LMS自適應濾波器干擾方法
加入技術交流群
在有用信號S(t)中分別混入高斯白噪聲和設計的干擾信號，分別送入自適應濾波器，對濾波器的輸出時域波形進行分析，從圖4中可以觀察LMS算法對混入信號中干擾與噪聲的濾除效果，并在圖5中比對在有、無干擾作用下自適應濾波器的學習曲線。本文引用地址：http://www.104case.com/article/185864.htm
隨迭代次數增多而下降，經過300～400次迭代后趨于穩定。在干擾信號J(t)作用下，如圖5(a)所示，均方誤差不隨迭代次數增多而逐漸減小，而是呈周期性變化，且其平均值較單一高斯噪聲下LMS濾波器的均方誤差大。將干擾信號J(t)和噪聲n(t)疊加后，濾波器的均方誤差同樣不遞減，具體波形見圖5(b)，均方誤差隨迭代運算次數增多變化平緩。
3 結束語
自適應濾波器由于對外界的信號具有適應能力，可根據外界輸入的統計特性實時更新自身結構以實現最小均方誤差濾波，具有一定的抗干擾性能。但也存在諸如依賴于統計平穩信號，收斂性能受制于步長大小，響應的滯后性等缺點。文中針對LMS自適應濾波器的步長適應范圍的局限性，使用兩種統計特性不同的噪聲調幅信號交替工作構成干擾，經過仿真驗證，可發現所設計的干擾信號可有效降低了自適應濾波器的收斂效率，實現一定的干擾效果。利用自適應濾波器收斂的滯后性缺點能否設計出干擾波形還有待于進一步研究。
評論