1. 研究目的与意义（文献综述）

滤波是从连续的或离散的输入数据中除去噪音和干扰以提取有用信息的过程，相应的装置就称为滤波器。在数字信号处理中，数字滤波是语音和图像处理、模式识别、频谱分析等应用中的一个基本处理算法。在许多应用场合， 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。自适应滤波器滤波的频率是自动适应输入信号而变化的，其适用范围广。自适应系统的应用领域包括通信、雷达、声呐、导航系统和工业控制等。自适应逆模拟、解卷积与均衡可消除信号在器件和媒介中传输所受到的影响；自适应系统模拟与识别可用一个自适应系统模拟未知的，可随时减慢变的系统，自适应模拟在机电系统的设计和试验方面十分有用，已经得到人们普遍关注。

在20世纪40年代，对平稳随机信号建立了维纳滤波理论，出现了维纳滤波器。这种滤波器能最大程度的滤除干扰噪声，提取有用信号。到60年代初，建立了卡尔曼滤波理论。卡尔曼滤波器既可以对随机信号作线性最佳滤波，也可以作为非线性滤波。 然而只有在对信号和噪声的统计特性已知的情况下，这两种滤波器才能获得最优解。在实际的应用中，往往无法满足上述条件，因此这两种滤波器就实现不了真正的最佳滤波。

2. 研究的基本内容与方案

自适应滤波器的结构有FIR和 IIR两种。由于IIR滤波器存在稳定性的问题,因此一般采用FIR滤波器。由于 FIR滤波器横向结构的算法具有容易实现和计算量少等优点, 在对线性相位要求不严格、 收敛速度不是很快的场合,多采用 FIR作为自适应滤波器结构。LMS算法使用的准则是使滤波器的期望输出值和实际输出值之间的均方误差最小化的准则，即使用均方误差来做性能指标. 步长越大,自适应时间越短,自适应过程越快, 但它引起的失调也越大。失调越小,但自适应过程也相应加长。步长的选择应从整个系统要求出发, 在满足精度要求的前提下,尽量减少自适应时间。当阶数 取值大时，迭代次数增加，收敛速度变快.但当阶数 大到一定程度，收敛速度变化不明显，且可能引起系数迭代过程不收敛。

根据所研究的内容，我采取的技术方案及措施为：首先了解自适应滤波器的发展及应用，特别是掌握各类性能测量方法，了解各类基本自适应算法特别是LMS算法，滤波器系数及其影响，然后应用Matlab仿真分析应用该算法前后时域频域波形图，最后分析该算法的各类参数指标如收敛速率，失调，跟踪，鲁棒性，计算要求，结构，数值特性等，最终得到结论。

3. 研究计划与安排

第一周：根据设计题目查阅收集相关参考文献资料，明确研究内容。

第二周～第三周：理解研究所需的相关参考文献及技术，确定技术方案，完成开题报告。

第四周～第十五周：进入设计论文阶段，完成任务书所要求的设计内容。

4. 参考文献（12篇以上）

[1] 刘泉.阙大顺.数字信号处理（第2版）.北京：电子工业出版社，2009.

[2] 杜勇.数字滤波器matlab与fpga实现.北京：电子工业出版社，2015.

[3] 沈福民.自适应信号处理.西安：西安电子科技大学，2001.