CN102394593B - 一种整型化的最小均方lms自适应滤波器和方法 - Google Patents
一种整型化的最小均方lms自适应滤波器和方法 Download PDFInfo
- Publication number
- CN102394593B CN102394593B CN201110277660.0A CN201110277660A CN102394593B CN 102394593 B CN102394593 B CN 102394593B CN 201110277660 A CN201110277660 A CN 201110277660A CN 102394593 B CN102394593 B CN 102394593B
- Authority
- CN
- China
- Prior art keywords
- integer
- signal
- error
- output
- filter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Filters That Use Time-Delay Elements (AREA)
Abstract
本发明提供了一种整型化的LMS自适应滤波器,包括数字滤波器,包括数字滤波器,数字滤波器将步长2μ由小于1的小数整型为大于1或等于1的整数,同时输出整型放大的输出信号y(n);数字滤波器的输出端连接有误差计算模块,对期望信号d(n)和误差信号e(n)进行数量级的匹配计算;通过整型化处理使LMS自适应滤波器避免了小数的乘法计算,降低了实现电路的复杂性;本发明还给出了可变步长求取自适应权系数的方法,增加了一个误差判断模块,从而实现步长可变,在保证小信号收敛速度的同时也确保大信号的稳定快速收敛。
Description
技术领域
本发明涉及数字信号处理领域,特别是涉及一种整型化的最小均方LMS自适应滤波器和方法,适用于通信领域或卫星导航领域中的信号抗干扰处理。最小均方即为least-mean-square,缩写为LMS。
背景技术
自适应滤波器一直是信号处理领域的研究热点之一,经过30多年的发展,其已经被广泛应用于数字通信、雷达、声纳、地震学、导航系统、生物医学和工业控制等领域。
自适应滤波器是时变滤波器,因为其参数在不断变化以满足某个性能要求,从这个意义上讲,可以将自适应滤波器解释为用在线方式完成近似步骤的一种滤波器。在通常情况下,定义性能准则要求有一个参考信号,该参考信号通常隐含在设计固定滤波器的近似步骤中。这种说法让人觉得,在设计固定(非自适应)滤波器的过程中,需要知道输入信号和参考信号的完全特征,才能设计出满足一定性能的最合适的滤波器。然而,在实际中通常不会遇到这种情形,因为实际环境不是很明确的。组成环境的信号是输入信号和参考信号,对于这两者都不太明确的情况,采用的设计方法是首先对信号进行建模,然后再设计滤波器。这种方法不仅复杂度高,而且很难用在线方式实现。对这个问题的解决办法是采用一个自适应滤波器,该滤波器只利用环境中的可用信息,通过一个相当简单的算法在线更新其参数。换句话说,自适应滤波完成了数据驱动的近似步骤。
在图1中,给出了自适应滤波器的一般结构。其中,n为迭代次数,x(n)为输入信号,y(n)为自适应滤波器的输出信号,d(n)为定义了的期望信号,e(n)为误差信号,可以根据d(n)-y(n)计算得出,w(n)为可变的滤波器权系数,误差信号e(n)和输入信号x(n)经过一定的自适应算法的运算来影响滤波器权系数w(n),达到自适应的效果。
自适应算法中应用最广泛的是最小均方(LMS,least-mean-square)算法,LMS算法是一种搜索算法,它通过对目标函数进行适当的调整,简化了对梯度向量的计算。由于其计算简单性,LMS算法和其他与之相关的算法已经广泛应用于自适应滤波的各种应用中。LMS算法的基本思想是调整滤波器的权系数,使滤波器的输出信号与期望信号之间的均方误差最小。一般的实现LMS算法的自适应滤波器的结构如图2所示,LMS算法用公式表示为:
y(n)=w(n)*x(n) (1)
e(n)=d(n)-y(n) (2)
w(n+1)=w(n)+2*μ*e(n)*x(n)(3)
根据公式(1)、(2)得到,输入信号x(n)与权系数w(n)相乘得到的结果y(n)为自适应滤波器的输出,期望信号d(n)与y(n)相减,得到误差信号e(n)。根据公式(3)得到,误差信号e(n)与步长2μ和经过输入延时寄存器的延迟输入信号x(n)相乘后的结果与权系数寄存器中原来的权系数w(n)相加得到下一时刻的权系数w(n+1)。但这种自适应算法的步长2μ为小于1的小数,这导致采用自适应算法得到的权系数w(n)也必须保留较多的小数位,因此,实现这种自适应算法所用乘法器比起一般的整型乘法器结构复杂,占用资源更多;另外这种自适应算法,由于产生权系数w(n)的反馈路径步长2μ是固定的,所以当输入信号幅度较小时,为了保证系统有较快地收敛速度,步长2μ会选择比较大的值,但是当输入信号幅度较大时,步长2μ固定,会造成滤波器的不收敛,系统不稳定。
发明内容
本发明公开了一种整型化的最小均方LMS自适应滤波器和方法,将LMS自适应滤波器的步长由小于1的小数整型为大于1或等于1的整数,使LMS自适应滤波器所用的乘法器避免了小数的乘法计算,减小了实现电路的复杂性。
本发明还解决了在一般最小均方LMS自适应算法中,由于步长固定,当输入信号较大时,系统无法收敛的缺陷,在保证小信号收敛速度的同时也确保大信号的稳定快速收敛。
本发明的技术方案是:
一种整型化的最小均方LMS自适应滤波器,其特征在于,包括数字滤波器,所述数字滤波器通过选取合适的整型化系数,将步长2μ由小于1的小数整型为大于1或等于1的整数,使得经过LMS自适应算法运算得到的滤波器权系数w(n)也为大于1或等于1的整数,同时输出整型放大的输出信号y(n);所述数字滤波器的输出端连接有误差计算模块,所述误差计算模块依据所述数字滤波器输出的整型放大的输出信号,对期望信号d(n)和期望信号d(n)与输出信号y(n)相减得到的误差信号e(n)进行数量级的匹配计算,输出经过匹配计算的误差信号e_s(n),使得误差信号e_s(n)和输入信号x(n)进行LMS自适应算法运算得到的滤波器权系数w(n)等效于步长2μ为小于1的小数时通过LMS自适应算法运算计算得到的滤波器权系数w(n)。
所述LMS自适应滤波器还包括误差幅度判断模块,所述误差幅度判断模块根据预设的门限值动态调整所述误差计算模块输出的误差信号e_s(n)的幅度大小,输出步长可变的输出信号e_dlt(n),误差幅度判断模块的输出信号e_dlt(n)和输入延时寄存器的延迟的输入信号x(n)相乘后的结果与上一时刻的权系数w(n)相加得到下一时刻的权系数w(n+1)。
所述误差计算模块包括期望信号放大单元和误差信号还原单元;所述期望信号放大单元将期望信号d(n)整型放大为与输出信号y(n)相匹配的数量级;整型放大后的期望信号d(n)与输出信号y(n)相减得到整型放大的误差信号e(n);所述误差信号还原单元将整型放大的误差信号e(n)进行相对应的整型还原,输出整型还原后的误差信号e_s(n)。
所述数字滤波器选取整型化系数为λ,将整型化系数λ取值为2N-1,将步长2μ取值为1/2N-1,使步长2μ乘以整型化系数λ整型为等于1的整数,同时输出放大2N-1倍的输出信号y(n)。
所述期望信号放大单元为左移移位寄存器,所述左移移位寄存器将期望信号d(n)的数据左移N-1位,将期望信号d(n)放大2N-1倍,放大2N-1倍的期望信号d(n)与输出信号y(n)相减得到放大2N-1倍的误差信号e(n);所述误差信号还原单元为右移移位寄存器,所述右移移位寄存器将放大2N-1倍的误差信号e(n)的数据右移N-1位,输出缩小2N-1倍的误差信号e_s(n),其中,N为大于1或等于1的正整数。
所述误差幅度判断模块包括比较器和选择器,所述比较器的逻辑值为1的输入端输入预设的门限值eth,所述比较器的逻辑值为0的输入端连接所述误差计算模块的输出端,所述比较器的LT输出端连接选择器;当输入比较器的误差信号e_s(n)的幅度小于或等于预设的门限值时,比较器输出逻辑1,选择器的输出信号e_dlt(n)即为输入的误差信号e_s(n);当输入比较器的误差信号幅度大于预设的门限值时,比较器输出逻辑0,选择器的输出信号e_dlt(n)即为预设的门限值eth。
一种实现整型化的最小均方LMS自适应算法的方法,其特征在于,所述方法包括以下公式:
y(n)=w(n)*x(n) (4)
e(n)=d(n)*λ-y(n) (5)
w(n+1)=w(n)+e_s(n)*x(n) (7)
公式(4)中,滤波器权系数w(n)是将步长2μ乘以整型化系数λ,由小于1的小数整型为大于1或等于1的整数后,经过LMS自适应算法运算得到的放大λ倍的滤波器权系数,输入信号x(n)与权系数w(n)相乘得到放大λ倍的滤波器输出信号y(n);公式(5)表示将期望信号d(n)与放大λ倍的滤波器输出信号y(n)进行数量级的匹配,将期望信号d(n)乘以整型化系数λ后再与输出信号y(n)相减后得到放大λ倍的误差信号e(n);公式(6)表示将放大λ倍的误差信号e(n)进行相对应的还原,除以整型化系数λ,得到缩小λ倍的还原误差信号e_s(n);公式(7)表示经过缩小λ倍的还原误差信号e_s(n)和输入信号x(n)相乘后的结果与上一时刻的权系数w(n)相加得到下一时刻的权系数w(n+1)。
所述公式(7)中的e_s(n)遵循以下公式:
表示:将e_s(n)的幅度与预设的门限值的大小比较,通过误差幅度判断转换为步长可变的e_dlt(n),当e_s(n)幅度小于或等于预设的门限值eth时,e_dlt(n)等于e_s(n);当e_s(n)幅度大于门限值eth时,e_dlt(n)等于eth。;则公式(7)表示为:
w(n+1)=w(n)+e_dlt(n)*x(n) (9)。
所述公式(4)中的权系数w(n),是将整型化系数λ取值为2N-1,步长2μ取值为1/2N-1,将步长2μ乘以整型化系数λ整型为等于1的整数时得到的权系数。
所述公式(5)和公式(6)表示为:
e(n)=d(n)*2N-1-y(n) (10)
本发明的技术效果:
本发明提供的一种整型化的最小均方LMS自适应滤波器,包括数字滤波器,数字滤波器通过选取合适的整型化放大系数,将步长2μ由小于1的小数整型为大于1或等于1的整数,使得经过LMS自适应算法运算得到的滤波器权系数w(n)也为大于1或等于1的整数,避免了小数的乘法计算,由于数字滤波器将步长2μ和权系数w(n)整型为大于1或等于1的整数,导致滤波器的输出信号y(n)被放大,因此,本发明数字滤波器的输出端连接有误差计算模块,误差计算模块针对被放大的输出信号,对期望信号d(n)和误差信号e(n)进行数量级的匹配计算,输出经过匹配计算的误差信号e_s(n),使得误差信号e_s(n)和输入信号x(n)经过LMS自适应算法运算得到的滤波器权系数w(n)不再被放大,等效于在步长2μ为小于1的小数时通过LMS自适应算法运算计算得到的滤波器权系数w(n);这样本发明的整型化的LMS自适应滤波器,通过将步长为小于1的小数整型放大为大于1或等于1的整数,并对期望信号和误差信号进行相应的整型化处理,使LMS自适应滤波器所用的乘法器避免了小数的乘法计算,降低了实现电路的复杂性,减小了系统实现所需要的硬件资源。本发明还给出了可变步长求取自适应权系数的方法,避免了现有最小均方LMS自适应算法中,由于步长固定,当输入信号较大时,系统无法收敛的缺陷,本发明针对现有算法这一缺陷,增加了一个误差判断模块,通过比较误差信号幅度与预设的门限值的大小,从而实现步长可变,在保证小信号收敛速度的同时也确保大信号的稳定快速收敛。
附图说明
图1为现有的自适应滤波器结构示意图。
图2为现有的LMS自适应滤波器的结构示意图。
图3为本发明整型化的LMS自适应滤波器实施例结构示意图。
图4为本发明整型化的LMS自适应滤波器中的误差判断模块实施例结构示意图。
具体实施方式
以下结合附图对本发明的实施例做进一步的详细说明。
如图3所示,为本发明的整型化的LMS自适应滤波器实施例结构示意图。一种整型化的最小均方LMS自适应滤波器,包括数字滤波器,数字滤波器通过选取合适的整型化系数,将步长2μ由小于1的小数整型为大于1或等于1的整数,使得经过LMS自适应算法运算得到的滤波器权系数w(n)也为大于1或等于1的整数,同时输出信号y(n)也被整型放大;数字滤波器的输出端连接有误差计算模块,误差计算模块依据所述数字滤波器输出的整型放大的输出信号y(n),对期望信号d(n)和期望信号d(n)与输出信号y(n)相减得到的误差信号e(n)进行数量级的匹配计算,输出经过匹配计算的误差信号e_s(n);误差计算模块包括期望信号放大单元和误差信号还原单元;期望信号放大单元将期望信号d(n)整型放大为与输出信号y(n)相匹配的数量级;整型放大的期望信号d(n)与输出信号y(n)相减得到整型放大的误差信号e(n);误差信号还原单元将整型放大的误差信号e(n)进行相对应的整型还原,输出整型还原后的误差信号e_s(n),本实施例中,期望信号放大单元为左移移位寄存器,误差信号还原单元为右移移位寄存器。还包括误差幅度判断模块,将误差计算模块输出的误差信号e_s(n)进行幅度大小的判断,误差幅度判断模块根据预设的门限值的大小,动态调整误差计算模块输出的误差信号e_s(n)的幅度大小,输出步长可变的输出信号e_dlt(n),误差幅度判断模块的输出信号e_dlt(n)和输入延时寄存器的延迟的输入信号x(n)相乘后的结果与上一时刻的权系数w(n)相加得到下一时刻的权系数w(n+1)。因此本发明整型化的LMS自适应滤波器通过将步长为小于1的小数整型放大为大于1或等于1的整数,并对期望信号和误差信号进行相应的整型化处理,使LMS自适应滤波器所用的乘法器避免了小数的乘法计算,降低了实现电路的复杂性,减小了系统实现所需要的硬件资源;还通过误差幅度判断模块对误差信号进行幅度判断,实现了产生权系数w(n)的反馈路径步长的可变,在保证小信号收敛速度的同时也确保大信号的稳定快速收敛。本实施例中,数字滤波器选取整型化系数为λ,将整型化系数λ取值为2N-1,将步长2μ取值为1/2N-1,使步长2μ乘以整型化系数λ整型为等于1的整数,这导致数字滤波器的输出信号y(n)也被放大2N-1倍;因此误差计算模块中设置左移移位寄存器将期望信号d(n)的数据左移N-1位(N为大于1或等于1的正整数),将期望信号d(n)放大2N-1倍,使期望信号d(n)与输出信号y(n)在数量级上相匹配,这样期望信号d(n)与输出信号y(n)相减得到的误差信号e(n)也被放大2N-1倍,因此设置右移移位寄存器,将放大2N-1倍的误差信号e(n)的数据右移N-1位,输出缩小2N-1倍的误差信号e_s(n),确保经过LMS自适应运算得到的自适应滤波器的权系数w(n+1)不再放大。本实施例的误差幅度判断模块包括比较器和选择器,如图4所示,为本实施例误差判断模块结构示意图,比较器的逻辑值为1的输入端输入预设的门限值eth,比较器的逻辑值为0的输入端连接误差计算模块的输出端,比较器的LT输出端连接选择器,选择器的输出端即为误差幅度判断模块的输出端,输出步长可变的输出信号e_dlt(n);比较器将输入信号e_s(n)与预设的门限值eth比较,当输入信号e_s(n)幅度小于或等于预设的门限值eth时,比较器输出逻辑1,选择器的输出信号e_dlt(n)即为e_s(n);当输入信号e_s(n)幅度大于预设的门限值eth时,比较器输出逻辑0,选择器的输出信号e_dlt(n)即为预设的门限值eth。
针对上述的整型化的LMS自适应滤波器,本发明实现整型化的最小均方LMS自适应算法的方法,包括以下公式:
y(n)=w(n)*x(n) (4)
e(n)=d(n)*λ-y(n) (5)
w(n+1)=w(n)+e_s(n)*x(n) (7)
公式(4)中,滤波器权系数w(n)是将步长2μ乘以整型化系数λ,并将步长2μ取值为1/λ,使步长2μ由小于1的小数整型为大于1或等于1的整数后,经过LMS自适应算法运算得到的放大λ倍的滤波器权系数,因此输入信号x(n)与权系数w(n)相乘得到的滤波器输出信号y(n)也被放大λ倍;公式(5)表示将期望信号d(n)与放大λ倍的滤波器输出信号y(n)进行数量级的匹配,将期望信号d(n)乘以整型化系数λ后再与输出信号y(n)相减后得到放大λ倍的误差信号e(n);公式(6)表示将放大λ倍的误差信号e(n)进行相对应的还原,除以整型化系数λ,得到缩小λ倍的还原误差信号e_s(n);公式(7)表示经过缩小λ倍的还原误差信号e_s(n)和输入信号x(n)相乘后的结果与上一时刻的权系数w(n)相加得到下一时刻的权系数w(n+1)。
其中,公式(7)中的e_s(n)遵循以下公式:
表示:将e_s(n)的幅度与预设的门限值的大小比较,通过误差幅度判断转换为步长可变的e_dlt(n),当e_s(n)幅度小于或等于预设的门限值eth时,e_dlt(n)等于e_s(n);当e_s(n)幅度大于门限值eth时,e_dlt(n)等于eth。;则公式(7)表示为:
w(n+1)=w(n)+e_dlt(n)*x(n) (9)。
作为一个具体应用,公式(4)中的权系数w(n),是将整型化系数λ取值为2N-1,步长2μ取值为1/2N-1,将步长2μ乘以整型化系数λ整型为等于1的整数时得到的权系数。
这时公式(5)和公式(6)表示为:
e(n)=d(n)*2N-1-y(n) (10)
可以看出,本发明的方法,为避免小数运算,将步长2μ乘以整型化系数λ后,经过LMS自适应算法运算得到的滤波器权系数也放大λ倍,使通过公式(4)得到的滤波器输出信号y(n)也放大λ倍,因此通过公式(5),将期望信号d(n)乘以整型化系数λ,使得期望信号d(n)与输出信号y(n)在数量级上相匹配,再与数字滤波器的输出信号y(n)相减后得到误差信号e(n),误差信号e(n)也被放大λ倍;为确保经过LMS自适应运算得到的自适应滤波器的权系数w(n+1)不再放大,通过公式(6),将放大的误差信号进行相对应的缩小还原。经过这样的整型化处理,避免了小数的乘法运算,减小了实现电路的复杂性,而且等效于整型前步长2μ为小于1的小数时通过LMS自适应算法运算计算得到的滤波器权系数w(n)。另外一方面,现有的自适应滤波器算法,由于产生权系数w(n)的反馈路径步长2μ固定,所以当输入信号幅度较小时,为了保证系统有较快地收敛速度,步长2μ会选择比较大的值,但是当输入信号幅度较大时,步长2μ固定,会造成滤波器的不收敛,系统不稳定。本发明针对现有算法这一缺陷,通过公式(8),增加了一个误差信号幅度判断过程,进行误差信号幅度判断,从而实现步长可变,将公式(7)中的e_s(n)用可变的e_dlt(n)替代,在保证小信号收敛速度的同时也确保大信号的稳定快速收敛。具体的,比较误差信号e_s(n)幅度与预设的门限值eth的大小,当e_s(n)幅度小于或等于门限值eth时,e_dlt(n)等于e_s(n);当e_s(n)幅度大于门限值eth时,e_dlt(n)等于eth;再通过公式(9),e_dlt(n)和经过延时寄存器延迟的输入信号x(n)进行自适应运算,得到数字滤波器的权系数。本发明这一改进,既保证了系统在输入信号较小时,滤波器有较快地收敛速度,又确保了系统在输入信号较大时,滤波器拥有稳定的收敛特性。
应当指出,以上所述具体实施方式可以使本领域的技术人员更全面地理解本发明创造,但不以任何方式限制本发明创造。因此,尽管本说明书和实施例对本发明创造已进行了详细的说明,但是,本领域技术人员应当理解,仍然可以对本发明创造进行修改或者等同替换;而一切不脱离本发明创造的精神和范围的技术方案及其改进,其均涵盖在本发明创造专利的保护范围当中。
Claims (9)
1.一种整型化的最小均方LMS自适应滤波器,其特征在于,包括数字滤波器,所述数字滤波器通过选取合适的整型化系数,将步长2μ由小于1的小数整型为大于1或等于1的整数,使得经过LMS自适应算法运算得到的滤波器权系数w(n)也为大于1或等于1的整数,同时输出整型放大的输出信号y(n);所述数字滤波器的输出端连接有误差计算模块,所述误差计算模块依据所述数字滤波器输出的整型放大的输出信号,对期望信号d(n)和期望信号d(n)与输出信号y(n)相减得到的误差信号e(n)进行数量级的匹配计算,输出经过匹配计算的误差信号e_s(n),使得误差信号e_s(n)和输入信号x(n)进行LMS自适应算法运算得到的滤波器权系数w(n)等效于步长2μ为小于1的小数时通过LMS自适应算法运算计算得到的滤波器权系数w(n);所述LMS自适应滤波器还包括误差幅度判断模块,所述误差幅度判断模块根据预设的门限值动态调整所述误差计算模块输出的误差信号e_s(n)的幅度大小,输出步长可变的输出信号e_dlt(n),误差幅度判断模块的输出信号e_dlt(n)和输入延时寄存器的延迟的输入信号x(n)相乘后的结果与上一时刻的滤波器权系数w(n)相加得到下一时刻的滤波器权系数w(n+1)。
2.根据权利要求1所述的整型化的最小均方LMS自适应滤波器,其特征在于,所述误差计算模块包括期望信号放大单元和误差信号还原单元;所述期望信号放大单元将期望信号d(n)整型放大为与输出信号y(n)相匹配的数量级;整型放大后的期望信号d(n)与输出信号y(n)相减得到整型放大的误差信号e(n);所述误差信号还原单元将整型放大的误差信号e(n)进行相对应的整型还原,输出整型还原后的误差信号e_s(n)。
3.根据权利要求1所述的整型化的最小均方LMS自适应滤波器,其特征在于,所述数字滤波器选取整型化系数为λ,将整型化系数λ取值为2N-1,将步长2μ取值为1/2N-1,使步长2μ乘以整型化系数λ整型为等于1的整数,同时输出放大2N-1倍的输出信号y(n),其中,N为大于1或等于1的正整数。
4.根据权利要求2所述的整型化的最小均方LMS自适应滤波器,其特征在于,所述期望信号放大单元为左移移位寄存器,所述左移移位寄存器将期望信号d(n)的数据左移N-1位,将期望信号d(n)放大2N-1倍,放大2N-1倍的期望信号d(n)与输出信号y(n)相减得到放大2N-1倍的误差信号e(n);所述误差信号还原单元为右移移位寄存器,所述右移移位寄存器将放大2N-1倍的误差信号e(n)的数据右移N-1位,输出缩小2N-1倍的误差信号e_s(n),其中,N为大于1或等于1的正整数。
5.根据权利要求1所述的整型化的最小均方LMS自适应滤波器,其特征在于,所述误差幅度判断模块包括比较器和选择器,所述比较器的逻辑值为1的输入端输入预设的门限值eth,所述比较器的逻辑值为0的输入端连接所述误差计算模块的输出端,所述比较器的LT输出端连接选择器;当输入比较器的误差信号e_s(n)的幅度小于或等于预设的门限值时,比较器输出逻辑1,选择器的输出信号e_dlt(n)即为输入的误差信号e_s(n);当输入比较器的误差信号幅度大于预设的门限值时,比较器输出逻辑0,选择器的输出信号e_dlt(n)即为预设的门限值eth。
6.一种实现整型化的最小均方LMS自适应算法的方法,其特征在于,所述方法包括以下公式:
y(n)=w(n)*x(n) (4)
e(n)=d(n)*λ-y(n) (5)
w(n+1)=w(n)+e_s(n)*x(n) (7)
公式(4)中,滤波器权系数w(n)是将步长2μ乘以整型化系数λ,由小于1的小数整型为大于1或等于1的整数后,经过LMS自适应算法运算得到的放大λ倍的滤波器权系数,首先利用公式(4),将输入信号x(n)与滤波器权系数w(n)相乘得到放大λ倍的滤波器输出信号y(n);再利用公式(5),将期望信号d(n)与放大λ倍的滤波器输出信号y(n)进行数量级的匹配,将期望信号d(n)乘以整型化系数λ后再与输出信号y(n)相减后得到放大λ倍的误差信号e(n);然后通过公式(6),将放大λ倍的误差信号e(n)进行相对应的还原,除以整型化系数λ,得到缩小λ倍的还原误差信号e_s(n);最后通过公式(7),将经过缩小λ倍的还原误差信号e_s(n)和输入信号x(n)相乘后的结果与上一时刻的滤波器权系数w(n)相加得到下一时刻的滤波器权系数w(n+1)。
7.根据权利要求6所述的实现整型化的最小均方LMS自适应算法的方法,其特征在于,所述公式(7)中的e_s(n)遵循以下公式:
表示:将e_s(n)的幅度与预设的门限值的大小比较,通过误差幅度判断转换为步长可变的e_dlt(n),当e_s(n)幅度小于或等于预设的门限值eth时,e_dlt(n)等于e_s(n);当e_s(n)幅度大于门限值eth时,e_dlt(n)等于eth;则公式(7)表示为:
w(n+1)=w(n)+e_dlt(n)*x(n) (9)。
8.根据权利要求7所述的实现整型化的最小均方LMS自适应算法的方法,其特征在于,所述公式(4)中的滤波器权系数w(n),是将整型化系数λ取值为2N-1,步长2μ取值为1/2N-1,将步长2μ乘以整型化系数λ整型为等于1的整数时得到的权系数,其中,N为大于1或等于1的正整数。
9.根据权利要求8所述的实现整型化的最小均方LMS自适应算法的方法,其特征在于,所述公式(5)和公式(6)表示为:
e(n)=d(n)*2N-1-y(n) (10)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110277660.0A CN102394593B (zh) | 2011-09-19 | 2011-09-19 | 一种整型化的最小均方lms自适应滤波器和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110277660.0A CN102394593B (zh) | 2011-09-19 | 2011-09-19 | 一种整型化的最小均方lms自适应滤波器和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102394593A CN102394593A (zh) | 2012-03-28 |
CN102394593B true CN102394593B (zh) | 2014-06-25 |
Family
ID=45861807
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110277660.0A Active CN102394593B (zh) | 2011-09-19 | 2011-09-19 | 一种整型化的最小均方lms自适应滤波器和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102394593B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103227623B (zh) * | 2013-03-29 | 2015-09-30 | 北京邮电大学 | 可变步长的lms自适应滤波算法及滤波器 |
CN104283528A (zh) * | 2014-09-18 | 2015-01-14 | 河海大学 | 一种变步长lms自适应滤波方法 |
CN104808219B (zh) * | 2015-04-24 | 2017-05-24 | 太原理工大学 | 一种新型的空时联合抗干扰方法 |
CN106941707B (zh) * | 2016-01-04 | 2020-04-24 | 普天信息技术有限公司 | 一种基于fpga的小区搜索方法及装置 |
CN105607083B (zh) * | 2016-02-19 | 2018-06-08 | 北京东方联星科技有限公司 | 兼容多种阵列天线的抗干扰处理方法和空域滤波器 |
CN108011643B (zh) * | 2016-11-02 | 2020-04-03 | 扬智科技股份有限公司 | 回波反射或近端串扰的相消器与相消方法 |
CN106919808B (zh) * | 2017-02-28 | 2019-06-14 | 哈尔滨工业大学深圳研究生院 | 基于变步长最小均方误差自适应滤波器的基因识别系统 |
CN112152590B (zh) * | 2020-08-26 | 2023-08-04 | 西安航天精密机电研究所 | 一种适用于带fpu模块cpu的数字滤波方法及滤波器 |
CN114675547B (zh) * | 2022-05-30 | 2022-09-23 | 华中科技大学 | 具有深度学习自动诊断机制的mimo主动降振控制方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1389056A (zh) * | 2000-06-12 | 2003-01-01 | 皇家菲利浦电子有限公司 | 信道均衡器 |
CN1722714A (zh) * | 2003-07-09 | 2006-01-18 | 诚致科技股份有限公司 | 均衡装置和方法 |
CN101577536A (zh) * | 2009-06-17 | 2009-11-11 | 北京九方中实电子科技有限责任公司 | 一种改进的lms算法的实现方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8385397B2 (en) * | 2007-01-19 | 2013-02-26 | Techwell Llc | Method for determining the step size for an LMS adaptive equalizer for 8VSB |
-
2011
- 2011-09-19 CN CN201110277660.0A patent/CN102394593B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1389056A (zh) * | 2000-06-12 | 2003-01-01 | 皇家菲利浦电子有限公司 | 信道均衡器 |
CN1722714A (zh) * | 2003-07-09 | 2006-01-18 | 诚致科技股份有限公司 | 均衡装置和方法 |
CN101577536A (zh) * | 2009-06-17 | 2009-11-11 | 北京九方中实电子科技有限责任公司 | 一种改进的lms算法的实现方法 |
Non-Patent Citations (2)
Title |
---|
一种变步长LMS自适应滤波算法及分析;高鹰等;《电子学报》;20010831;第29卷(第8期);第1-4页 * |
高鹰等.一种变步长LMS自适应滤波算法及分析.《电子学报》.2001,第29卷(第8期),第1-4页. |
Also Published As
Publication number | Publication date |
---|---|
CN102394593A (zh) | 2012-03-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102394593B (zh) | 一种整型化的最小均方lms自适应滤波器和方法 | |
KR101680207B1 (ko) | 디지털 전치 왜곡 파라미터를 산출하는 방법 및 전치 왜곡 시스템 | |
Zhao et al. | Improved functional link artificial neural network via convex combination for nonlinear active noise control | |
CN103227623B (zh) | 可变步长的lms自适应滤波算法及滤波器 | |
US8737937B2 (en) | Distortion compensation apparatus, transmitter, and distortion compensation method | |
Yu et al. | Digital predistortion using adaptive basis functions | |
CN110765720B (zh) | 一种复值流水线递归神经网络模型的功放预失真方法 | |
CN104009734A (zh) | 梯度变步长lms自适应滤波方法 | |
JPH10322245A (ja) | アダプティブフィルタおよびその適応化方法 | |
JP6054739B2 (ja) | 歪み補償装置及び歪み補償方法 | |
CN101807903B (zh) | 一种自适应滤波器、滤波方法及直放站 | |
Salah et al. | Design and implementation of an improved variable step-size NLMS-based algorithm for acoustic noise cancellation | |
CN101577536B (zh) | 一种改进的lms算法实现器 | |
JP5336134B2 (ja) | プリディストータ | |
CN104215976A (zh) | 一种基于级联陷波器的抗窄带干扰系统 | |
US9043378B2 (en) | Multiply and accumulate feedback | |
JP5226468B2 (ja) | プリディストータ | |
Lahti et al. | Implementation of a nonlinear self-interference canceller using high-level synthesis | |
CN110649912B (zh) | 空间滤波器的建模方法 | |
JP5238564B2 (ja) | プリディストータ | |
CN114598578A (zh) | 一种数字预失真训练方法、装置及存储介质 | |
Fu et al. | An accelerated neural dynamics model for solving dynamic nonlinear optimization problem and its applications | |
CN113765503B (zh) | 用于自适应滤波的lms权值迭代计算装置及方法 | |
CN112491392B (zh) | 窗函数分数延时滤波器设计方法、装置及其存储介质 | |
Liu et al. | FPGA implementation of RLS adaptive filter using dichotomous coordinate descent iterations |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |