信号的自适应处理

在实际生理过程中，信号的统计特征往往不能预知，且随时间而慢变，在许多难以人为控制的诱发或自发因素的影响下，具有比较突出的非平稳性，故难以用维纳滤波法(参见“匹配滤波与维纳滤波”条)处理，而常采用自适应处理。自适应处理，是在没有或缺少信号统计知识的情况下，根据处理后的误差，按照一定的要求，通过一定算法自动逐步调节滤波器系数，使处理结果逐步趋于最优。这种方法既有利于实时处理，又有利于适应非平稳信号。
自适应处理的核心包括滤波器的结构和调节参数所采用的自适应算法。目前采用的滤波器结构主要有非递归滤波器结构（也称为抽头延迟线结构）和格形网络结构。早期应用的自适应算法是建立在梯度概念上的算法，其中最小小均方(LMS)法提出最早，应用最广； 七十年代以来建立的以最小二乘法(LS)为基础的算法，自适应调节速度（指收敛速度）较好，对计算机字长有限所引起的计算误差不敏感，因而引起人们的重视。
一种应用抽头延迟线结构的自适应处理系统如图1所示，其中n为经模数转换后的数字信号的时间变量。设滤波器在时刻n的系数为W₀(n),W₁(n)，……Wp(n)，在此时刻前的P次输入是x(n),x(n-1)，……x(n-P)，则滤波器在时刻n的输出值为(n-k),y(n)与理想响应d(n)间的误差为e(n)=d(n)随着每输入一个新观察值x(n)，各系数W_k也调整一次。 如此周而复始逐步调整，使e2n趋于极小。

图1 一种自适应处理系统方框图

自适应处理在抑制高频电刀对心电监护的干扰中的应用，如图2所示。外科手术刀是利用高频电流工作的，因而会严重干扰心电监护中的心电图记录，对此可采用如图2(a)所示的自适应噪声抵消法。输入d(t)取自一般

图2 自适应处理在心电监护中的应用

心电图导联，其中既含有心电信号，又含有高频电刀工作电流在心电图电极上引起的干扰。另一个输入x(t)取自臂上相距不远的两点，因此只含有高频电刀的干扰。自适应算法使滤波输出y(n)最好地抵消δ(n)中的高频电刀干扰成分，使两者差值e(n)的平方趋于极小。这样就能使e(n)中电刀干扰大为减小。把e(n)经数模转换后用示波器观察其波形，如图2(b)所示。可见经处理后的监护记录效果大有改进。图中射频滤波器用以去除高频电刀的直接干扰，低通滤波器用以去除600Hz以上的信号成分。
自适应处理还可用于从宽带噪声背景中增强窄带或正弦信号，也可用于生理系统的辨识。