摘要：自适应滤波器的研究是当今自适应信号处理中最为活跃的研究课题之一。因其具有很强的自学习、自跟踪能力和算法的简单易实现性等优点，使得它在噪化信号的检测增强，噪声干扰的抵消，通信系统的自适应均衡，图像的自适应增强复原以及未知系统的自适应参数辩识等方面都得到了广泛的应用。

自适应滤波器是指利用前一时刻的结果，自动调节当前时刻的滤波器参数，以适应信号和噪声未知或随机变化的特性，得到有效的输出。研究自适应滤波器可以去除输出信号中噪声和无用信息，得到失真较小或者完全不失真的输出信号。

本文介绍了自适应滤波器的理论基础，重点介绍了两种自适应滤波算法最小均方误差（LMS）算法和递推最小二乘（RLS）算法，为进一步提高这两种算法的性能，提出了一种基于能量稳态的自适应滤波算法，通过瞬时误差功率来控制步长因子和遗忘因子，以达到提高收敛速度和跟踪速度，保证收敛精度的效果。最后本文对基于能量稳态的LMS算法和RLS算法的自适应滤波器进行MATLAB仿真应用，计算机仿真结果表明了该算法的有效性。

关键词：自适应滤波算法;LMS算法;RLS算法;能量稳态

目录

摘要

Abstract

1 绪论-1

1.1课题的背景与研究意义-1

1.2国内外研究发展现状与前景-1

1.3本文研究内容-1

2自适应滤波器原理-3

2.1自适应滤波器基础理论-3

2.1.1模拟滤波器的基本理论-3

2.1.2数字滤波器的基本理论-3

2.2自适应滤波器的结构-4

2.2.1自适应横向滤波器-4

2.2.2自适应递归滤波器-5

2.2.3自适应格型滤波器-5

3 自适应滤波算法-7

3.1最小均方误差（LMS）算法及其性能分析-7

3.2递归最小二乘(RLS)算法及其性能分析-9

3.3基于能量稳态的自适应滤波算法-12

4基于MATLAB的仿真实现与应用-13

4.1 基于能量稳态的LMS算法实现与分析-13

4.2 基于能量稳态的RLS算法实现与分析-14

结    论-17

参 考 文 献-18

附录A 程序代码-19

致    谢-22