自適應

自適應算法可以用硬件(處理電路)或軟件(程序控制)兩種辦法實現。前者依據算法的數學模型設計電路，後者則將算法的數學模型編製成程序並用計算機實現。算法有很多種，它的選擇很重要，它決定處理系統的性能質量和可行性。常用的自適應算法有迫零算法，最陡下降算法，LMS算法，RLS算法以及各種盲均衡算法等。

例如，自適應均衡器就是按照某種準則和算法對其係數進行調整最終使自適應均衡器的代價(目標)函數最小化，達到最佳均衡的目的，而各種調整係數的算法就稱為自適應算法。

自適應算法是根據某個最優準則來設計的。自適應算法所採用的最優準則有最小均方誤差(LMS)準則，最小二乘(LS)準則、最大信噪比準則和統計檢測準則等。LMS算法和RLS算法由於採用的最優準則不同，因此這兩種算法在性能，複雜度等方面均有許多差別。

自適應控制是一門研究具有不確定性系統控制問題的學科。它是“工程控制論”基本學科中的一個分支學科。自適應控制可以看作是一個能根據環境變化智能調節自身特性的反饋控制系統以使系統能按照一些設定的標準工作在最優狀態。自適應控制在航空、導彈和空間飛行器的控制中很成功。

自適應控制的意義

自適應控制和常規的反饋控制和最優控制一樣，也是一種基於數學模型的控制方法，所不同的只是自適應控制所依據的關於模型和擾動的先驗知識比較少，需要在系統的運行過程中去不斷提取有關模型的信息，使模型逐步完善。具體地説，可以依據對象的輸入輸出數據，不斷地辨識模型參數，這個過程稱為系統的在線辯識。隨着生產過程的不斷進行，通過在線辯識，模型會變得越來越準確，越來越接近於實際。既然模型在不斷的改進，顯然，基於這種模型綜合出來的控制作用也將隨之不斷的改進。在這個意義下，控制系統具有一定的適應能力。比如説，當系統在設計階段，由於對象特性的初始信息比較缺乏，系統在剛開始投入運行時可能性能不理想，但是隻要經過一段時間的運行，通過在線辯識和控制以後，控制系統逐漸適應，最終將自身調整到一個滿意的工作狀態。再比如某些控制對象，其特性可能在運行過程中要發生較大的變化，但通過在線辯識和改變控制器參數，系統也能逐漸適應。

傳統自適應控制的使用範圍

傳統的自適應控制適合：

（1）沒有大時間延遲的機械系統；

（2）對設計的系統動態特性很清楚。

傳統自適應控制存在問題

在工業過程控制應用中，傳統的自適應控制並不如意。PID自整定方案可能是最可靠的，廣泛應用於商業產品，但用户並不怎麼喜歡和接受。傳統的自適應控制方法，要麼採用模型參考要麼採用自整定，一般需要辨識過程的動態特性。它存在許多基本問題：

（1）需要複雜的離線訓練；

（2）辨識所需的充分激勵信號和系統平穩運行的矛盾；

（3）對系統結構假設；

（4）實際應用中，模型的收斂性和系統穩定性無法保證。

另外，傳統自適應控制方法中假設系統結構的信息，在處理非線性、變結構或大時間延遲時很難。

自適應濾波器是能夠根據輸入信號自動調整性能進行數字信號處理的數字濾波器。作為對比，非自適應濾波器有靜態的濾波器係數，這些靜態係數一起組成傳遞函數。

對於一些應用來説，由於事先並不知道所需要進行操作的參數，例如一些噪聲信號的特性，所以要求使用自適應的係數進行處理。在這種情況下，通常使用自適應濾波器，自適應濾波器使用反饋來調整濾波器係數以及頻率響應。

總的來説，自適應的過程涉及到將價值函數用於確定如何更改濾波器係數從而減小下一次迭代過程成本的算法。價值函數是濾波器最佳性能的判斷準則，比如減小輸入信號中的噪聲成分的能力。

隨着數字信號處理器性能的增強，自適應濾波器的應用越來越常見，時至今日它們已經廣泛地用於手機以及其它通信設備、數碼錄像機和數碼照相機以及醫療監測設備中。 ^[1]