纪彦星 丁贤君

（1.中国人民解放军91404部队 秦皇岛 066001）（2.中国船舶集团有限公司第七〇九研究所 武汉 430205）

1 引言

自适应陷波滤波器（ANF）能够有效地估计和提取背景噪声中的窄带信号参数。早期的研究基于有限脉冲响应（FIR）滤波器和最小均方（LMS）算法。通过采用最陡下降搜索方向，LMS算法具有数值计算复杂度低和鲁棒性强的优点，因此应用比较广泛。为了解决正弦信号的在线频率估计的经典问题，Hsu、Ortega和 Damm［1］提出了一种新的保证全局收敛的ANF。然而，它的主要局限是收敛速度相对较慢，并且对输入相关矩阵特征值扩散的变化敏感［2～3］。为了提高ANF的性能，学者们付诸了大量的研究。Mojiri和 Bakhshai［4］开发了一种改进的ANF，以实现周期性信号的在线频率估计，这种周期信号不必满足正弦条件。此外，他们还证明了该算法具有更简单的稳定性分析特点，即使在纯正弦信号的情况下也减轻了问题的复杂性。梁国龙等［5］提出了频率自跟踪估计器（FATAFE），克服了频率偏差的增加，与自适应频率估计器（AFE）相比，进一步降低了估计偏差和方差。针对宽带噪声干扰下正弦信号的频率估计问题，Punchalard、Lorsawat⁃siri和Loetwassana等［6］提出了二阶自适应FIR陷波滤波器（AFNF）。AFNF的收敛速度和均方误差（MSE）等性能可以很容易地通过步长参数来控制。由于传统的离散化过程在计算自适应滤波器状态导数时会产生偏差，Yoon、Bahn和Lee等［7］提出了一种新的LMS-ANF频率估计的离散导数方法。新的ANF可以准确估计不同频率范围内输入信号的频率。

近年来，采用牛顿搜索方向的递推最小二乘（RLS）算法被引入ANF。……