如果只有带噪声信号一路输入,有没有办法用自适应滤波器做去噪呢

有，看用什么模型
比如噪声是周期的信号是非周期的，或者信号是周期的噪声是宽带的
都可以通过延迟产生一个参考通道

倒是搜到一个台湾人写的无参考心电图自适应滤波,就是你说的信号周期的,利用延迟一个心电周期信号没变,噪声被去相关了来做参考信号
但是我手上要处理的信号是个物体运动轨迹,不满足这些周期条件,而且因为物体运动规律无法预测(比如一个苍蝇在飞的轨迹,只知道不可能做布朗运动那样乱动),实在想不出来如何产生一个参考信号来做自适应滤波

短时间没有惯性导致的规律轨迹么？

在我现在实现的算法里这点肯定利用了,现在用了kalman滤波器,但是kalman滤波器不算是自适应滤波,主要需要事先给定噪声参数,而拿到轨迹是变噪声的,距离越远噪声越大,虽然看起来kalman滤波对噪声变化的情况似乎也能处理,但是从第一原理来说它就不是最优的,所以我才想用自适应滤波器
目前考虑想实现RLS,RLS本质上就是adaptive kalman,但是主要问题就是如何设计整个滤波器的结构产生一个参考信号. 现在的是把输入delay一些以后用来做自参考,但是效果不太好,很大原因是必须把当前点的FIR抽头给去掉,否则滤波器就tracking到输入信号的延迟拷贝上去了.
发上来看看各位还有没有其他思路

RLS不就是kalman的特例吗？
为什么一定要纠结自适应呢？如果kalman滤波器中的系统模型，观测模型和实际情况吻
合，就没问题啊。

RLS是一个kalman的特例,但是还是有不同的. 我认为这种情况下光是各个模型符合是不够的,还需要噪声每次kalman迭代都给新的方差,因为这个系统中噪声是时变的. RLS因为是自适应系统,噪声时变就不是问题了.
还有实现下来发现kalman对轨迹比较突然转折的地方的overshoot抑制不如RLS.
这个问题已经搞定了,delay输入自参考没问题,关键要把FIR滤波器里特定的tap去掉,之前犯了错误没去掉所以track到delay copy上去了,完全没去噪效果了.

你好,为什么你说模型符合就可以呢,模型符合还需要噪声参数也对吧,时变噪声就得按照P(n),Q(n)这样每次迭代都更新的来给,一般情况下没法得到这样的信息的.

模型符合，隐性的包含了噪声特性。
如果模型不符合，但增加噪声的方差，可以弥补对模型不确定的影响。
时变噪声，问题是噪声的统计特性怎么变你有多少了解，如果了解充分，也不是问题啊。