤波器的特点是可以对干扰和信号的频带相互重叠的情况下进行有效的滤波,如维纳滤波器、卡尔曼滤波器、自适应滤波器等。本文对通信系统中的噪声进行了简要的介绍,分析研究了自适应滤波器的基本原理、自适应噪声抵消系统的基本原理、衡量自适应噪声抵消系统的技术指标、噪声相关性对自适应噪声抵消系统的影响及自适应滤波器的性能对自适应噪声抵消系统的影响。重点介绍了LMS算法,分析研究了定步长LMS(Least Mean Square)算法、归一化LMS算法、引入动量项的LMS算法、基于Sigmoid函数的LMS算法等算法的优缺点,并在此基础上提出了改进的算法:一种应用于自适应降噪的变步长LMS算法、一种适用于自适应降噪的变步长ELMS算法及一种改进的MLMS算法。通过理论分析说明了改进的算法能更好地解决了收敛速度、跟踪速度和稳态误差之间的矛盾,即具有更强的降噪能力、更快的收敛速度和更小的稳态误差。在MATLAB平台上对以上提到的算法进行了仿真研究,主要包括:(1)算法的降噪能力;(2)自适应滤波器的抽头数和算法步长因子对算法性能及降噪能力的影响;(3)算法的收敛速度、稳态误差等性能指标;(4)改进算法的参数选择。通过仿真对理论分析得出的结论给予了证实。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 研究背景及历史现状
• 1.2 通信系统中的噪声
• 1.3 本论文的主要研究内容及章节安排
• 1.3.1 本论文的主要研究内容
• 1.3.2 本论文的章节安排
• 2 自适应噪声抵消的基本原理
• 2.1 自适应滤波器
• 2.1.1 自适应滤波器的基本原理
• 2.1.2 横向自适应滤波器
• 2.1.3 最陡下降算法
• 2.2 自适应噪声抵消系统的基本原理
• 2.3 自适应噪声抵消系统的性能分析
• 2.3.1 模平方相干函数
• 2.3.2 衡量自适应噪声抵消系统性能的技术指标
• 2.3.3 噪声的相关性与ANC系统的抵消能力
• 2.3.4 自适应滤波器的性能与ANC系统的抵消能力
• 3 自适应算法研究
• 3.1 最小均方LMS算法
• 3.1.1 LMS算法
• 3.1.2 LMS算法的收敛性
• 3.1.3 LMS算法的学习曲线和自适应时间常数
• 3.1.4 LMS算法中的权失调
• 3.2 改进的LMS算法
• 3.2.1 归一化LMS算法（NLMS）
• 3.2.2 引入动量项的LMS算法（MLMS）
• 3.2.3 基于Sigmoid函数的LMS算法（SVSLMS）
• 3.3 本文提出的改进的LMS算法
• 3.3.1 一种应用于自适应降噪的变步长LMS算法
• 3.3.2 一种适用于自适应降噪的变步长ELMS算法
• 3.3.3 一种改进的MLMS算法
• 4 计算机仿真研究
• 4.1 定步长LMS算法的仿真研究
• 4.1.1 滤波器阶数对算法性能影响的仿真研究
• 4.1.2 步长因子对算法性能影响的仿真研究
• 4.2 NLMS算法的仿真研究
• 4.3 引入动量项的LMS算法（MLMS）的仿真研究
• 4.4 基于Sigmoid函数的LMS算法（SVSLMS）的仿真研究
• 4.5 本文提出的改进的变步长LMS算法的仿真研究
• 4.5.1 改进的变步长LMS算法的参数的确定
• 4.5.2 改进的变步长LMS算法的降噪能力仿真研究
• 4.6 本文提出的改进的变步长ELMS算法的仿真研究
• 4.7 本文提出的改进的MLMS算法的仿真研究
• 5 总结与展望
• 5.1 工作总结
• 5.2 工作展望
• 参考文献
• 致谢
• 读研期间主要科研成果