如发现有乱码，请点击下面链接浏览原文
正文摘录:

《现代电子技术》2006年第24期总第239期》嵌入式与单片机司P—d—y—s+咒。一y(1)图1自适应噪声对消框图则均方误差为：E{P。}一E{(s+n。一y)。}一E{5。}+E{(n。一y)。}+2E{s(n。一了)}(2)因为s和n。，n，无关，所以s和n。，y无关，则：E{P。}一E{s。)+E{(”。一y)。}(3)自适应滤波器要调整器加权矢量w，使E{e。}最小。因为s不在自适应滤波器通道内，所以这种最小化可表示为：minE{P。}一E{s。)+minE{(‰一y)。}(4)从而自适应滤波调整的结果将使y在均方误差最小的意义下，最接近主通道噪声分量‰，使系统输出中的噪声大为降低。4功率谱估计原理功率谱估计(PSI))是用有限长的数据来估计信号的功率谱”’，他对于认识一个随机信号或其他应用方面来讲都是重要的，是数字信号处理的重要研究内容之一。功率谱估计可以分为经典谱估计(非参数估计)和现代谱估计(参数估计)。前者的主要方法有BTPsD估计法和周期图法；后者的主要方法有最大熵谱分析法(AR模型法)、AMRA模型法、MA模型法、Pl’sarenko谐波分解法、Pr()ny提取极点法、Pron3，谱线分解法以及capon最大似然法。其中周期图法和AR模型法是用得较多且最具代表性的方法”]。这里主要介绍的是AR模型法。实际应用中遇到的随机过程大多数可以用有理传输函数模型很好地逼近，输入激励“(n)是均值为O、方差为矿的白噪声序列，线性系统传输函数为：y6。z‘眦，一怒---善÷㈤乞。女z’式中，阮是前馈(或动平均)支路的系数，称为MA系数；n。是反馈(或自回归)支路的系数，称为AR系数。系统的输出序列z(”)是被建模的离散随机信号。该模型的输入输出之间满足差分方程：z(”)一一∑。；z(”一是)+∑仇“(”一是)，＆。一1(6)如果除60一1外，其他仇都为0，则式(6)成为：p-z(Ⅺ)一一∑＆。z(”一矗)+“(n)^=1这种模型称为p阶自回归模型或简称AR(p)模型，其传输函数为：巩Ⅲ“Z)一志一袁(7)模型输出功率为：10s。(2)一孑H(z)H(÷)-二——』二—一。A(z)A(÷)Z这是一个全极点模型。在实际应用中，常需根据信号的有限个取样值来估计AR模型的参数，应用较多的有3种方法：Yule一’Walkm-法或自相关法、协方差法、Burg法。这里我们选用Burg法来估计AR模型的参数。Burg法首先要估计反射系数，而不直接估计AR参数，然后利用Levins()n算法递推算法由反射系数求得AR参数。5：Matlab仿真分析根据上述的噪声对消原理及I.MS算法，本文取某次试验中一个电极测得的数据研究此信号处理系统的设计过程.并采用Matlab语言进行仿真试验。原始信号是该电极所得的数据，实验数据的记录长度为1200ms，512个样点。前200ms为纯噪声，200ms后为信号与噪声的混合体。由于前200ms为纯噪声信号，设其服从AR模型，根据前面的200ms的采样点的值估计出AR模型的系数，然后根据估计的参数预测出200ms以后的噪声信号，用自适应噪声对消技术提取出有用信号。根据估计出来的系数预测噪声的波形，将实际输入的信号作为图1中的期望信号，将估计出的噪声信号作为图1中的干扰源，采用自适应滤波技术，得到的波形图如图2所示。图2原始信号波形图6功率谱估计及对比用AR模型的Bur’g算法估计原始信号和提取的有用