自适应滤波器在噪声消除中的应用与研究
自适应滤波器在噪声处理中的应用
键词 】 自 适应 滤波器 噪声处理 Ｌ Ｍ Ｓ 算法
算 法
Ｌ ＭＳ算 法 是 首 先 通 过 期 望 信 号 与 实 际 信
号 的误差数值 ，通过 最陡下降法，进行与误差 成 一定 步长 的迭 代运 算 ，从而 使结 果更趋 近
于最佳值 。Ｌ ＭＳ算法 的原理即使将 Ｅ （ ｅ １ 视为 ｅ ，简化 数据运算 。在 滤波下 降算法 中常用有 两种实现思路 自适应梯度算法和 自适应 高斯 一 牛顿算法 。 与 维纳 滤波 （ ｗｉ ｅ ｎ ｅ ｒ ｆ ｉ ｌ ｔ ｅ ｒ ｉ ｎ ｇ ） 相 比较， Ｌ ＭＳ算法不 需要 对信 号统计 特性有 预先 的估 计样本 ，同时可 以避 免重复的矩阵计算 ，适合 实 时运 算的场 景 。Ｌ ＭＳ算法 属于 递 归类型 ， 是通过不断调整权重 系数，使 预估 数据逐渐得 到改善 ，系数上 下波动 ，但 是不会收敛到最优 的数值 。
ＲＬ Ｓ算法相对 于 ＬＭＳ算 法，在收敛 性能 方面有较大提升 ，同时提高了跟踪能力，需要 进行较大 的运算量 ，当 自适应 滤波器阶数较大
在 运 算 和 收 敛 方 面 ，Ｒ ＬＳ算 法 相 对 于 Ｌ ＭＳ算法 的时 间平均 ，因此所 能获 取的最 优 滤波器依据于计算平均参数 的样本值 ，相对 而 言 ，ＬＭＳ算 法是 基 于集平 均而 搭建 的，所 以
算法复数乘法正比于 ｌ ｋ ２ ，所 以其 自适应处理速
法步长 因子的控制，在一定值范 围内，增大 步 度 更快。 长 因子会 减小调整时间 ，但超过这个值范 围时 系统不再收敛 ，步长因子的最大取值为某参数
的迹 。
３ 自适应滤波 器算 法性 能比较
自适应滤波器在通信系统中的应用研究
自适应滤波器在通信系统中的应用研究自适应滤波器是一种能够自动调整其滤波器系数以适应不同环境下的信号特征的滤波器。
它可以在传输信号中滤除噪声和干扰信号，提高接收信号的质量，同时也可以用于信号的降维处理和特征提取等领域。
在通信系统中，自适应滤波器的应用也越来越广泛。
一、自适应滤波器的基本原理自适应滤波器的基本原理是通过对输入信号进行加权和来得到输出信号。
这些权值由特定算法自动调整以优化输出信号的质量。
不同的自适应算法有不同的公式和策略，但它们的共同点是在不需要事先知道噪声或干扰信号统计特性的情况下对它们进行估计和抑制。
自适应滤波器的核心是一个可调参数向量w，它可以通过以下的公式进行更新：w=ax+w其中，a是步长因子，x是输入信号的向量，w是权值向量。
自适应滤波器有两种主要类型：迫零滤波器和最小均方滤波器。
迫零滤波器试图消除噪声或干扰信号本身，而最小均方滤波器则试图使信号的均方误差最小化。
二、自适应滤波器在通信系统中的应用1.信道均衡自适应滤波器在通信系统中的广泛应用之一是信道均衡。
信道均衡是通过消除信号传输过程中的失真和噪声来恢复原始信号。
由于信号在传输过程中受到的干扰和噪声的影响，它们可能会发生畸变和位移，导致接收方无法正确识别。
自适应滤波器可以通过自动调整滤波器系数来抑制干扰和降低误差。
通过不断适应信道的特性，自适应滤波器能够实现更好的信道均衡性能，从而提高通信的可靠性和可用性。
2.自适应信号干扰抑制在通信系统中，噪声和干扰信号可能会影响信号质量和可靠性。
自适应滤波器可以通过消除噪声和干扰信号来提高信号质量和可靠性。
当干扰信号的特征比较稳定或已知时，可以采用卡尔曼滤波器、LMS或RLS等自适应滤波算法进行信号干扰抑制。
3.自适应预处理当输入信号包含多个不同频率和幅度的成分时，自适应滤波器可以用来提取感兴趣的信号成分。
例如，在语音识别中，自适应滤波器可以从环境噪声中提取说话者的语音信号。
自适应预处理技术可以在不同环境下有效地处理复杂的信号，并提高信号处理的准确性和效率。
自适应滤波器去噪原理 -回复
自适应滤波器去噪原理-回复中括号内容：自适应滤波器去噪原理文章标题：自适应滤波器去噪原理及其应用引言：随着噪声对于图像、音频和其他信号的影响成为一个重要问题，人们对于噪声去除的需求也越来越高。
自适应滤波器作为一种常用的去噪方法，能够根据输入信号的特性自动调整滤波器参数，使去噪效果更好。
本文将详细介绍自适应滤波器去噪的原理及其应用。
第一部分：自适应滤波器概述1.1 什么是自适应滤波器自适应滤波器是一种可根据输入信号自动调整滤波器参数的滤波器，以使输出信号更接近于输入信号的真实信息，同时去除噪声。
1.2 自适应滤波器的分类根据滤波器参数的调整方式，自适应滤波器可分为线性和非线性两种类型。
线性自适应滤波器使用线性组合来估计输入信号，而非线性自适应滤波器则使用非线性函数来估计输入信号。
第二部分：自适应滤波器去噪原理2.1 自适应滤波器的工作原理自适应滤波器的工作原理是，通过对输入信号进行分析，利用统计学方法来估计滤波器的参数，以使滤波后的信号尽可能接近原始信号并且去除噪声。
2.2 自适应滤波器的参数估计方法常用的自适应滤波器参数估计方法有最小均方（LMS）算法和最小均方误差（LMMSE）算法。
LMS算法通过最小化估计输出与实际输出之间的均方误差来调整滤波器参数；LMMSE算法则通过最小化估计输出与原始信号之间的均方误差来调整滤波器参数。
第三部分：自适应滤波器的应用3.1 图像去噪自适应滤波器在图像去噪方面有着广泛的应用。
通过对输入图像进行分析，自适应滤波器能够估计出图像区域的噪声特性，并根据噪声特性来调整滤波器参数，以去除噪声并保留图像细节。
3.2 语音信号去噪在语音信号处理中，自适应滤波器也发挥着重要作用。
通过对语音信号进行分析，自适应滤波器能够估计出语音信号的噪声特性，并据此进行滤波器参数的自适应调整，以降低噪声对语音信号的影响。
3.3 视频去噪对于视频信号而言，自适应滤波器同样可以用于去噪处理。
通过对视频信号进行分析，自适应滤波器能够根据噪声特性自动调整滤波器参数，以去除噪声并提高视频质量。
自适应滤波算法及其应用研究
自适应滤波算法及其应用研究随着科技的不断发展，我们对信号处理的要求也越来越高。
因此，滤波器的设计和优化就显得至关重要。
自适应滤波算法以其广泛应用于信号处理和控制领域，受到研究者的普遍关注。
本文将介绍自适应滤波算法及其应用研究。
一、自适应滤波算法概述自适应滤波是指滤波器能够自动调节其参数以适应输入信号的变化。
在实际应用中，输入信号通常是非稳态的，而传统的滤波器无法有效处理这些非稳态信号。
相反，自适应滤波器能够根据输入信号的实际情况来自动调整其滤波参数，以达到更好的滤波效果。
自适应滤波器通常具有以下几个基本特征：1. 自动调节参数自适应滤波器可以根据输入信号的特征自动调节其参数。
这些参数通常是滤波器的带宽、增益、延迟等。
2. 可适应采样率自适应滤波器能够根据输入信号的频率来自动调整采样率。
这使得自适应滤波器能够更好地适应不同频率的信号。
3. 更好的滤波效果与传统的固定滤波器相比，自适应滤波器的滤波效果更好，可以有效地过滤掉噪声和干扰信号。
二、常见的自适应滤波算法1. 最小均方差滤波算法最小均方差滤波算法是自适应滤波器中最常见的一种算法。
该算法通过最小化误差平方和来调整滤波器参数。
这个算法不仅可以用于信号处理，还可以用于控制系统中的自适应控制。
2. 递归最小二乘滤波算法递归最小二乘滤波算法是一种基于递归最小二乘算法的自适应滤波算法。
该算法通过计算输入信号的残差来优化滤波器参数。
在实际应用中，递归最小二乘滤波算法通常比最小均方差滤波算法更有效。
3. 梯度自适应滤波算法梯度自适应滤波算法是一种基于梯度算法的自适应滤波算法。
该算法通过计算残差的梯度来调整滤波器参数。
相比其他自适应滤波算法，梯度自适应滤波算法具有更好的收敛性。
三、自适应滤波算法的应用自适应滤波算法在信号处理和控制领域中有着广泛的应用。
下面我们将介绍其中几个应用案例。
1. 降噪在语音处理、音频处理和图像处理领域，自适应滤波算法常常用于降噪。
通过对输入信号进行滤波，可以去除不必要的噪声信号，从而获得更清晰、更可靠的信号。
自适应噪声抵消技术的研究
自适应噪声抵消技术的研究一、概述自适应噪声抵消技术是一种重要的信号处理技术，旨在从含噪信号中提取出有用的信息。
在现代通信、音频处理、语音识别等领域中，噪声往往是一个不可避免的问题，它可能来自于外部环境、设备本身的干扰或传输过程中的失真等。
研究并应用自适应噪声抵消技术，对于提高信号质量、增强系统性能具有重要意义。
自适应噪声抵消技术的基本原理是，利用噪声信号与有用信号之间的统计特性差异，通过设计合适的滤波器或算法，实时调整滤波器的参数，使得滤波器输出的噪声信号与原始噪声信号相抵消，从而得到较为纯净的有用信号。
这一过程中，滤波器的参数调整是自适应的，即根据输入信号的变化而自动调整，以实现最佳的噪声抵消效果。
随着数字信号处理技术的发展，自适应噪声抵消技术得到了广泛的研究和应用。
已有多种算法被提出并应用于不同领域的噪声抵消任务中，如最小均方误差算法、归一化最小均方误差算法、递归最小二乘算法等。
这些算法各具特点，适用于不同的应用场景和噪声类型。
自适应噪声抵消技术仍面临一些挑战和问题。
当噪声信号与有用信号在统计特性上较为接近时，滤波器的设计将变得更为复杂；在实际应用中，还需要考虑实时性、计算复杂度以及硬件实现等因素。
未来的研究方向之一是如何进一步提高自适应噪声抵消技术的性能，同时降低其实现的复杂度和成本。
自适应噪声抵消技术是一种具有广泛应用前景的信号处理技术。
通过深入研究其基本原理、算法实现以及应用挑战，有望为现代通信、音频处理等领域提供更加高效、可靠的噪声抵消解决方案。
1. 背景介绍：阐述噪声抵消技术在现代通信、音频处理等领域的重要性和应用广泛性。
在现代通信和音频处理领域，噪声抵消技术的重要性日益凸显，其应用广泛性也随之扩展。
随着科技的快速发展，通信设备和音频系统的使用越来越广泛，噪声干扰问题也愈发严重。
无论是移动通信、语音识别，还是音频录制、音乐播放，噪声都可能对信号质量产生严重影响，甚至导致信息丢失或误判。
自适应滤波器的应用及研究意义
自适应滤波器的应用及研究意义首先，自适应滤波器在信号去噪方面的应用是其最常见的应用之一、信号通常会受到噪声的污染，在进行信号分析、处理和提取时，需要对信号进行去噪处理。
传统的滤波器在去噪过程中通常使用固定的滤波系数，而自适应滤波器可以根据输入信号的动态变化自动调整滤波系数，从而更加准确地去除噪声。
因此，自适应滤波器在语音信号处理、图像处理、雷达信号处理等领域有着广泛的应用，可以有效提高信号质量和提取信号中的有用信息。
其次，自适应滤波器还可以在信号预测方面应用。
信号的预测是对未来信号进行估计，常用于信号预测分析和信号压缩。
传统的滤波器常常无法准确地预测信号的动态变化，而自适应滤波器可以通过适应输入信号的实时变化来自动调整其滤波系数，从而能够更加准确地预测信号的未来值。
自适应滤波器的预测能力在金融市场预测、天气预测、机器学习等领域有着重要应用，可以帮助人们做出更准确的决策。
此外，自适应滤波器还可以用于信号识别和分类。
在信号处理中，通常需要对输入信号进行分类和识别，以便进行不同的处理或决策。
传统的分类和识别方法使用固定的特征提取和分类模型，但信号的特征在不同场景下可能不一样，因此固定模型往往无法适应多变的信号特征。
自适应滤波器可以根据输入信号的特征自动调整滤波系数，从而能够更好地适应不同的信号特征，提高信号的分类和识别准确率。
自适应滤波器在语音识别、图像识别、人脸识别等领域有着重要的应用，可以帮助人们更有效地识别和分类不同的信号。
总之，自适应滤波器在信号处理领域有着广泛的应用和研究意义。
其应用涵盖了信号去噪、信号预测、信号识别和分类等多个方面，可以提高信号处理的准确性和效率。
随着科技的不断发展，自适应滤波器的研究和应用也在不断深化，为人们的生活和工作带来了更多的便利和效益。
自适应滤波器在噪声抑制中的应用
自适应滤波器在噪声抑制中的应用自适应滤波器是一种能根据输入信号的统计特性自动调整滤波器参数以达到最优去噪效果的滤波器。
它在信号处理领域中得到广泛应用，尤其在噪声抑制方面发挥了重要作用。
本文将介绍自适应滤波器的原理及其在噪声抑制中的应用。
一、自适应滤波器的原理自适应滤波器的原理基于与滤波器参数相关的权值调整。
它通过对输入信号和参考信号的相关性进行估计，并根据估计结果自动调整滤波器参数，从而最大限度地抑制噪声。
其一般原理如下：1. 定义输入信号和输出信号之间的相关矩阵R为:\[ R = E[x(n)x^T(n)] \]其中，x(n)是输入信号。
2. 定义输入信号和输出信号的交叉相关向量p为:\[ p = E[x(n)s(n)] \]其中，s(n)是噪声信号。
3. 自适应滤波器的输出y(n)可以表示为:\[ y(n) = w^T(n)x(n) \]其中，w(n)为滤波器参数。
4. 根据最小均方误差准则，我们可以得到最优的滤波器参数w(n)的更新公式:\[ w(n) = w(n-1) + \mu R^{-1}p \]其中，μ为步长参数，R^{-1}为相关矩阵R的逆矩阵。
通过以上的原理，自适应滤波器可以根据输入信号的统计特性自动调整滤波器参数，从而实现对噪声的抑制。
二、自适应滤波器在噪声抑制中的应用自适应滤波器在噪声抑制中具有广泛应用的原因在于其可以自动调整滤波器参数以适应不同噪声环境。
以下是自适应滤波器在噪声抑制中的几个典型应用场景：1. 语音信号处理语音信号通常会受到噪声干扰，而自适应滤波器可以根据输入信号和参考信号的相关性自动调整滤波器参数，从而实现对不同频率噪声的抑制。
这种技术在语音通信和语音识别等领域发挥了重要作用。
2. 图像去噪图像去噪是图像处理领域的一项重要任务。
自适应滤波器可以通过对图像的局部像素进行加权平均，根据像素之间的相关性抑制噪声，从而提高图像质量。
这种技术在数字摄影、无损压缩和图像增强等领域有着广泛的应用。
基于自适应滤波技术的音频信号去噪研究
基于自适应滤波技术的音频信号去噪研究在音频系统中，噪声是一个很严重的问题，因为它会影响音频质量，降低听众的体验。
对于音频信号去噪问题，近年来出现了许多解决方法，其中自适应滤波技术是一种比较常用的方法。
本文将介绍自适应滤波技术及其在音频信号去噪研究中的应用。
一、自适应滤波技术概述自适应滤波技术是一种根据输入信号的情况自动调整滤波器参数的方法。
这种方法包括两个主要的环节：滤波器参数估计和滤波器参数更新。
具体来说，滤波器参数估计是一组自适应算法，用来计算滤波器参数。
而滤波器参数更新则是改变滤波器参数，使其更好地适应输入信号的变化。
在自适应滤波技术中，最常用的算法是LMS（最小均方）算法和RLS（递归最小二乘）算法。
LMS算法比较简单，是一种基于迭代的算法，其基本思路就是将滤波器输出值与期望输出值之间的误差最小化。
RLS算法则更加复杂，但是它能够更好地适应信号变化。
二、音频信号去噪研究中的自适应滤波技术应用在音频信号去噪中，自适应滤波技术已经被广泛应用。
对于具有冗余信息的音频信号，自适应滤波技术可以通过滤除噪声信号方案来提高音频信号的质量。
最常见的应用是对嘈杂背景音的降噪。
1. 基于LMS算法的音频信号去噪LMS算法是最基本和最简单的自适应滤波算法之一，因此它也被广泛应用于音频信号的去噪。
在基于LMS算法的音频信号去噪中，滤波器参数是根据误差信号的均方误差进行更新的。
滤波器把输入信号滤波一次产生一个滤波输出，这个输出与期望值进行比较，然后通过误差来更新滤波器参数。
2. 基于RLS算法的音频信号去噪相比LMS算法，RLS算法更加复杂，但是它能够更好地适应信号变化，因此在一些特殊的噪声场合中更为有效。
一般情况下，我们可以用RLS算法实现基于主分量分析的音频信号去噪。
主成分分析（PCA）是一种统计学方法，可以消除信号中的共线性噪声。
3. 基于小波分析的音频信号去噪小波分析技术是一种时间-频率分析方法，对音频信号去噪也有广泛应用。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Key Words: self-adaptive filter, The Least Mean Square algorithm, noise canceling, line enhancement
III
南昌航空大学硕士学位论文
第1章
绪论
第1章 1.1 研究背景及意义
绪论
数字滤波是数字信号处理理论的重要内容。 数字信号处理的迅速发展是从20 世纪60年代开始的，其主要标志是两项重大进展，即快速傅立叶变换(FFT)算法 的提出和数字滤波器设计方法的完善。作为其中一项重大突破的数字滤波器，在 20世纪60年代中期形成了它的完整而正规的理论。 人们根据传统数字滤波器的概
[1] 念，即根据给定的频率特性指标(低通、高通、带通或带阻 ，或别的形状的特
性其参数)来设计并实现数字滤波器外，还深入研究了维纳滤波器和卡尔曼滤波 器的数字实现问题。维纳滤波器是根据有用信号和干扰噪声的统计特性(自相关 函数或功率谱)，以线性最小均方误差估计准则所设计的最佳滤波器，它能最大 程度的滤除干扰噪声，提取有用信号。 在日常生活中，人们经常受到各种噪声的干扰。例如，在有线电话、无线通 信中回波[2]、数据采集中的工频干扰和一些随机噪声是不可避免的。这些噪声在 严重影响了通信的质量。各种封闭空间的噪声如厂房、汽车内的噪声等对人体也 会产生不利的影响。长期在有噪声的环境中工作，将危害人的听力、思维、生理 和心理。在嘈杂的环境下工作，人们很容易疲乏、反应迟钝、工作效率降低，并 且容易心情烦躁，在噪声的刺激下，人们的注意力不容易集中，工作容易出错， 影响工作速度和工作质量，并且很容易产生错误的判断、进行错误的操作，降低 了生产效率。在生活中噪声的存在也很大程度上影响了人们的休息和放松，降低 了生活质量。在工程实际中，经常会遇到强噪声背景中的微弱信号检测问题[3-6]。 例如在超声波无损检测领域， 因传输介质的不均匀等因素导致有用信号与高噪声 信号迭加在一起。 腹部胎儿心电信号埋藏在母亲心电等强背景噪声中以及强噪声 背景下的语音识别等。在信号的传播路径中以及在信号处理过程中，都会引入噪 声。噪声的引入影响了对真实信号的处理。有时候，较强的噪声会“遮盖”了信 号。从而难以得到准确、稳定的真实信号。噪声对信号的污染在绝大多数情况下 是不可避免的，因而，对噪声的消除和抑制是信号处理中极其重要的工作。在如 今这个人们不断追求工作效率、生活质量的年代里，如何有效地消除和抑制噪声 已成为人们研究的一个热门课题。 但在实际应用中，由于有时并没有充足的信息来设计固定系数的数字滤波 器，或者设计规则会在滤波器正常运行时改变，因此自适应滤波器被提出。自适 应滤波器的出现使得滤波器具有跟踪信号和噪声变化的能力， 滤波器的特性也随
南昌航空大学 硕士学位论文 自适应滤波器在噪声消除中的应用与研究 姓名：余荣贵 申请学位级别：硕士 专业：计算机应用技术 指导教师：叶水生 20080601
摘要
任何系统都不可避免地受到噪声的影响， 如何有效地消除和抑制噪声是多年 来的热门研究课题之一。噪声抑制方法可以分为两大类:被动噪声抑制和主动噪 声抑制。随着控制系统理论和数字信号处理技术的发展，主动噪声抑制技术开始 以自适应为主要研究方向。 自适应噪声抵消技术和自适应谱线增强技术都是基于 自适应滤波原理的一种扩展，它能从被噪声干扰的环境中检测和提取有用信号， 抑制或衰减噪声干扰，提高信号传递和接收的信噪比质量。文中主要研究基于自 适应滤波器的主动噪声抑制技术及其实现方法。 文中介绍了自适应滤波器的基本原理，结构和应用；对自适应算法中的最小 均方（LMS）算法进行了深入研究，具体分析了收敛特性及各参数对算法性能的 影响。应用 MATLAB 软件，对自适应算法进行了仿真研究，针对各类不同参数和 不同输入信号，分析比较了各种情况下的滤波器收敛速度、稳态误差和各算法的 优缺点。 针对传统的LMS算法中步长选取影响收敛速度与稳态误差的这一对矛盾，提 出了许多新的变步长LMS算法。 其中许多算法建立了系统输出误差e与步长因子μ 的一种非线性函数关系,但是自适应滤波器的每种应用中的系统误差e是不同的， 从而导致每种应用中的步长因子μ也是不同的， 这个不同的步长因子μ必将严重 影响LMS算法的性能。因此文中根据自适应噪声抵消器和自适应谱线增强器的特 点，提出了两种改进的变步长LMS算法，然后文中又将这两种改进的算法组合成 一种新的改进的算法，计算机仿真实验表明改进的算法具有优越的性能。 最后文中将自适应噪声抵消器和自适应谱线增强器组合成一个滤波器， 并将 这个滤波器应用到电参数测量系统中，实验表明，这个组合的滤波器具有良好的 消除噪声能力。
关键词：自适应滤波器，最小均方算法，噪声抵消，谱线增强
I
ABSTRACT
All systems will be influenced by noise.How to effectively eliminate the noise is one of hot subjects for years.Noise suppression is classified into two classes:Passive Noise Control and Active Noise Control.With the development of control system theory and digital signal processing,Active Noise Control puts concentration on adaptation.The adaptive noise canceling system and the adaptive line enhancement system develop form the adaptive filtering system.They can improve the quality of signal by picking up and detecting the useful signal or canceling noise in the environment which was interfered by noise.The paper studied the Active Noise Control and its application method based on adaptive filter approach. The paper begins with the principle ,structure and application of adaptive filter. Based on the principle,the Least Mean Square(LMS) is researched deeply.It is a important algorithm of adaptive filter. The ratiocinative process and convergence performance of the algorithms is given. Parameter effects on performance of the algorithm are studied. Based on the MATLAB platform，simulation is carried out for the adaptive algorithms， analysis of convergence rate and steady state error results are given under various conditions.Accordingly, merits of the different algorithms are discussed. Due to the fact that the convergent speed and steady-state error are affected by the fixed step-size in classical LMS algorithm, many new algorithm is presented with variable step-size. Some of them establish a non-linear functional relationship between step-size factor µ and the system output error e.However, the system output error e of every application of adaptive filter are different,therefore,their step-size factor µ are different.The difference of step-size factor µ decrease the processing ability the LMS algorithm.So, according to the characteristic of the adaptive noise canceler and the adaptive line enhancement, two improved algorithm are presented with variable step-size LMS algorithm in the paper,and then a new improved algorithm is made up by the two improved algorithm, Computer simulation verifies the better performance of the new improved algorithm. At the last, the filter of the incorporation of the adaptive noise canceler and the adaptive line enhancement is applied to the system of electricity measure.Emulation proves that the performance of denoising of this filer is excellent.