推荐星级：
- 1
- 2
- 3
- 4
- 5
LMS及RLS自适应干扰抵消算法的比较
资料介绍
自适应信号处理的理论和技术经过40多年的发展和完善，已逐渐成为人们常用的语音去噪技术，我们知道，在目前的移动通信领域中，克服多径干扰，提高通信质量是一个非常重要的问题，特别是当信道特性不固定时，这个问题就尤为突出，而自适应滤波器的出现，则完美的解决了这个问题。另外语音识别技术很难从实验室走向真正应用很大程度上受制于应用环境下的噪声。白适应滤波的原理就是利用前一时刻已获得的滤波参数等结果，自动地调节现时刻的滤波参数，从而达到最优化滤波。白适应滤波具有很强的自学习、自跟踪能力，适用于平稳和非平稳随机信号的检测和估计。白适应滤波一般包括3个模块：滤波结构、性能判据和自适应算法。其中，自适应滤波算法一白是人们的研究热点，包括线性自适应算法和非线性自适应算法，非线性自适应算法具有更强的信号处理能力，但计算比较复杂，实际应用最多的仍然是线性自适应滤波算法，线性自适应滤波算法的种类很多，有RLS自适应滤波算法、LMS自适应滤波算法、变换域自适应滤波算法、仿射投影算法、共扼梯度算法等1其中最小均方（Least Mean Square，LMS）算法和递归最小二乘（Recursive Least Square，RLS）算法就是两种典型的自适应滤波算法，它们都具有很高的工程应有价值。本文正是想通过这与我们生活相关的问题，对简单的噪声进行消除，更加深刻地了解这两种算法。我们主要分析了下LMS算法和RLS算法的基本原理，以及用程序实现了用两种算法自适应消除信号中的噪声。通过对这两种典型自适应滤，算法的性能特点进行分析及仿真实现，给出了这两种算法性能的综合评价.
部分文件列表
| 文件名 | 大小 |
| LMS及RLS自适应干扰抵消算法的比较.pdf | 3M |
全部评论(0)