Adaptive Filtering: Algorithms and Practical Implementation

رشته پردازش سیگنال دیجیتال در دو دهه اخیر به قدری سریع توسعه یافته است که می توان آن را در برنامه های کارشناسی ارشد و کارشناسی بیشتر دانشگاه ها یافت. این توسعه مربوط به فناوری‌های رو به رشد موجود برای پیاده‌سازی الگوریتم‌های پردازش سیگنال دیجیتال است. رشد چشمگیر توسعه در حوزه پردازش سیگنال دیجیتال، برخی از حوزه های تخصصی آن را به خود حوزه تبدیل کرده است. اگر اطلاعات دقیق سیگنال های مورد پردازش در دسترس باشد، طراح به راحتی می تواند مناسب ترین الگوریتم را برای پردازش سیگنال انتخاب کند. الگوریتم های ثابت هنگام برخورد با سیگنال هایی که ویژگی های آماری آنها ناشناخته است، این سیگنال ها را به طور موثر پردازش نمی کنند. راه حل این است که از یک فیلتر تطبیقی ​​استفاده کنید که به طور خودکار ویژگی های خود را با بهینه سازی پارامترهای داخلی تغییر می دهد. الگوریتم‌های فیلتر تطبیقی ​​در بسیاری از برنامه‌های پردازش سیگنال آماری ضروری هستند. اگرچه زمینه پردازش سیگنال تطبیقی ​​برای بیش از سه دهه موضوع تحقیق بوده است، در دهه هشتاد بود که رشد عمده ای در تحقیقات و کاربردها رخ داد. دو دلیل اصلی را می توان به این رشد نسبت داد، در دسترس بودن ابزارهای پیاده سازی و ظهور کتاب های درسی اولیه که موضوع را به شکل سازمان یافته در معرض دید قرار می دهد. در حال حاضر، هنوز فعالیت های زیادی در زمینه فیلترینگ تطبیقی ​​در حال انجام است. علیرغم آن، توسعه نظری در حوزه فیلتر خطی-تطبیقی ​​به بلوغی رسید که متنی را توجیه می‌کند که با روش‌های مختلف به روشی یکپارچه برخورد می‌کند، با تأکید بر الگوریتم‌هایی که در اجرای عملی به خوبی کار می‌کنند.

The field of Digital Signal Processing has developed so fast in the last two decades that it can be found in the graduate and undergraduate programs of most universities. This development is related to the growing available techno­ logies for implementing digital signal processing algorithms. The tremendous growth of development in the digital signal processing area has turned some of its specialized areas into fields themselves. If accurate information of the signals to be processed is available, the designer can easily choose the most appropriate algorithm to process the signal. When dealing with signals whose statistical properties are unknown, fixed algorithms do not process these signals efficiently. The solution is to use an adaptive filter that automatically changes its characteristics by optimizing the internal parameters. The adaptive filtering algorithms are essential in many statistical signal processing applications. Although the field of adaptive signal processing has been subject of research for over three decades, it was in the eighties that a major growth occurred in research and applications. Two main reasons can be credited to this growth, the availability of implementation tools and the appearance of early textbooks exposing the subject in an organized form. Presently, there is still a lot of activities going on in the area of adaptive filtering. In spite of that, the theor­ etical development in the linear-adaptive-filtering area reached a maturity that justifies a text treating the various methods in a unified way, emphasizing the algorithms that work well in practical implementation.