通信信号自适应滤波处理仿真研究学士学位论文

分类号：TN911 U D C：D10621-408-(2010)1074-0 密 级：公 开 编 号：2006101042 成都信息工程学院 学位 论文 政研论文下载论文大学下载论文大学下载关于长拳的论文浙大论文封面下载 通信信号自适应滤波处理仿真研究 论文作者姓名： 申请学位专业： 申请学位类别： 指导教师姓名（职称）： 论文提交日期： 毕业 设计 领导形象设计圆作业设计ao工艺污水处理厂设计附属工程施工组织设计清扫机器人结构设计 （论文）原创性声明和使用授权说明 原创性声明 本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得 及其它教育机构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。 作 者 签 名：　　 　 　　日　 期：　　 　 　　 ​​​​​​​​​​​​ 指导教师签名：　　 　 　　 日　　期：　　 　 　　 使用授权说明 本人完全了解 大学关于收集、保存、使用毕业设计（论文）的规定，即：按照学校要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。 作者签名：　　 　 　　 日　 期：　　 　 　　 ​​​​​​​​​​​​ 学位论文原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。 作者签名： 日期： 年 月 日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权　　 　 　大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 涉密论文按学校规定处理。 作者签名： 日期： 年 月 日 导师签名： 日期： 年 月 日 通信信号自适应滤波处理仿真 摘 要 随着信号处理学科的迅速发展，自适应信号处理作为一门新的学科分支应运而生，并在诸如通信、雷达、工业控制、地震勘探及生物医学电子学等领域获得愈来愈广泛的应用。近几十年来，在自适应信号处理的理论、方法与应用技术方面的研究已取得了丰硕成果，在推动信息技术的发展和人类文明进步中发挥着重要作用。 本文主要介绍了几种常用的自适应算法，如：LMS，RLS等分别就几种算法在算法原理，算法性能分析和计算机仿真等方面来说明各种算法的优越性。通过围绕算法的优缺点进行比较，得出一些重要结论。最后对自适应信号处理的一些应用作了介绍和分析，并对其进行了仿真。 关键词:自适应算法；自适应滤波；LMS；RLS The Research And Emulation Of Adaptive Filtering Processing For Communication Signal Abstract With the signal processing theory and technology disciplines the rapid development of adaptive signal processing as a new branch came into being, and such as communications, radar, industrial control, seismic exploration and biomedical fields, such as electronics Yu Lai the more widely used. In recent decades, in adaptive signal processing theory, method and application technology research has achieved fruitful results in promoting information technology development and progress of human civilization to play an important role. This paper introduces several commonly used algorithms, such as: LMS, RLS etc. Through the principle of adaptive algorithm analysis and simulation, we illustrate the various aspects of the adaptive algorithm’s superiority. And through the comparing of their advantages and disadvantages, we could draw some important conclusions for different algorithm. Finally, some applications of the adaptive signal processing are introduced and analyzed via simulation. Keywords: Adaptive signal processing；Adaptive filter；LMS；RLS 目 录 论文总页数：23页 1引言 1 1.1自适应滤波研究的内容 1 1.2自适应滤波器的基本原理 2 1.3基本自适应算法 2 1.4 仿真软件---Matlab语言简单介绍 3 2 基本自适应算法的分析与Matlab仿真 3 2.1 算法原理 3 2.2 自适应算法： 4 2.2.1 LMS自适应滤波器基本原理 4 2.2.2 E[e2(n)]与权值W的关系 4 2.2.3 LMS算法推导 5 2.2.4 LMS算法的参数分析及流程 6 2.2.5 LMS算法的仿真分析 7 2.3 递推最小二乘(RLS)算法 9 2.3.1 最小二乘法 9 2.3.2 递推最小二乘(RLS)算法 9 2.3.3 RLS算法的参数分析及流程 11 2.3.4 RLS算法的仿真分析 12 2.4 LMS与RLS算法比较 14 3自适应信号处理的应用-------自适应均衡及Matlab仿真 15 3.1自适应均衡技术的发展背景 15 16 3.2 自适应均衡的基本原理 3.3自适应均衡器的实现 16 3.4自适应均衡器的Matlab仿真 17 结束语 20 参考文献 21 致 谢 22 声 明 23 通信信号自适应处理仿真研究 1引言 最近十几年，自适应信号处理学科获得了迅速的发展，其应用已遍及各重要工业部门。可以说，地震勘探、雷达、声纳、移动通信、生物医学和生物信息、语音信号处理等的发展为自适应信号处理学科提供了急迫的应用需求和辽阔的应用沃土，大大刺激了自适应信号处理理论与技术的发展。反过来，自适应信号处理的新理论、新方法和新技术的发展又有力地推动和促进了上述工业部门和领域的技术进步。概而言之，自适应信号处理由于理论性和实践性都很强，已成为电子、通信、自动化、电机、机械工程、生物医学和生物信息、海洋或水声工程等核心技术之一。 本文主要研究的是自适应信号处理中一些基本的算法，如：LMS，RLS等。在学习和总结前面的工作基础上，对各种算法进行了详细的推导，分析了它们的特点及性能，诸如稳态特性，收敛条件及参数的取值。对其中的两个基本算法LMS和RLS算法在收敛性和稳定性进行了分析比较，并用matlab仿真得到验证。最后对自适应处理的一些应用作了简要说明，如：噪声对消，信道均衡，线性预测及陷波器等，并对其进行了仿真。 1.1 自适应滤波研究的内容 自适应滤波是近30年以来发展起来的一种最佳滤波方法。它是在维纳滤波、卡尔曼滤波等线性滤波基础上发展起来的一种最佳滤波方法。由于它具有更强的适应性和更优的滤波性能。从而在工程实际中，尤其在信息处理技术中得到广泛的应用。     自适应滤波的研究对象是具有不确定的系统或信息过程。“不确定”是指所研究的处理信息过程及其环境的数学模型不是完全确定的。其中包含一些未知因数和随机因数。任何一个实际的信息过程都具有不同程度的不确定性，这些不确定性有时表现在过程内部，有时表现在过程外部。从过程内部来讲，描述研究对象即信息动态过程的数学模型的结构和参数是我们事先不知道的。作为外部环境对信息过程的影响，可以等效地用扰动来表示，这些扰动通常是不可测的，它们可能是确定的，也可能是随机的。此外一些测量噪音也是以不同的途径影响信息过程。这些扰动和噪声的统计特性常常是未知的。面对这些客观存在的各种不确定性，如何综合处理信息过程，并使某一些指定的性能指标达到最优或近似最优，这就是自适应滤波所要解决的问题。 1.2自适应滤波器的基本原理 自适应滤波器由两部分组成，一是滤波器结构，二是调整滤波器系数的自适应算法。其利用前一时刻以获得的滤波器参数的结果，自动地调节现时刻的滤波器参数，以适应信号和噪声未知的或随时间变化的统计特性，从而实现最优滤波。自适应滤波器实质上就是一种能调节其自身传输特性以达到最优的维纳滤波器。自适应滤波器不需要关于输入信号的先验知识，计算量小，特别适用于实时处理。由于无法预先知道信号和噪声的特性或者它们是随时间变化的，仅仅用FIR和IIR两种具有固定滤波系数的滤波器无法实现最优滤波。在这种情况下，必须设计自适应滤波器，以跟踪信号和噪声的变化。 自适应噪声抵消系统的核心是自适应滤波器，自适应算法对其参数进行控制，以实现最佳滤波。不同的自适应滤波器算法，具有不同的收敛速度、稳态失调和算法复杂度。根据自适应算法是否与滤波器输出有关，可将其分成开环算法和闭环算法两类。自适应噪声抵消器中利用了输出反馈，属于闭环算法。其优点是能在滤波器输入变化时保持最佳的输出，而且还能在某种程度上补偿滤波器元件参数的变化和误差以及运算误差。但其缺点是存在稳定性问题以及收敛速度不高。所以探讨如何提高收敛速度、增强稳定性以满足信号处理的高效性、实时性，一直是人们研究的重点和热点。本文基于自适应均衡对比研究了两类基本的自适应算法，并对它们在分离周期信号和随机噪声中呈现的滤波性能进行了分析。 1.3基本自适应算法 这里主要介绍LMS，RLS，NLMS三种基本算法。 LMS算法是最被广泛应用的滤波器演算法，最大的特点就是计算量小，易于实现。基于最小均方误差准则，LMS算法使滤波器的输出信号与期望输出信号之间的均方误差最小。运算过程不需要对相关函数及复杂的反矩阵做运算，所以经 常拿来用作比较的基准。 LMS算法为了便于其实现，采用误差输出模的瞬时平方值(即瞬时功率) 的梯度来近似代替均方误差 的梯度。实际上我们可以直接考察一个由平稳信号输入的自适应系统在一段时间内输出误差信号的平均功率，即把平均功率达到最小作为测量自适应系统性能的准则，这就是RLS算法。换句话说，LMS算法是将输出误差信号的平均平方值 最小化，而RLS算法是将输出误差信号平方值总和最小化。虽然RLS算法复杂度和阶数平方成正比，但是由于它的收敛速度快，所以仍然受到广泛的应用。 为克服常规的固定步长LMS自适应算法在收敛速率，跟踪速率与权失调噪声之间的要求上存在的较大矛盾，许多学者提出了各种各样的改进型LMS算法。比如归一化LMS，基于瞬变步长LMS以及基于离散小波变换的LMS自适应滤波算法。这里我们讨论归一化的LMS算法，即NLMS算法。 以上这些算法主要特点是不需要离线方式的梯度估值或者重复使用样本数据，而只需在每次迭代时对数据作“瞬时”梯度估计。因此自适应过程中的迭代比较简单，收敛速度比较快。 1.4 Matlab语言介绍 本文的算法仿真采用了MATLAB语言。MATLAB是Mathworks公司于20世纪80年代推出的数值计算软件，近些年来得到了广泛的应用。MATLAB的全称是Matrix Laboratory，意思是矩阵实验室。它是以矩阵运算为基础的新一代程序语言。与Fortran和C相比，MATLAB语句显得简单明了，更加符合人们平常的思维习惯。同时，MATLAB有着良好的数据可视化功能，能将数字结果以图形的方式表现出来，让人们一目了然。这些特点使得MATLAB从众多数值计算语言中脱颖而出，并正以相当快的速度在科学研究和工程计算中得到应用和普及。 MATLAB有着非常强大的数值计算能力，它以矩阵为基本单位进行计算，数域扩展到复数，这一特点决定了MATLAB有着非凡的解决数值问题的能力。绘图方面，MATLAB的绘图语句简单明了，功能齐全。它能够在不同坐标系里绘制二维、三维图形，并能够用不同颜色和线型来描绘曲线。正是由于MATLAB这些特点，从而使它适合与进行自适应算法仿真。 2 基本自适应算法的分析与Matlab仿真 2.1 算法原理 图1 自适应滤波器原理框图 2.2 自适应算法： 根据自适应算法的优化准则的不同，自适应滤波算法可分为两类最基本的算法：最小均方(LMS)算法和递推最小二乘(RLS)算法。 2.2.1　LMS自适应滤波器基本原理 SHAPE \* MERGEFORMAT 图2 LMS自适应滤波器原理框图 图2中，x(n)表示时刻 的输入信号，y(n)表示时刻 的输出信号，d(n)表示时刻 的参考信号或期望响应信号，e(n)表示时刻 的误差信号。误差信号为期望响应信号d(n)与输出信号y(n)之差，记为e(n)=d(n)-y(n)。自适应滤波器的系统参数受误差信号控制，并根据e(n)的值而自动调整，使之适合下一时刻 的输入x(n+1)，以使输出信号y(n+1)更加接近期望信号d(n+1)，并使误差信号e(n+1)进一步减小。当均方误差 达到最小值时，y(n)最佳地逼近d(n)，系统已经适应了外界环境。 2.2.2　E[e2(n)]与权值W的关系 LMS自适应滤波器通过算法，当 最小时，滤波器已经调节出适合现在外部环境的滤波器权值W。 (1)我们可以先推导出 与加权系数W的关系式。 写成矩阵形式： 式(2.2.2.1) 误差： EMBED \* MERGEFORMAT 式(2.2.2.2) 则 式(2.2.2.3) 令 带入式(2.2.2.3)中得 EMBED \* MERGEFORMAT 式(2.2.2.4) 可以从上式看出均方误差 是加权系数W二次函数，它是一个中间上凹的超抛物形曲面，是具有唯一最小值的函数。即 与W系在几何上是一个“碗形”的多维曲面。为了简单，设W是一维的，则 与W的关系成为一个抛物线。调节加权系数W使均方误差最小，相当于沿抛物形曲面下降到最小值。连续地调节加权系数使均方误差最小，即寻找“碗”的底点,即 点。 2.2.3 LMS算法推导 最小均方差（LMS）算法，即权系数递推修正达到最佳权系数 是依据最小均方算法。最陡下降法（Steepest Descent Method）是LMS算法的基础，即下一时刻权系数矢量 应该等于“现时刻”权系数矢量 加上一项比例为负的均方误差函数的梯度 ，即 式（2.2.3.1） 其中 为 式（2.2.3.2） 为控制收敛速度与稳定性的数量常数，称为收敛因子或自适应常数。式（2.2.3.1）中第二项前的负号表示当梯度值为正时，则权系数应该小，以使 下降。根据式（2.2.3.1）的递推算法，当权系数达到稳定时，一定有 ，即均方误差达到极小，这时权系数一定达到所要求的最佳权系数 。LMS算法有两个关键：梯度 的计算以及收敛因子 的选择。按（2.2.3.2）计算 时，要用到统计量G，P，因此有很大困难，故通常用一种粗糙，但却有效的方法，就是 用 代替，即 式（2.2.3.3） 式（2.2.3.3）的含义是指单个误差样本的平方 作为均方误差 的估计值，从而使计算量大大减少。从而最终可以推出权系数迭代的LMS算法为： 式（2.2.3.4） 为输入样本向量，只要给定系数迭代的初值 ，根据上式可以逐步递推得到最佳权系数，并计算出滤波器误差输出 。下图为LMS算法的流程图： SHAPE \* MERGEFORMAT 图3 LMS算法的流程图 2.2.4 LMS算法的参数分析及流程 LMS算法所用到计算式如下： 系统输出： 式（2.2.4.1） 误差估计： 式（2.2.4.2） 权值更新： 式（2.2.4.3） 其中 为信号输出， 为输入向量， 为误差值， 为权值向量， 为期望值， 为步长。在LMS算法中步长值 的取舍问题非常重要，直接影响了算法的收敛速度。 值是用来调整加权参数的修正速度，若 值取得过小，收敛速度就会过于缓慢，当取得过大时，又会造成系统收敛的不稳定，导致发散。所以选取最佳的 值是LMS算法中一个重要的问题。具体收敛条件可由下面的式子分析得出： 式（2.2.4.4） 式（2.2.4.5） 式（2.2.4.6） 式（2.2.4.7） 式（2.2.4.8） 可以以得出收敛条件 及 式（2.2.4.9） 其中 是输入相关矩阵 的最大特征值。 算法流程： 步骤一：初始化： 步骤二：更新： 滤波： ； 式（2.2.4.10） 误差估计： ； 式（2.2.4.11） 权向量更新： ； 式（2.2.4.12） 2.2.5 LMS算法Matlab仿真分析 图4中，输入采用正弦波信号加上高斯白噪声，该输入通过仿真系统后，可见输出信号在经过自适应滤波器后再经过一段训练时间误差基本趋于收敛，即外界信号已经完成自适应过程，滤波器已经将权值调节至最佳，可以输出得到所期望的有用信号。在之后的图中的均方误差曲线中，也可以看出该效果，误差输出仅在开始时刻起伏较大，经过一段时间后则趋于稳定。 图4μ=0.001正弦波信号 图5 μ=0.005正弦波信号 前文中已讨论过步长 对系统收敛的影响，图4，图5为分别取 =0.001和 =0.005，采用相同的输入信号，所得出的均方误差曲线。 通过图4，图5的对比，当从 =0.005下降到 =0.001时，可以得出，步长减小，误差也会相应减小，但收敛速度变慢，应对实际应用中的某些需求，只能以牺牲收敛速度为代价来获得更高的精度。 以上就是围绕对LMS算法的分析，着重讨论了算法的实现及算法中重要参数 的选择问题。 2.3 递推最小二乘(RLS)算法 2.3.1 最小二乘法 设已知n个数据 ，…， ，…， ，利用图6所示的滤波器结构来估计期望信号 ，…， ，…， 。对 的估计可表示成 式(2.3.1.1) 估计误差 - 式(2.3.1.2) 根据最小二乘法， (n)的最佳值应该使下列累计平方误差性能函数为最小 式(2.3.1.3) 其中0< <1， 称为遗忘因子。使用前加窗法，只用 的前 个误差，则 式(2.3.1.4) 前加窗法最小二乘性能函数为 式(2.3.1.5) 其中 引入m维矢量： 式(2.3.1.6) 而 维矩阵： 式(2.3.1.7) 式(2.3.1.8) 的最佳值满足方程 式(2.3.1.9) 从而有 式(2.3.1.10) 最终得到最小二乘算法的最后方程 式(2.3.1.11) 2.3.2 递推最小二乘(RLS)算法 由于最小二乘法的运算量较大，一般不适合实时滤波，采用递推算法可以减少运算量。 由式(2.3.1.1)有 式(2.3.2.1) 根据式2.2.1.7得 式(2.3.2.2) 对矩阵求逆得 式(2.3.2.3) 其中 为一纯量。 矩阵 式(2.3.2.4) N维矢量 ， 为增益系数 式(2.3.2.5) 由式2.3.2.4和式2.3.2.5逆推式2.3.2.3可得 式(2.3.2.6) 利用式2.3.2.6，就可以用递推的方式求m m维矩阵 的逆，使运算量降低。 式2.3.2.6两端乘以 ，利用式2.3.2.5可得 式(2.3.2.7) 另外，根据式2.2.1.6可得 式(2.3.2.8) 将式2.3.2.4，式2.3.2.6,式2.3.2.8代入式2.3.1.11就可以得到 式(2.3.2.9) 利用式2.3.2.5和式2.3.2.9的最后两项可简化为 ，而式2.3.2.9的前两项中的 即为 。所以由式2.3.2.9可得 式(2.3.2.10) 这即为递推最小二乘(RLS)算法的递推公式。 下图为RLS算法的流程图： 图7 RLS算法的流程图 2.3.3 RLS算法的参数分析及流程 RLS算法具体实现需要以下计算式： ； 式(2.3.3.1) ； 式(2.3.3.2) ； 式(2.3.3.3) = ； 式(2.3.3.4) ； 式(2.3.3.5) 其中 个参数意义与LMS相同，新增个参数意义为 ：反相关矩阵； (n)：增益向量； ：遗忘因子。 在RLS算法中遗忘因子是一个接近1但是小于1的正数，一般来说介于0.95到1之间。使用遗忘因子的目的在于把接近目前时间点的信息乘上越大的权值，而离目前时间点越远的信息乘上越小的权值，也就是说，我们重视较近时间点的信息甚与较远时间点的信息。若等于1，则表示对所有的信息都一样，其权值都是相同的。 算法流程： 初始条件： 式(2.3.3.6) 运算：对n=1, 2, … (1) 取得d (n)，xm (n) (2) 更新增益矢量 式(2.3.3.7) 式(2.3.3.8) (3) 更新滤波器参量 式(2.3.3.9) (4) 更新逆矩阵 式(2.3.3.10) 2.3.4 RLS算法Matlab仿真分析 图8输入信号为随机序列加噪声，通过RLS算法仿真后的系统输出，其中自适应滤波权数为5，迭代2000次。图9为误差曲线。 图8 随机序列加噪声 图9 误差曲线 由图9可见，在较短的时间内，误差曲线便收敛，且趋于平滑，得到一个相对稳定的系统。 图10 信噪比为25dB误差曲线 图11 信噪比为20dB误差曲线 图10与图11为信噪比为25dB和20dB时两者的误差曲线，由图可见在信噪比不同的情况下误差收敛速度不一样，很明显在信噪比大的情况下收敛速度快。 2.4RLS算法与LMS算法的比较分析 RLS算法能够在很短的时间内就趋于收敛，而LMS算法则有一个比较长的渐变过程，所以RLS的跟踪性能要优于LMS，如图12中，LMS算法与RLS的对比可以看出，RLS算法收敛速度要比LMS算法快且误差要小于LMS算法。图中黄色与绿色曲线分别为LMS算法与RLS算法的收敛曲线。 图12 LMS算法与RLS的对比图 但是RLS算法计算复杂程度要比LMS算法高很多，对硬件资源消耗相对较大，因此，在实际应用中LMS算法与RLS算法的应用均比较广泛。 3自适应信号处理的应用-------自适应均衡及Matlab仿真 3.1自适应均衡技术的发展背景 90年代以来，由视频、音频、数据等业务组成的多媒体通信诸如会议电视、远程教学、远程医疗、电子商务等迅速发展。这样一来，通信网络的建设必须兼顾传统业务和新型业务，一个多业务网络是必然的发展趋势。而作为现代通信的一部分，无线通信业务也同样出现了新的需求，各种业务的融合势在必行。 由于无线通信中语音、数据、甚至图像等业务的迅速增长，越来越需要频谱利用率高的无线通信链路。因此我们需要采用多电平调制方式，由于受调制电平数的增加以及发射功率的限制，从而产生了“紧凑的”符号星座图，使接收机对由衰落和噪声引起的信号失真更加敏感。因此，需要采用自适应均衡器，不断根据时变信道的变化调整其参数，恢复发射信号。自适应均衡器是现代数据通信系统中的一个关键设备，它可以最大限度地提高数字通信系统的性能，正如R. D. Gitlin所述数据通信技术的变革可以追溯到六十年代末自适应均衡技术的发现。 在最近的30多年时间内，关于自适应均衡算法的研究一直十分活跃，并且涌现出了各种各样的算法。所有这些算法从自适应模式上可大致分为三种基本模式或者这三种模式的组合:(a)基于训练序列的训练均衡算法;(b)基于判决引导技术的自适应均衡算法；(c)基于盲技术的自适应均衡算法。 在基于训练序列的训练均衡器中，发射机发送训练序列使均衡器收敛，但存在如下的限制: (1)由于存在训练序列，使得通信系统中传输的每一帧数据中有效信息率降低，换句话说，为了达到相同的信息速率，必须增加传输带宽。例如，在GSM系统中，每一个TDMA时隙包含26位训练序列和116位数据信息，开销率高达 22.4%。 (2)对于一个快速时变信道，必须增加训练序列的长度，而且要频繁地发送训练序列，否则很难跟踪上快速时变的信道。 (3)在一个新的通信进程开始之前，为了初始化接收机，必须发送一个训练序列。在点对多点的通信网中(如局域网LAN)，如果一个用户与主服务器的通信中断，为了继续通信，主服务器必须给这个用户发送一个训练序列，这就必须中断其它用户与服务器之间的通信。 3.2 自适应均衡的基本原理 自适应均衡器的工作过程包含两个阶段，一是训练过程，二是跟踪过程。在训练过程中，发送端向接收机发射一组已知的固定长度训练序列，接收机根据训练序列设定滤波器参数，使检测误码率最小。典型的训练序列是伪随机二进制信号或一个固定的波形信号序列，紧跟在训练序列后面的是用户消息码元序列。接收机的自适应均衡器采用递归算法估计信道特性，调整滤波器参数，补偿信道特性失真，训练序列的选择应满足接收机均衡器在最恶劣的信道条件下也能实现滤波器参数调整，所以训练序列结束后，均衡器参数基本接近最佳值，以保证用户数据的接收，均衡器的训练过程成功了，称为均衡器的收敛。在接收用户消息数据时，均衡器还需要不断跟踪信道特性的变化并随信道特性的变化连续地改变均衡器参数。 3.3自适应均衡器的实现 下面讨论自适应均衡器的具体实现。我们知道信道均衡器的作用是在信道通带内形成一个信道传输函数的逆，而在通带之外它的增益则很小或者为零。因而，由信道和均衡器级联组成的系统在通带内有基本均匀的振幅特性，而带外基本为零，相位响应在带内是频率的线性函数。如果条件满足，联合冲激响应就是辛格函数，符号间干扰可以消除。自适应调整也解决了信道本身未知，时变的特性所带来的困难。图13为自适应均衡器的基本结构。 图13为自适应均衡器的基本结构 逆模拟用一个自适应横向滤波器(LMS滤波器)，由于输入x(k)的信号带宽受信道带宽的限制，因而，自适应滤波器仅需在信道的通带内去均衡信道的振幅和相位特性。如果能知道信道的输入，并考虑到整个系统的延迟，就可得到期望响应d(k)，但是一般是难于获得的。周期性地中断信息传输，发射一些已知的码序列，便可以进行自适应调整。 贝尔电话实验室的拉克提供了一种得到期望响应d(k)的方法，这种方法用自适应滤波器自身输出提供d(k)，因此避免了对发射信号任何先验信息的依赖，拉克称该方法为“判决指向学习”。更确切地说，期望信号d(k)=sgn y(k)，如图13所示，它是由一个量化滤波器产生的。由于数据是二进制的，若不考虑噪声影响，则经适当均衡了的信道在先通过时间内的取样输出为+1或-1，然后将滤波器输出和经量化后的输出比较，产生误差信号e(k)。由于均衡器输出应该在适当的先通过时间内唯一地表示各自的辛格脉冲，因而自适应只许在先通过时间内进行，这可用与发射信号同步的闸门脉冲对误差信号e(k)选通来实现。从平均意义上来说，如果量化后的期望响应是正确的，则自适应将沿着正确的方向进行。 3.4自适应均衡器的Matlab仿真 下图将采用上述的实现方法进行matlab仿真，可以看出自适应均衡器对消除信道的干扰的作用。 图14自适应均衡器的Matlab仿真 下图是对自适应均衡器在不同信噪比下误码率的仿真，能进一步说明自适应均衡器的作用。采用50万点仿真误码率： 图15不同信噪比下误码率的仿真 上图中虚线部分是没有经过均衡器的误码率曲线，实线部分是经过自适应均衡后误码率曲线，可以看出信号在经过自适应均衡后，误码率在逐渐下降，减少了接收信号的误码数，说明自适应均衡器能补偿信道特性的损失，从而提高了信道的稳定性。仿真也有不足之处，即曲线不够平滑。主要是由于仿真采用的是蒙特卡洛仿真，一般要求仿真点数达到几百万点。这里由于计算机运行速度慢，只采用了50万点。 本章介绍了自适应信号处理的相关应用，随着信号处理学科领域理论与技术的不断进步，自适应信号处理已成为信号与信息处理学科一个新的重要学科分支，相信它在诸如通信、雷达、声纳、工业控制、地震勘探及生物医学工程等领域会获得越来越广泛的应用。 结束语 根据自适应处理系统的滤波器部分和调整滤波器系统的自适应算法部分，本文分别对其进行了阐述，并举例说明了自适应处理系统的一些应用。 本文完成的工作主要分为： (1) 在学习和总结前人工作的基础上，针对LMS，RLS算法进行了较为详细 的说明和推导，研究分析了LMS与RLS算法。提出了自适应LMS算法在信道均衡上应用，分析了应用的具体实现及相关收敛，稳态特性和参数说明。 (2) 通过对各种自适应算法进行总结，对比和验证，利用matlab语言对算法进行仿真，比较相关收敛特性，稳态特性和相关参数取值，得出各自算法的优劣性。 (3) 利用matlab对LMS，RLS算法在自适应处理系统上的应用分别作了仿真，验证系统的可行性。 参考文献 [1]沈福民.自适应信号处理.西安：西安电子科技大学出版社，2001.3。 [2]邱天爽，魏东兴，唐洪，张安清.通信中的自适应信号处理.电子工业出版社，2005.12。 [3]刘明， 徐红波，宁国勤。数字信号处理——原理与算法实现。清华大学出版社，2006.8。 [4]薛年喜 。MATLAB在数字信号处理中的应用。清华大学出版社，2005.5。 [5]Itakura F.Saito S.Digital filtering techniques for speech analysis and synthesis.Proc.7 Int.Conf.Acoust，1971,vol,3，Paper 25C-1:261 致 谢 本文是在XXX老师的热情关心和指导下完成的，他渊博的知识和严谨的治学作风使我受益匪浅，对顺利完成本课题起到了极大的作用。在此向他表示我最衷心的感谢！ 在论文完成过程中，本人还得到了其他老师和许多同学的热心帮助，本人向他们表示深深的谢意！ 最后向在百忙之中评审本文的各位专家、老师表示衷心的感谢！ 作者简介：XXXXXXXXXXXXX 姓 名：XX 性别：XX 出生年月：XX 民族：XX E-mail:XXXXXXXXXX 声 明 本论文的工作是 2010年 3月至2010年 6月在成都信息工程学院通信工程系完成的。 关于学位论文使用权和研究成果知识产权的说明： 本人完全了解成都信息工程学院有关保管使用学位论文的规定，其中包括： （1）学校有权保管并向有关部门递交学位论文的原件与复印件。 （2）学校可以采用影印、缩印或其他复制方式保存学位论文。 （3）学校可以学术交流为目的复制、赠送和交换学位论文。 （4）学校可允许学位论文被查阅或借阅。 （5）学校可以公布学位论文的全部或部分内容（保密学位论文在解密后遵守此规定）。 除非另有科研合同和其他法律文书的制约，本论文的科研成果属于成都信息工程学院。 特此声明！ 作者签名： 2010年06月 04日 学位论文原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下进行的研究工作所取得的成果。尽我所知，除文中已经特别注明引用的内容和致谢的地方外，本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式注明并表示感谢。本人完全意识到本声明的法律结果由本人承担。 学位论文作者（本人签名）： 年 月 日 学位论文出版授权书 本人及导师完全同意《中国博士学位论文全文数据库出版章程》、《中国优秀硕士学位论文全文数据库出版章程》(以下简称“章程”)，愿意将本人的学位论文提交“中国学术期刊（光盘版）电子杂志社”在《中国博士学位论文全文数据库》、《中国优秀硕士学位论文全文数据库》中全文发表和以电子、网络形式公开出版，并同意编入CNKI《中国知识资源总库》，在《中国博硕士学位论文评价数据库》中使用和在互联网上传播，同意按“章程”规定享受相关权益。 论文密级： □公开 □保密（___年__月至__年__月）(保密的学位论文在解密后应遵守此协议) 作者签名：_______ 导师签名：_______ _______年_____月_____日 _______年_____月_____日 独 创 声 明 本人郑重声明：所呈交的毕业设计(论文)，是本人在指导老师的指导下，独立进行研究工作所取得的成果，成果不存在知识产权争议。尽我所知，除文中已经注明引用的内容外，本设计（论文）不含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体均已在文中以明确方式标明。 本声明的法律后果由本人承担。   作者签名: 二〇一〇年九月二十日   毕业设计（论文）使用授权声明 本人完全了解滨州学院关于收集、保存、使用毕业设计（论文）的规定。 本人愿意按照学校要求提交学位论文的印刷本和电子版，同意学校保存学位论文的印刷本和电子版，或采用影印、数字化或其它复制手段保存设计（论文）；同意学校在不以营利为目的的前提下，建立目录检索与阅览服务系统，公布设计（论文）的部分或全部内容，允许他人依法合理使用。 （保密论文在解密后遵守此规定）   作者签名: 二〇一〇年九月二十日 致 谢 时间飞逝，大学的学习生活很快就要过去，在这四年的学习生活中，收获了很多，而这些成绩的取得是和一直关心帮助我的人分不开的。 首先非常感谢学校开设这个课题，为本人日后从事计算机方面的工作提供了 经验 班主任工作经验交流宣传工作经验交流材料优秀班主任经验交流小学课改经验典型材料房地产总经理管理经验 ，奠定了基础。本次毕业设计大概持续了半年，现在终于到结尾了。本次毕业设计是对我大学四年学习下来最好的检验。经过这次毕业设计，我的能力有了很大的提高，比如操作能力、分析问题的能力、合作精神、严谨的工作作风等方方面面都有很大的进步。这期间凝聚了很多人的心血，在此我表示由衷的感谢。没有他们的帮助，我将无法顺利完成这次设计。 首先，我要特别感谢我的知道郭谦功老师对我的悉心指导，在我的论文书写及设计过程中给了我大量的帮助和指导，为我理清了设计思路和操作方法，并对我所做的课题提出了有效的改进 方案 气瓶 现场处置方案 .pdf气瓶 现场处置方案 .doc见习基地管理方案.doc关于群访事件的化解方案建筑工地扬尘治理专项方案下载 。郭谦功老师渊博的知识、严谨的作风和诲人不倦的态度给我留下了深刻的印象。从他身上，我学到了许多能受益终生的东西。再次对周巍老师表示衷心的感谢。 其次，我要感谢大学四年中所有的任课老师和辅导员在学习期间对我的严格要求，感谢他们对我学习上和生活上的帮助，使我了解了许多专业知识和为人的道理，能够在今后的生活道路上有继续奋斗的力量。 另外，我还要感谢大学四年和我一起走过的同学朋友对我的关心与支持，与他们一起学习、生活，让我在大学期间生活的很充实，给我留下了很多难忘的回忆。 最后，我要感谢我的父母对我的关系和理解，如果没有他们在我的学习生涯中的无私奉献和默默支持，我将无法顺利完成今天的学业。 四年的大学生活就快走入尾声，我们的校园生活就要划上句号，心中是无尽的难舍与眷恋。从这里走出，对我的人生来说，将是踏上一个新的征程，要把所学的知识应用到实际工作中去。 回首四年，取得了些许成绩，生活中有快乐也有艰辛。感谢老师四年来对我孜孜不倦的教诲，对我成长的关心和爱护。 学友情深，情同兄妹。四年的风风雨雨，我们一同走过，充满着关爱，给我留下了值得珍藏的最美好的记忆。 在我的十几年求学历程里，离不开父母的鼓励和支持，是他们辛勤的劳作，无私的付出，为我创造良好的学习条件，我才能顺利完成完成学业，感激他们一直以来对我的抚养与培育。 最后，我要特别感谢我的导师赵达睿老师、和研究生助教熊伟丽老师。是他们在我毕业的最后关头给了我们巨大的帮助与鼓励，给了我很多解决问题的思路，在此表示衷心的感激。老师们认真负责的工作态度，严谨的治学精神和深厚的理论水平都使我收益匪浅。他无论在理论上还是在实践中，都给与我很大的帮助，使我得到不少的提高这对于我以后的工作和学习都有一种巨大的帮助，感谢他耐心的辅导。在论文的撰写过程中老师们给予我很大的帮助，帮助解决了不少的难点，使得论文能够及时完成，这里一并表示真诚的感谢。 毕业设计（论文）原创性声明和使用授权说明 原创性声明 本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得 及其它教育机构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。 作 者 签 名：　　 　 　　日　 期：　　 　 　　 ​​​​​​​​​​​​ 指导教师签名：　　 　 　　 日　　期：　　 　 　　 使用授权说明 本人完全了解 大学关于收集、保存、使用毕业设计（论文）的规定，即：按照学校要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。 作者签名：　　 　 　　 日　 期：　　 　 　　 ​​​​​​​​​​​​ 学位论文原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。 作者签名： 日期： 年 月 日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权　　 　 　大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 涉密论文按学校规定处理。 作者签名： 日期： 年 月 日 导师签名： 日期： 年 月 日 独 创 声 明 本人郑重声明：所呈交的毕业设计(论文)，是本人在指导老师的指导下，独立进行研究工作所取得的成果，成果不存在知识产权争议。尽我所知，除文中已经注明引用的内容外，本设计（论文）不含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体均已在文中以明确方式标明。 本声明的法律后果由本人承担。   作者签名: 二〇一〇年九月二十日   毕业设计（论文）使用授权声明 本人完全了解**学院关于收集、保存、使用毕业设计（论文）的规定。 本人愿意按照学校要求提交学位论文的印刷本和电子版，同意学校保存学位论文的印刷本和电子版，或采用影印、数字化或其它复制手段保存设计（论文）；同意学校在不以营利为目的的前提下，建立目录检索与阅览服务系统，公布设计（论文）的部分或全部内容，允许他人依法合理使用。 （保密论文在解密后遵守此规定）   作者签名: 二〇一〇年九月二十日 基本要求：写毕业论文主要目的是培养学生综合运用所学知识和技能，理论联系实际，独立分析，解决实际问题的能力，使学生得到从事本专业工作和进行相关的基本训练。毕业论文应反映出作者能够准确地掌握所学的专业基础知识，基本学会综合运用所学知识进行科学研究的方法，对所研究的题目有一定的心得体会，论文题目的范围不宜过宽，一般选择本学科某一重要问题的一个侧面。 毕业论文的基本教学要求是： 1、培养学生综合运用、巩固与扩展所学的基础理论和专业知识，培养学生独立分析、解决实际问题能力、培养学生处理数据和信息的能力。2、培养学生正确的理论联系实际的工作作风，严肃认真的科学态度。3、培养学生进行社会调查研究；文献资料收集、阅读和整理、使用；提出论点、综合论证、总结写作等基本技能。 毕业论文是毕业生总结性的独立作业，是学生运用在校学习的基本知识和基础理论，去分析、解决一两个实际问题的实践锻炼过程，也是学生在校学习期间学习成果的综合性总结，是整个教学活动中不可缺少的重要环节。撰写毕业论文对于培养学生初步的科学研究能力，提高其综合运用所学知识分析问题、解决问题能力有着重要意义。 毕业论文在进行编写的过程中，需要经过开题报告、论文编写、论文上交评定、论文答辩以及论文评分五个过程，其中开题报告是论文进行的最重要的一个过程，也是论文能否进行的一个重要指标。 撰写意义：1.撰写毕业论文是检验学生在校学习成果的重要措施，也是提高教学质量的重要环节。大学生在毕业前都必须完成毕业论文的撰写任务。申请学位必须提交相应的学位论文，经答辩通过后，方可取得学位。可以这么说，毕业论文是结束大学学习生活走向社会的一个中介和桥梁。毕业论文是大学生才华的第一次显露，是向祖国和人民所交的一份有份量的答卷，是投身社会主义现代化建设事业的报到书。一篇毕业论文虽然不能全面地反映出一个人的才华，也不一定能对社会直接带来巨大的效益，对专业产生开拓性的影响。但是，实践证明，撰写毕业论文是提高教学质量的重要环节，是保证出好人才的重要措施。 2.通过撰写毕业论文，提高写作水平是干部队伍“四化”建设的需要。党中央要求，为了适应现代化建设的需要，领导班子成员应当逐步实现“革命化、年轻化、知识化、专业化”。这个“四化”的要求，也包含了对干部写作能力和写作水平的要求。 3.提高大学生的写作水平是社会主义物质文明和精神文明建设的需要。在新的历史时期，无论是提高全族的科学文化水平，掌握现代科技知识和科学管理方法，还是培养社会主义新人，都要求我们的干部具有较高的写作能力。在经济建设中，作为领导人员和机关的办事人员，要写指示、 通知 关于发布提成方案的通知关于xx通知关于成立公司筹建组的通知关于红头文件的使用公开通知关于计发全勤奖的通知 、总结、调查报告等应用文；要写说明书、广告、解说词等说明文；还要写科学论文、经济评论等议论文。在当今信息社会中，信息对于加快经济发展速度，取得良好的经济效益发挥着愈来愈大的作用。写作是以语言文字为信号，是传达信息的方式。信息的来源、信息的收集、信息的储存、整理、传播等等都离不开写作。 论文种类：毕业论文是学术论文的一种形式，为了进一步探讨和掌握毕业论文的写作规律和特点，需要对毕业论文进行分类。由于毕业论文本身的内容和性质不同，研究领域、对象、方法、表现方式不同，因此，毕业论文就有不同的分类方法。 按内容性质和研究方法的不同可以把毕业论文分为理论性论文、实验性论文、描述性论文和设计性论文。后三种论文主要是理工科大学生可以选择的论文形式，这里不作介绍。文科大学生一般写的是理论性论文。理论性论文具体又可分成两种：一种是以纯粹的抽象理论为研究对象，研究方法是严密的理论推导和数学运算，有的也涉及实验与观测，用以验证论点的正确性。另一种是以对客观事物和现象的调查、考察所得观测资料以及有关文献资料数据为研究对象，研究方法是对有关资料进行分析、综合、概括、抽象，通过归纳、演绎、类比，提出某种新的理论和新的见解。 按议论的性质不同可以把毕业论文分为立论文和驳论文。立论性的毕业论文是指从正面阐述论证自己的观点和主张。一篇论文侧重于以立论为主，就属于立论性论文。立论文要求论点鲜明，论据充分，论证严密，以理和事实服人。驳论性毕业论文是指通过反驳别人的论点来树立自己的论点和主张。如果毕业论文侧重于以驳论为主，批驳某些错误的观点、见解、理论，就属于驳论性毕业论文。驳论文除按立论文对论点、论据、论证的要求以外，还要求针锋相对，据理力争。 按研究问题的大小不同可以把毕业论文分为宏观论文和微观论文。凡届国家全局性、带有普遍性并对局部工作有一定指导意义的论文，称为宏观论文。它研究的面比较宽广，具有较大范围的影响。反之，研究局部性、具体问题的论文，是微观论文。它对具体工作有指导意义，影响的面窄一些。 另外还有一种综合型的分类方法，即把毕业论文分为专题型、论辩型、综述型和综合型四大类： 1．专题型论文。这是分析前人研究成果的基础上，以直接论述的形式发表见解，从正面提出某学科中某一学术问题的一种论文。如本书第十二章例文中的《浅析领导者突出工作重点的方法与艺术》一文，从正面论述了突出重点的工作方法的意义、方法和原则，它表明了作者对突出工作重点方法的肯定和理解。2．论辩型论文。这是针对他人在某学科中某一学术问题的见解，凭借充分的论据，着重揭露其不足或错误之处，通过论辩形式来发表见解的一种论文。3．综述型论文。这是在归纳、总结前人或今人对某学科中某一学术问题已有研究成果的基础上，加以介绍或评论，从而发表自己见解的一种论文。4．综合型论文。这是一种将综述型和论辩型两种形式有机结合起来写成的一种论文。如《关于中国民族关系史上的几个问题》一文既介绍了研究民族关系史的现状，又提出了几个值得研究的问题。因此，它是一篇综合型的论文。 写作步骤：毕业论文是高等教育自学考试本科专业应考者完成本科阶段学业的最后一个环节，它是应考者的 总结 性独立作业，目的在于总结学习专业的成果，培养综合运用所学知识解决实际 问题 的能力。从文体而言，它也是对某一专业领域的现实问题或 理论 问题进行 科学 研究 探索的具有一定意义的论说文。完成毕业论文的撰写可以分两个步骤，即选择课题和研究课题。 首先是选择课题。选题是论文撰写成败的关键。因为，选题是毕业论文撰写的第一步，它实际上就是确定“写什么”的问题，亦即确定科学研究的方向。如果“写什么”不明确，“怎么写”就无从谈起。 教育部自学考试办公室有关对毕业论文选题的途径和要求是“为鼓励理论与工作实践结合，应考者可结合本单位或本人从事的工作提出论文题目，报主考学校审查同意后确立。也可由主考学校公布论文题目，由应考者选择。毕业论文的总体要求应与普通全日制高等学校相一致，做到通过论文写作和答辩考核，检验应考者综合运用专业知识的能力”。但不管考生是自己任意选择课题，还是在主考院校公布的指定课题中选择课题，都要坚持选择有科学价值和现实意义的、切实可行的课题。选好课题是毕业论文成功的一半。 第一、要坚持选择有科学价值和现实意义的课题。科学研究的目的是为了更好地认识世界、改造世界，以推动社会的不断进步和发展 。因此，毕业论文的选题，必须紧密结合社会主义物质文明和精神文明建设的需要，以促进科学事业发展和解决现实存在问题作为出发点和落脚点。选题要符合科学研究的正确方向，要具有新颖性，有创新、有理论价值和现实的指导意义或推动作用，一项毫无意义的研究，即使花很大的精力，表达再完善，也将没有丝毫价值。具体地说，考生可从以下三个方面来选题。首先，要从现实的弊端中选题，学习了专业知识，不能仅停留在书本上和理论上，还要下一番功夫，理论联系实际，用已掌握的专业知识，去寻找和解决工作实践中急待解决的问题。其次，要从寻找科学研究的空白处和边缘领域中选题，科学研究。还有许多没有被开垦的处女地，还有许多缺陷和空白，这些都需要填补。应考者应有独特的眼光和超前的意识去思索，去发现，去研究。最后，要从寻找前人研究的不足处和错误处选题，在前人已提出来的研究课题中，许多虽已有初步的研究成果，但随着社会的不断发展，还有待于丰富、完整和发展，这种补充性或纠正性的研究课题，也是有科学价值和现实指导意义的。 第二、要根据自己的能力选择切实可行的课题。毕业论文的写作是一种创造性劳动，不但要有考生个人的见解和主张，同时还需要具备一定的客观条件。由于考生个人的主观、客观条件都是各不相同的，因此在选题时，还应结合自己的特长、兴趣及所具备的客观条件来选题。具体地说，考生可从以下三个方面来综合考虑。首先，要有充足的资料来源。“巧妇难为无米之炊”，在缺少资料的情况下，是很难写出高质量的论文的。选择一个具有丰富资料来源的课题，对课题深入研究与开展很有帮助。其次，要有浓厚的研究兴趣，选择自己感兴趣的课题，可以激发自己研究的热情，调动自己的主动性和积极性，能够以专心、细心、恒心和耐心的积极心态去完成。最后，要能结合发挥自己的业务专长，每个考生无论能力水平高低，工作岗位如何，都有自己的业务专长，选择那些能结合自己工作、发挥自己业务专长的课题，对顺利完成课题的研究大有益处。 致 谢 这次论文的完成，不止是我自己的努力，同时也有老师的指导，同学的帮助，以及那些无私奉献的前辈，正所谓你知道的越多的时候你才发现你知道的越少，通过这次论文，我想我成长了很多，不只是磨练了我的知识厚度，也使我更加确定了我今后的目标：为今后的计算机事业奋斗。在此我要感谢我的指导老师——***老师，感谢您的指导，才让我有了今天这篇论文，您不仅是我的论文导师，也是我人生的导师，谢谢您！我还要感谢我的同学，四年的相处，虽然我未必记得住每分每秒，但是我记得每一个有你们的精彩瞬间，我相信通过大学的历练，我们都已经长大，变成一个有担当，有能力的新时代青年，感谢你们的陪伴，感谢有你们，这篇论文也有你们的功劳，我想毕业不是我们的相处的结束，它是我们更好相处的开头，祝福你们！我也要感谢父母，这是他们给我的，所有的一切；感谢母校，尽管您不以我为荣，但我一直会以我是一名农大人为荣。 通过这次毕业设计，我学习了很多新知识，也对很多以前的东西有了更深的记忆与理解。漫漫求学路，过程很快乐。我要感谢信息与管理科学学院的老师，我从他们那里学到了许多珍贵的知识和做人处事的道理，以及科学严谨的学术态度，令我受益良多。同时还要感谢学院给了我一个可以认真学习，天天向上的学习环境和机会。 即将结束*大学习生活，我感谢****大学提供了一次在**大接受教育的机会，感谢院校老师的无私教导。感谢各位老师审阅我的论文。 自适应滤波器 ∑ x(n) y(n) d(n) e(n) � EMBED \* MERGEFORMAT ��� 2� EMBED \* MERGEFORMAT ��� e(n) d(n) + _ y(n) u(n) x(i) x(i-1) x(i-2) x(i-m) x(i-m+1) y(n) - ∑ + d(n) z-1 z-1 z-1 z-1 W1 (n) W2 (n) W3 (n) WM-1 (n) WM (n) 自适应控制算法 图6自适应横向滤波器结构框图 ∑ � EMBED \* MERGEFORMAT ��� ∑ � EMBED \* MERGEFORMAT ��� � EMBED \* MERGEFORMAT ��� d(n) � EMBED \* MERGEFORMAT ��� � EMBED \* MERGEFORMAT ���k(n) � EMBED \* MERGEFORMAT ��� � EMBED \* MERGEFORMAT ��� E(k) y(k) x(k) ∑ 门 选通2f LMS滤波器 +1 -1 PAGE _1234567987.unknown _1234568019.unknown _1234568042.unknown _1240834910.unknown _1338150616.unknown _1338150642.unknown _1338150673.unknown _1338150686.unknown _1338151287.unknown _1338150667.unknown _1338150631.unknown _1337683592.unknown _1338150600.unknown _1337683582.unknown _1234568046.unknown _1234568048.unknown _1234568050.unknown _1240834866.unknown _1234568051.unknown _1234568049.unknown _1234568047.unknown _1234568044.unknown _1234568045.unknown _1234568043.unknown _1234568027.unknown _1234568038.unknown _1234568040.unknown _1234568041.unknown _1234568039.unknown _1234568031.unknown _1234568033.unknown _1234568035.unknown _1234568037.unknown _1234568036.unknown _1234568034.unknown _1234568032.unknown _1234568029.unknown _1234568030.unknown _1234568028.unknown _1234568023.unknown _1234568025.unknown _1234568026.unknown _1234568024.unknown _1234568021.unknown _1234568022.unknown _1234568020.unknown _1234568003.unknown _1234568011.unknown _1234568015.unknown _1234568017.unknown _1234568018.unknown _1234568016.unknown _1234568013.unknown _1234568014.unknown _1234568012.unknown _1234568007.unknown _1234568009.unknown _1234568010.unknown _1234568008.unknown _1234568005.unknown _1234568006.unknown _1234568004.unknown _1234567995.unknown _1234567999.unknown _1234568001.unknown _1234568002.unknown _1234568000.unknown _1234567997.unknown _1234567998.unknown _1234567996.unknown _1234567991.unknown _1234567993.unknown _1234567994.unknown _1234567992.unknown _1234567989.unknown _1234567990.unknown _1234567988.unknown _1234567952.unknown _1234567971.unknown _1234567979.unknown _1234567983.unknown _1234567985.unknown _1234567986.unknown _1234567984.unknown _1234567981.unknown _1234567982.unknown _1234567980.unknown _1234567975.unknown _1234567977.unknown _1234567978.unknown _1234567976.unknown _1234567973.unknown _1234567974.unknown _1234567972.unknown _1234567963.unknown _1234567967.unknown _1234567969.unknown _1234567970.unknown _1234567968.unknown _1234567965.unknown _1234567966.unknown _1234567964.unknown _1234567958.unknown _1234567960.unknown _1234567962.unknown _1234567959.unknown _1234567954.unknown _1234567956.unknown _1234567957.unknown _1234567955.unknown _1234567953.unknown _1234567936.unknown _1234567944.unknown _1234567948.unknown _1234567950.unknown _1234567951.unknown _1234567949.unknown _1234567946.unknown _1234567947.unknown _1234567945.unknown _1234567940.unknown _1234567942.unknown _1234567943.unknown _1234567941.unknown _1234567938.unknown _1234567939.unknown _1234567937.unknown _1234567916.unknown _1234567932.unknown _1234567934.unknown _1234567935.unknown _1234567933.unknown _1234567919.unknown _1234567921.unknown _1234567917.unknown _1234567900.unknown _1234567914.unknown _1234567905.unknown _1234567913.unknown _1234567896.unknown _1234567898.unknown _1234567894.unknown