CN104158776B

CN104158776B - 一种数字回波对消方法

Info

Publication number: CN104158776B
Application number: CN201410401302.XA
Authority: CN
Inventors: 李朝海; 黄东辉; 朱凌峰; 江文颖; 夏威
Original assignee: University of Electronic Science and Technology of China
Current assignee: Chengdu Dianke Huian Technology Co ltd
Priority date: 2014-08-14
Filing date: 2014-08-14
Publication date: 2017-08-25
Anticipated expiration: 2034-08-14
Also published as: CN104158776A

Abstract

本发明涉及数字信号处理领域，特别涉及数字信号处理领域对于回波信号的消除，具体的讲是针对实际应用背景下的数字回波对消方法。本发明所述的方法是，在LMS算法的基础上，对横向滤波器的输入信号先进行放大再滤波，放大的倍数与环路增益一致。使其在环路增益变化较大时不用重新估计回波信道，从而提高系统的工作效率。并且，在自适应模块前后分别加入了一级放大和衰减，使得横向滤波器的输入信号在不改变位宽的情况下，不会因为放大后幅度过大而溢出。此外，本发明在提高系统工作效率的同时，不会恶化系统性能，消耗的资源与传统算法相比无明显变化。

Description

一种数字回波对消方法

技术领域

本发明涉及数字信号处理领域，特别涉及数字信号处理领域对于数字回波信号的对消方法。

背景技术

目前，诸如干扰机、直放站等系统均需要将天线接收到的信号进行处理，然后放大再发射出去。但是，收发天线之间存在耦合，发射出去的信号在空间传播会部分的反射回接收天线，形成回波干扰。回波干扰与来波信号叠加，被接收天线接收进行处理，再放大后被发射出去。如此循环放大，会影响系统性能，严重时会导致系统自激。因此，需要采取有效措施来消除回波干扰，防止系统自激，提高系统性能。

大多数系统采用自适应回波抑制的方法，即在系统中加入回波对消器，通过发射训练序列，自适应估计回波信道；工作时，在系统中产生模拟的回波信号，在时域上消除接收信号的回波成分，并且自适应跟踪回波信道。自适应算法中，基于最小均方误差(LeastMean Square，简称LMS)准则的最小均方误差算法的应用最为广泛。

LMS算法是由Widrow和Hoff于1975年基于最小均方误差准则提出的，由横向滤波器和权向量更新构成，其原理框图如图1所示。横向滤波器是一个权值可以自适应调整的滤波器，其主要作用是对输入信号u(n)进行滤波，产生对输入信号u(n)在某个时刻的估计值权向量更新则是将期望信号d(n)与估计值相减，得到误差信号e(n)，然后根据最小误差准则(MMSE)对滤波器的权向量进行更新，使误差e(n)的均方值达到最小。

如图1所示，e(n)可以表示为：

式中，w(n)＝[w₀(n) w₁(n)…w_N-1(n)]^T为横向滤波器的权值，u(n)＝[u(n) u(n-1)…u(n-N+1)]^T，N为横向滤波器的阶数。那么均方误差J(n)可以视为w(n)的函数，如式(2)所示。

J(w(n))＝E{|d(n)-w^H(n)u(n)|²} (2)

输入信号u(n)与期望信号d(n)之间的互相关向量，记为p＝E{u(n)d^*(n)}。输入信号u(n)的自相关矩阵，记为R＝E{u(n)u^H(n)}。对(2)进一步推导可得：

J(w(n))＝E{|d(n)|²}-p^Hw(n)-w^H(n)p+w^H(n)Rw(n) (3)

最陡下降法是沿着均方误差梯度的负方向来更新权向量w(n)的，其权向量更新的迭代公式可表示为：

式中，μ为迭代步长，其大小会影响LMS算法的收敛速度和稳态性能，▽J(w(n))表示均方误差J(w(n))的梯度，推导可得：

▽J(w(n))＝-2p+2Rw(n) (5)

将(5)式带入(4)式可得最陡下降法的迭代公式：

w(n+1)＝w(n)+μ[p-Rw(n)] (6)

LMS算法是在最陡下降法的基础上，利用有限观测样本的时间平均来代替其统计平均，那么，输入信号u(n)与期望信号d(n)之间的互相关向量p可以表示为：

p＝u(n)d^*(n) (7)

而输入信号u(n)的自相关矩阵可以表示为：

R＝u(n)u^H(n) (8)

此时，式(6)可表示为：

由式(9)可知，LMS算法在不知道输入信号和期望信号间的先验知识的情况下，也可以对输入信号统计特性的变化自适应地做出调整。

在迭代过程中，步长μ的取值会影响算法的收敛速度和稳态性能。μ的取值越大，算法的收敛速度越快，但稳态性能就会越差；相反的，μ的取值越小，算法的收敛速度则会越慢，而稳态性能却会越好。因此，为了保证算法能够稳定收敛，步长μ需要满足式(10)。

其中，λ_max是自相关矩阵R的最大特征值。

同时，LMS算法的收敛速度还会受到输入信号相关性的影响，当输入信号的相关性越高，算法的收敛速度就越慢，反之收敛速度就越快。因此，LMS算法通常选取白噪声作为输入信号。

在回波对消的过程中，处理后的信号分为两路，一路通过功放放大后发射出去，在空间中，一部分信号反射回接收天线，形成回波干扰；另一路则通过自适应滤波器模拟出回波干扰信号，与接收信号相减，消除其中的回波干扰成分。所以，回波对消的性能除了受到环境变化的影响，也会受到系统环路增益的影响。为了提高系统的灵敏度，往往在模数转换器(Analog-to-Digital Converter，ADC)之前会根据接收信号的大小不断调整射频前端的增益。同时，为了尽可能满幅输出至数摸转换器(Digital-to-Analog Converter，DAC)，也会在DAC之前调整信号的大小。这就意味着环路增益会不断改变。一般来说，工作过程处于小步长的跟踪状态，若增益变化较大，工作过程无法及时跟踪信道的变化，这时就需重启训练过程，重新估计回波信道。频繁地切换状态，将会导致工作效率的下降并影响系统性能。

发明内容

针对上述存在的问题，本发明提供了一种数字回波对消方法。其原理是针对环路增益变化对系统性能影响，提出了一种在LMS算法的基础上，对横向滤波器的输入信号先进行放大再滤波的方法，放大的倍数与环路增益一致，使其在环路增益变化较大时不用重新估计回波信道，从而提高工作效率。并且，在自适应模块前后分别加入了一级衰减和放大，使得横向滤波器的输入信号被放大后，在不改变位宽的情况下，不会因为幅度过大而溢出。

本发明技术方案包括以下步骤：

a、上电后，进入训练过程；

b、将训练序列分为两路，一路输出至数模转换器DAC，转化成模拟信号，然后经功率放大器放大后发射出去，并在空间中反射回来，与来波信号叠加后被接收天线接收，随后通过射频前端的处理后被模数转换器ADC采样，转化成数字信号，并经过一级衰减处理后输入至LMS模块作为期望信号；同时另一路经过一级放大处理，放大的倍数与环路增益值相等，然后输入至横向滤波器，在该滤波器的输出端得到回波干扰的估计值；

c、将期望信号减去回波干扰的估计值得到误差信号；

d、将误差信号与横向滤波器的输入信号相乘，并乘以训练步长，然后与横向滤波器当前的权值相加，得到的结果做为新的横向滤波器权值；

e、循环步骤b～d，直到误差信号的平均功率小于噪声功率的2倍，然后进入工作过程；

f、信号处理模块的输出信号分为两路，一路先进行幅度调整，通过DAC转化成模拟信号，然后经过功率放大器放大后发射出去，并在空间中反射回来，与来波信号叠加后被接收天线接收，随后通过射频前端的处理后被ADC采样，转化成数字信号，并经过一级衰减处理后输入至LMS模块作为期望信号，衰减处理同训练过程；同时另一路经过一级放大处理，放大的倍数与环路增益值相等，然后输入至横向滤波器，在该滤波器的输出端得到回波干扰的估计值；

g、将期望信号减去回波干扰的估计值得到误差信号，并经过一级放大处理后输出至信号处理模块做后续处理，放大处理通过左移实现，左移位数与衰减处理右移的位数一致；

h、将误差信号与自适应滤波器的输入信号相乘，并乘以工作步长，然后与横向滤波器当前的权值相加，得到的结果做为新的横向滤波器权值；

i、循环步骤f～h。

进一步的，所述环路增益包含功放增益、射频前端增益和DAC前幅度调整所产生的增益。

进一步的，所述幅度调整、LMS模块前后的衰减和放大以及横向滤波器前的放大均可通过移位实现，其中衰减处理通过右移两位到四位实现，放大处理通过左移两位到四位实现。

进一步的，所述步长应满足LMS算法的收敛条件，训练步长为自相关矩阵最大特征值的0.5倍到1.5倍，而工作步长则为自相关矩阵最大特征值的0.01倍到0.05倍。

综上所述，本发明具有以下优点：

1、利用了环路增益的先验信息，使自适应滤波器尽可能只针对回波信道进行估计，而不包含环路增益，使得环路增益的改变不会影响系统性能，无需重新训练，从而提高系统工作效率。

2、在自适应模块前后分别加入一级衰减和放大，使得自适应滤波器的输入信号不会因为过大而溢出，此时便不用增加信号位宽，也就不会增加乘法器的消耗。

3、本发明在提高系统工作效率的同时，不会恶化系统性能，消耗的资源与传统算法相比无明显变化。

附图说明

图1为LMS算法的原理框图

图2为传统的自适应回波对消方法原理图

图3为本发明的自适应回波对消方法原理图

附图标记：r(n)表示来波信号，v(n)为噪声，y(n)为回波干扰，d(n)、e(n)和u(n)分别表示自适应算法中的期望信号、估计信号、误差信号和横向滤波器的输入信号。w(n)表示工作过程中，消除了回波干扰后经过信号处理后的信号；t(n)表示高斯白噪声信号，x(n)为开关输出信号，D为环路延迟，s_out(n)为系统输出信号，h＝[h₀ h₁…h_N-]^T ₁表示回波耦合信道的冲激响应，表示回波耦合信道的冲激响应h在n时刻的瞬时估计值，G表示环路增益，G₁是在LMS模块前后引入的衰减和放大倍数。

具体实施方式

传统的自适应回波对消方法如图2所示，x(n)信号分为两路，一路放大后通过发射天线发射出去，并通过回波耦合信道反馈回来，形成回波干扰。回波干扰与来波信号和噪声叠加被接收天线接收，构成期望信号d(n)中的回波干扰成分y(n)。另一路经过延迟后输入横向滤波器，得到回波信号的估计值这里的延迟是为了使与期望信号中的回波干扰成分在时域上对齐。d(n)与相减得到误差信号e(n)，并在LMS准则下更新自适应滤波器的权值，使均方误差达到最小。

这里的横向滤波器就是对x(n)信号所经过的整个环路的估计，该环路不仅包含了回波信道，而且包含了上下变频中的滤波、频移、放大和衰减等处理。工作过程中，自适应模块会实时跟踪信道的变化。然而，当环路增益变化较大时，工作过程中较小的跟踪步长将会无法实时跟踪。

下面结合附图，具体描述本发明的技术方案。

如图3所示，图中省略了上下变频以及ADC、DAC等模块。

训练信号分为两路，一路通过放大器输出。此时，输出信号可以表示为：

s_out(n)＝Gt(n) (11)

不失一般性的，我们可以将整个环路的延迟等效成空间中的传播延迟。此时，回波干扰可以表示为：

y(n)＝h^Hs_out(n-D) (12)

这里，h＝[h₀ h₁…h_N-]^T ₁为回波耦合信道的冲激响应，而s_out(n)＝[s_out(n) s_out(n-1)…s_out(n-N+1)]^T，将式(11)代入式(12)可得：

y(n)＝Gh^Ht(n-D) (13)

式中，t(n)＝[t(n) t(n-1)…t(n-N+1)]^T。回波干扰与来波信号和噪声叠加，被接收天线接收，并经过一级衰减，作为LMS算法的期望信号d(n)，如式(14)所示：

为了使估计信号与期望信号中的回波干扰成分在时域上对齐，训练信号的另一路则先经过一定延迟后，再输入至横向滤波器。此时，LMS算法中横向滤波器的输入信号u(n)可以表示为：

式中，G₁是为了降低输入信号的幅度，以确保横向滤波器的输入信号在不增加数据位宽的情况下，不会因为幅度过大而溢出。

u(n)经过权值可变的横向滤波器后的到估计信号如式(16)：

其中：表示横向滤波器在n时刻的瞬时权值，也是回波耦合信道的冲激响应h在n时刻的瞬时估计值。u(n)＝[u(n) u(n-1)…u(n-N+1)]^T是由横向滤波器的输入信号构成的向量。

而误差信号可以表示为：

那么均方误差就可以表示为：

将式(14)代入式(18)，并假设r(n)、y(n)和v(n)互不相关，通过推导可得：

LMS算法就是基于最小均方误差准则的，也就是让上式第三项尽可能小，使均方误差J(n)满足下式：

此时LMS算法中，横向滤波器权值的更新如式(21)所示。

由式(10)可知，这里步长μ需满足一定条件以确保算法的收敛性。然而，随着各级放大器与衰减器的引入，u(n)的幅度也发生了变化，其自相关矩阵R也会相应改变。由式(15)可知，相比传统回波对消算法，步长μ应变为原来的倍。

将式(13)和式(16)代入式(19)，可得：

可以看出，在式(21)迭代到一定次数后，横向滤波器的权值可近似估计出回波耦合信道的单位冲激相应h。

在训练过程中，横向滤波器已经近似估计出回波耦合信道。转入工作过程时，只需以小步长跟踪信道的慢变化，而且小步长可以提高系统的稳态性能。工作过程的数据通路与训练过程类似，只是x(n)端接到w(n)端，而w(n)是信号e(n)经过一系列信号处理后的输出信号。这里，e(n)已经近似消除了d(n)中的回波干扰成分，并且大部分保留了来波信号r(n)的信息。如式(23)所示。

e(n)≈r(n)+v(n) (23)

此时，可近似认为系统对来波信号进行一定的处理后放大输出，系统输出信号s_out(n)可以表示为：

s_out(n)＝Gw(n) (24)

回波干扰也相应变为：

y(n)＝Gh^Hw(n-D) (25)

这里，w(n)＝[w(n) w(n-1)…w(n-N+1)]^T。而横向滤波器的输入信号u(n)变为：

估计信号也相应变为：

其迭代更新的相关计算与训练过程一致，这里不再赘述，只是步长取得较小，以保证系统的稳态性能。

传统的自适应回波对消算法中，没有在横向滤波器前加一级放大器，通过相应的推导，可以得到其均方误差的表达式，如式(28)所示。

可以看出，迭代到一定次数后，是在对Gh进行估计。也就是说，当环路增益发生较大的变化时，也要随之变化。而工作过程中较小的步长则无法实时跟踪Gh的变化，需要切换到训练模式，重新对信道进行估计。

综上所述，改进的自适应回波对消算法在横向滤波器前加一级放大器，当环路增益发生变化时，不用重新估计回波信道，从而能提高工作效率和系统性能。并且，在自适应模块前后分别加入了一级放大和衰减，使得横向滤波器的输入信号在不改变位宽的情况下，不会因为放大后幅度过大而溢出。

Claims

1.一种数字回波对消方法，其特征在于，包括以下步骤：

a、上电后，进入训练过程；

c、将期望信号减去回波干扰的估计值得到误差信号；

i、循环步骤f～h。

2.如权利要求1所述数字回波对消方法，其特征在于：所述环路增益包含功放增益、射频前端增益和DAC前幅度调整所产生的增益。

3.如权利要求1所述数字回波对消方法，其特征在于：所述幅度调整、LMS模块前后的衰减和放大以及横向滤波器前的放大均可通过移位实现，其中衰减处理通过右移两位到四位实现，放大处理通过左移两位到四位实现。

4.如权利要求1所述数字回波对消方法，其特征在于：所述步长应满足LMS算法的收敛条件，训练步长为自相关矩阵最大特征值的0.5倍到1.5倍，而工作步长则为自相关矩阵最大特征值的0.01倍到0.05倍。