楊曉波

（石家莊職業(yè)技術學院電子工程系 河北 石家莊 050081）

0 引言

圖1 自適應濾波的原理框圖

自適應濾波是現(xiàn)代信號處理技術的重要研究領域，自適應濾波技術廣泛應用于自適應控制、系統(tǒng)辨識等領域。 圖1 為自適應濾波系統(tǒng)辨識的一般原理框圖， 衡量自適應濾波算法的主要標準是：初期收斂速度、穩(wěn)態(tài)誤差和對時變系統(tǒng)的跟蹤能力。 Widrow 等人[1]提出的最小均方誤差（LMS）算法因其計算簡單、易于實現(xiàn)因而獲得了廣泛應用，但此算法的缺點是收斂速度和穩(wěn)態(tài)誤差性能不能同時得到滿足，即選擇較大的步長收斂快但穩(wěn)態(tài)誤差大，選擇較小的步長穩(wěn)態(tài)誤差小但是需要較長的收斂時間，對此文獻[2、3、4]進行了詳細的研究。 由于LMS 算法收斂速度和穩(wěn)態(tài)誤差的性能由步長來控制[5]，為此人們提出了許多的基于改變步長機制的LMS 算法。文獻[6]提出了一種改變步長自適應濾波算法，其步長因子隨迭代次數(shù)增加而減小，文獻[7]提出使步長因子正比于誤差信號的大小，文獻[8]提出步長和輸入與誤差之間互相關值成正比，文獻[9] 提出了一種步長為Sigmoid 函數(shù)的變步長算法 （即SVSLMS 算法）。此算法的優(yōu)點是在初始階段或未知系統(tǒng)參數(shù)發(fā)生變化時步長比較大， 從而有較快的收斂速度； 在算法收斂后，不管主輸入干擾v（n）有多大，都保持很小的調(diào)整步長從而獲得很小的穩(wěn)態(tài)失調(diào)噪聲。 此算法的缺點是當穩(wěn)態(tài)誤差e（n）在接近零處變化時，步長變化太大，使得SVSLMS 算法在自適應穩(wěn)態(tài)階段仍有較大的步長變化。 為此，文獻[10]又在Sigmoid 函數(shù)的基礎上提出了一種新的步長調(diào)整原則，即步長因子μ（n）和誤差e（n）之間的新的非線性函數(shù)，μ（n）和e（n）的函數(shù)關系如下：

其中，參數(shù)α＞0 控制函數(shù)的形狀，參數(shù)β＞0 控制函數(shù)的取值范圍，μ（n）和e（n）的函數(shù)曲線如圖2，圖3 所示，該函數(shù)比Sigmoid 函數(shù)簡單，并且在e（n）接近零處具有緩慢變化的特性，在一定程度上克服了Sigmoid 函數(shù)的不足。 文獻[10]提出的自適應濾波的算法如下：

文獻[10]中對算法進行了仿真，取得了較好的效果，并驗證優(yōu)于SVLMS 算法。 但是，其算法中控制步長函數(shù)形狀的參數(shù)α 是不變的，圖2、圖3 是文獻[10]的步長因子隨誤差信號e（n）變化的曲線。

我們從μ（n）和e（n）的函數(shù)關系曲線圖2、圖3 可以看出， μ（n）隨e（n）變化的總體規(guī)律是當選擇較大的α 時算法具有較大的初期收斂步長，但是當e（n）接近零時，步長同樣比較大；對于比較小的α 當e（n）接近零時初期收斂步長小，但同時初期收斂步長也較小。 基于以上分析，本文認為在算法的收斂初期可以選擇較大的α，取較大的步長，達到較快收斂的目的，而當e（n）接近零時，也就是收斂的后期可以根據(jù)一個e（n）的門限Ve 切換到較小的α，以得到較小的穩(wěn)態(tài)誤差，這樣步長更為理想。

1 一種新的LMS 算法

由此，根據(jù)文獻[10]提出的步長因子和誤差信號的非線性函數(shù)，本文提出的一種新的變步長自適應濾波算法如下：

其中Ve 為切換步長因子的時e（n）的門限值，是一個較小的正值，α1和α2分別是切換前后控制函數(shù)形狀的參數(shù)，α2＜α1。

圖2 μ（n）和e（n）的關系曲線（α 不同，β 相同）

圖3 μ（n）和e（n）的關系曲線（α 相同，β 不同）

LMS 自適應濾波的收斂條件是：0＜μ＜1/λmax，λmax是輸入信號的自相關矩陣的最大特征值，由前面的討論可知參數(shù)β（β>0）控制函數(shù)的取值范圍，所以在β＜λmax的條件下，算法一定收斂。 同時由圖3 可知，較大的β 值對應較大的步長，所以在滿足β＜λmax條件下，使β 的值越大越好，因為算法中有步長的切換，所以不用擔心穩(wěn)態(tài)誤差過大的問題。

圖2 是固定β 的情況下變化α 的步長曲線，α 越大對于相同誤差信號下步長越大，仿真結果還表明當α>1000 后，步長曲線已沒有明顯變化， 所以初始收斂時可以令α1=1000，因為算法中有步長的切換， 所以也不用擔心α1太大會造成穩(wěn)態(tài)誤差過大的問題。

表1 Ve 和α2 對穩(wěn)態(tài)誤差和收斂速度的影響

分析圖2 可知， 門限Ve 和α2的選擇對收斂速度和穩(wěn)態(tài)誤差是一個調(diào)諧的過程， 下表列出了Ve 和α2的取值對穩(wěn)態(tài)誤差和收斂速度的影響。

由表1 可知通過仿真可以根據(jù)收斂速度和穩(wěn)態(tài)誤差的要求調(diào)諧設定Ve 和α2的取值。 當需要小的穩(wěn)態(tài)誤差時可以選擇較大的Ve 和較小α2， 當需要較快的收斂速度時選擇較小的Ve 和較大α2， 當然也可以通過Ve 和α2的調(diào)諧同時獲得相對較好的收斂速度和穩(wěn)態(tài)誤差。

2 計算機仿真結果及分析

為同時獲得較快的收斂速度和較小的穩(wěn)態(tài)誤差下面通過計算機仿真來確定Ve 和α2， 并檢驗我們給出的變步長LMS 自適應算法的收斂性以及Ve 和α2的選擇對算法收斂性能的影響的分析，為了對比，本文選用文獻[10]的仿真條件：

1）自適應濾波器的階數(shù)L=2；

2）未知系統(tǒng)為FIR 濾波器，其系數(shù)為W= [0.8，0.5]T，在第500 個采樣點時刻系統(tǒng)發(fā)生時變，系數(shù)變?yōu)閃= [0.4，0.2]T；

3）參考輸入信號x（n）是均值為零，方差為1 的高斯白噪聲；

4）v（n）是與x（n）不相關的高斯白噪聲，其均值為零，方差為0.04.分別作200 次仿真，采樣點數(shù)為1000，然后求其平均值，得到學習曲線。

圖4 是在α=1000，β=0.2 情況下的收斂曲線（在該實驗條件下，文獻[10]已經(jīng)驗證β=0.2 為最優(yōu)），算法在均方誤差為0.05 左右收斂，所以Ve 可以在0.05 左右取值，由于e（n）有一定的隨機性， 為了不影響收斂速度可以取的稍小于0.05，由圖5 的仿真結果可證明取0.03 是合適的。

圖4 α=1000，β=0.2 收斂曲線

圖5 β=0.2，α1=1000，α2=20 情況下Ve 取不同值的仿真曲線

圖6 是β=0.2，α1=1000，Ve=0.03 情況下不同α2的仿真曲線，可以看出α2=100 時，算法收斂快，但是穩(wěn)態(tài)誤差要大；α2=20 時，算法收斂慢，但是穩(wěn)態(tài)誤差要小；中間的曲線為α2=60時情況， 算法收斂速度和穩(wěn)態(tài)誤差是前兩種情況的折衷，對此， 如果想讓收斂速度和穩(wěn)態(tài)誤差比較合適可以取為60 左右。 由此可以確定本文算法的參數(shù)α1=1000，α2=60，β＝0.2，Ve=0.03；

圖6 β=0.2，α1=1000，Ve=0.03 情況下不同α2 的收斂曲線

圖7 兩組不同Ve、α2 的收斂曲線

圖5 在α2相同情況下，Ve 越小收斂越快，但是穩(wěn)態(tài)誤差越大； 由圖6 可知Ve 相同情況下，α2越小收斂越慢，但是穩(wěn)態(tài)誤差越小。

圖7 是Ve 和α2分別取兩組不同值的情況的收斂曲線，Ve=0.03，α2=100 切換門限小，α2大其收斂速度快但是穩(wěn)態(tài)誤差較大，Ve=0.5，α2=20 切換門限大，α2小，其收斂速度慢但是其穩(wěn)態(tài)誤差小，這和第2 節(jié)對Ve 和α2的分析是一致的，證明第2 節(jié)的分析是正確的。

3 本文算法和其他文獻算法的比較

仍利用上面的實驗條件，在此實驗條件下文獻[10]算法的α＝300，β=0.2（最優(yōu)情況），對于本文算法α1=1000，α2=60，β=0.2，Ve=0.03；

圖8 文獻[10]算法和本文算法比較

圖8 為本文算法和文獻[10]算法的比較，可以看出本文算法收斂更快，并且具有更好的穩(wěn)態(tài)。 并且在第500 個采樣點時刻未知系統(tǒng)發(fā)生變化時，本文算法能比文獻[10]算法更快地回到穩(wěn)態(tài)，這說明本文算法具有更好的魯棒性[11]。

4 結論

［1］WIDROW B. Adaptive Signal Processing [M] USA： Prentice2Hall Inc.， 1985.

［2］WIDROW B ，MCCOOL J M ， LARMOR E M G ，JO HN2SON C R. Stationary and non stationary learning characteristics of t he LMS adaptive filter [J ] . Proc IEEE， 1976， 64 （8）：l947－l95l.

［3］GEL FAND S B， WEI Y KROGMEI ER J V. The stability of variable step size LMS al－gorithms [J]. IEEE Trans on Signal Processing，l999， 47（l2）：3277－3288.

［4］ABOULNASRT M YAS K. A robust variable step size lms type algorithm： Analysis and simulations [J].IEEE Trans on Signal Processing，1997， 45（3）：631－639.

［5］GUO L， LJUNG L， WANG G G J.Necessary and sufficient conditions for stability of LMS [J]. IEEE Trans on Automatic Control，1997，42（6）：761－770.

［6］Gitlin R. D， Weinstein S. D. On the design of gradient algorithms for digitally implement－ed adaptive filters [J]. IEEE Trans on CT,1973（2）:125－136.

［7］R H Kwong， E w Johnston. A variable step size LMS algorithm [J].IEEE Trans Signal processing， 1992，40（7）:1633－1642.

［8］T J Shan Kailaith.Adaptive algorithm with an automatic gain control feature[J].IEEE Trans.Acoust，Signal processing，1991，35（1）：122－127.

［9］覃景繁，歐陽景正.一種新的變步長自適應濾波算法[J].數(shù)據(jù)采集與處理，1997，12 （3）：171－194.

［10］高鷹，謝勝利.一種變步長LMS 自適應濾波算法及分析[J].電子學報，2001，8.

［11］楊學賢，張群英，侯紫峰.用于ADSL 中的變步長LMS 算法[J].通信學報，2002，23（3）：78－83.