CN104967506A - 一种资源复用的完全重构子带综合处理方法 - Google Patents

Abstract

本发明提供了一种资源复用的完全重构子带综合处理方法，该方法包括以下步骤：1、对输入信号进行完美滤波因子调整处理；2、进行IFFT变换和系数修正；3、采用N个首尾连接的FIFO进行数据缓存和输出；4、采用存放在矩阵中的重构滤波系数对FIFO的输出数据进行滤波处理；5、对滤波输出信号进行抽取和符号调整。该方法能够实现对资源的2^m倍复用，由于资源复用倍数与子带数成正比，即子带数越多则资源复用次数越多，本发明的优势越明显，采用本方法实现的子带综合器可以大大降低硬件资源的开销，参数配置灵活，适用于不同带宽、速率的系统进行子带综合，应用范围广。

Description

一种资源复用的完全重构子带综合处理方法

技术领域

本发明涉及数据传输技术领域，特别涉及一种资源复用的完全重构子带综合处理方法，可应用在移动卫星通信系统、软件化处理转发器卫星系统、地面移动通信系统，以及各种数据收集系统中。

背景技术

地基波束形成系统在地面形成波束，需要把星上上百个馈源接收或发射的信号的在星地之间实时传输。相比于星上波束形成系统，地基波束形成系统可以极大的提升波束形成的灵活性，卫星在轨后可以灵活、快速的增加、消除及重构点波束，以适应不同轨道位置、业务变化及新型应用；可以在地面进行自适应波束形成及波束调零等复杂信号处理；卫星与体制无关，可以非常容易的实现卫星通信系统的体制升级。随着地面移动通信系统进入4G时代，为了支持终端高速上网，基站和终端均增大了发射功率，基站和终端带外辐射、互调和交调辐射增加，地面运营商之间相互干扰的新闻也不断现于媒体。地基波束形成系统中馈源接收的信号要实时传送到地面，即星上下行馈电通道中行波管放大器(TWTA)要同时承担上百个信号的功率放大，此时如果地面存在干扰，则TWTA将多承担上百个信号的功率放大，这将极大的浪费星上宝贵的功率资源，甚至导致TWTA严重饱和，整个系统无法正常工作。馈源中存在的干扰信号也将会降低接收端S/N，进而降低系统通信性能，严重时无法进行通信。基于以上原因，通过完全重构滤波器技术对带内干扰进行抑制，达到系统链路抗干扰的目的。完全重构滤波器技术就需要突破完全重构子带分析技术等，子带分析是从频率上将频分复接的多个信道分离出来，使不同的子带信道直接对应不同的终端业务应用，它的性能直接影响系统的应用性能。完全重构滤波器阶数一般高达五、六千阶，子带分析器若采用传统的多相分路方法将使用超过五 千个的乘法器进行多相滤波，在目前的工程水平上将是无法实现的。为了降低子带分析器所使用的硬件资源，提高设计效率，本专利给出了一种资源复用的完全重构子带分析器实现方法，能够极大的节省硬件资源，且结构简单、通用，能够极大的提高设计效率，缩短研制周期，减小工程应用的风险。现有子带分析的实现方法多根据项目的具体需求，设计适合于项目技术指标的子带分析器的实现结构。这样的设计实现结构往往不具有通用性，如果技术指标有所变化则需要重新设计，降低了设计效率。

文献1“Efficient Wideband Channelizer for Software Radio Systems Using Modulated PR Filterbanks”(Wajih A.A，Gordon L.S.IEEE Transactions on Signal Processing,52(10),2004,pp.2807-2820)提出了一种基于调制滤波器组的非均匀信道化滤波器的方法，由于充分利用了调制滤波器组的多相滤波结构以及电路的等价交换等性质，相对于传统的数字下变频方向，具有运算量小、硬件复杂度低等优点。该技术主要思想是利用均匀滤波器组实现非均匀信道化处理，首先采用均匀分析滤波器组对宽带信号进行分路处理，再根据每个子带信号的频带分布情况，采用综合滤波器组对部分(或全部)子带信号进行重构。该技术中所采用的分析滤波器组和综合滤波器组均是由同一个原型滤波器组经过复指数调制得到，并且满足完全重构条件。然而，这种方法所需要的原型滤波器随着信道化路数增加和滤波器阻带增益的减少而迅速增加。

文献2“基于NPR调制滤波器组的动态信道化滤波”(李冰，郑瑾，葛临东,信息工程大学信息工程学院，郑州,电子学报，2007年第6期)给出了动态信道化滤波方法，以更新能量检测的方式实现动态的信道化处理，而无需改变分析滤波器组。

另外，文献3《近似完全重构DFT调制滤波器组的设计》熊艳平，西安电子科技大学硕士学位论文，2008；文献4《近似重构余弦调制滤波器组的设计》胡阿丽，西安电子科技大学硕士学位论文，2007；都对近似完全重构信道化的 实现方法进行了介绍。

其中，以上4个现有技术的文献给出了不同的近似完全重构子带分析器的设计和实现方法，都是重在研究滤波器本身的设计。例如文献1是利用均匀滤波器组实现非均匀信道化处理，但滤波器阶数受信道化数目影响很大，不利于工程实现；文献2以满足不同带宽，非均匀分布的子带信道化处理为目标，给出了系统的滤波器实现方式，只能用于计算重构滤波器系数；文献3、4中只给出了调制滤波器的设计和性能分析，也只能用于计算重构滤波器的系数。

发明内容

本发明的目的在于克服现有技术的不足，提供一种资源复用的完全重构子带综合处理方法，该方法能够实现对资源的2^m倍复用，由于资源复用倍数与子带数成正比，即子带数越多则资源复用次数越多，本发明的优势越明显，采用本方法实现的子带综合器可以大大降低硬件资源的开销，参数配置灵活，适用于不同带宽、速率的系统进行子带综合，应用范围广。

本发明的上述目的通过以下方案实现：

一种资源复用完全重构子带综合处理方法，具体处理步骤如下：

(1)、接收输入数据X(n)，然后对所述输入数据进行完美滤波因子调整得到信号Y(n)；

(2)、对步骤(1)得到的信号Y(n)进行P＝2^m点的IFFT变换；并采用复数因子矢量V_f对IFFT输出信号进行修正滤波处理，得到信号z(n)；其中，矢量V_f中的第r个复数因子为r＝1、2、…、2^m；其中，P＝2^m为设定的子带个数，m为正整数；

(3)、将步骤(2)得到的信号z(n)输入到FIFO模块，所述FIFO模块包括N个串联的FIFO，所述信号z(n)作为第1个FIFO的输入；其中，M为设定的子带滤波器阶数；并且每个FIFO的存储深度均为P＝2^m；

(4)、采用设定的(2^m×N)维的子带滤波系数矩阵对步骤(3)中N个FIFO 的输出数据进行重构滤波处理，所述矩阵Γ₁＝[Α 0]，Γ₂＝[0 Α]；其中，0为(2^m-1×1)维零矢量；Α为如下所示的(2^m-1×(N-1))维矩阵：

其中，a₁、a₂、…、a_M分别为设定的_M阶子带滤波器的滤波系数；即将设定的M阶子带滤波器的M个滤波系数按列存放在(2^m-1×(N-1))维矩阵Α中；

(5)、对步骤(4)的滤波后信号进行抽取处理，并进行符号调整，得到子带综合处理的输出信号；具体实现过程如下：

(5a)、在滤波后信号中，连续抽取2^m个数据，然后间隔2^m个数据后再连续抽取2^m个数据，依次类推，实现每隔2^m个数据抽取2^m个数据；

(5b)、对第一组抽取得到的2^m个数据乘以“1”，对第二组抽取得到的2^m个数据乘以“-1”，依次类推对对第β组抽取得到的2^m个数据乘以系数(-1)^(β-1)，其中，β为正整数。

上述的资源复用完全重构子带综合处理方法，在步骤(1)中，进行完美滤波因子调整的因子矢量V_w如下：

$V_w=e^{-\mathrm{j\π}\frac{(2^m-1)(M-1)}{2^{m+1}}}\×{[1,e^{j\frac{(M-1)\mathrm{\π}}{2^m}},...,e^{j\frac{(M-1)\mathrm{\π}(P-1)}{2^m}}]}^T;$

即所述矢量V_w中的第p个因子为p＝0、1、…、P-1； 其中，M为设定的子带滤波器阶数，P＝2^m为设定的子带个数，m为正整数。

上述的资源复用完全重构子带综合处理方法，在步骤(4)中，采用设定的(2^m×N)维的子带滤波系数矩阵对步骤(3)中N个FIFO的输出数据进行重构滤波处理，具体处理过程如下：

在第1个系统时钟周期内，N个FIFO输出的N个数据分别与矩阵的第1行系数相乘，并累加输出作为第1个滤波后信号；第2个系统时钟周期内N个FIFO输出的N个数据分别与矩阵的第2行系数相乘，并累加输出作为第2个滤波后信号；依次类推，第2^m个系统时钟周期内N个FIFO输出的N个数据分别与矩阵的第2^m行系数相乘，并累加输出作为第2^m个滤波后信号；

然后，第2^m+1～2^m+1个系统时钟周期内的FIFO输出的2^m组信号分别采用矩阵的2^m行滤波系数进行滤波处理；依次类推完成FIFO的输出数据的重构滤波处理。

上述的资源复用完全重构子带综合处理方法，如果在步骤(1)中没有进行完美滤波因子调整处理，则在步骤(4)重构滤波处理后，对所述滤波处理输出信号进行完美滤波因子调整处理，然后再进入步骤(5)进行信号抽取和符号调整。

本发明与现有技术相比，具有以下优点：

(1)、本发明采用N个串连的深度为2^m的FIFO对数据进行存储，并依次输出数据，从而实现对资源的2^m倍复用，其中，子带路数越多则资源复用次数越多，降低硬件资源开销越多，本发明的优势就越明显；

(2)、本发明进行了完美滤波、系数调整、重构滤波，实现了对子带信号的完全重构，子带之间不需要设置保护间隔，相对于现有技术，本发明的重构方法更灵活、适用范围更广。

附图说明

图1为本发明资源复用的完全重构子带综合处理方法的处理流程图；

图2为本发明中IFFT输出数据的格式示意图；

图3为本发明中进行数据抽取的示意图；

图4为本发明中进行符号调整的示意图；

图5为本发明提供的另一种资源复用的完全重构子带综合处理方法的处理流程图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步详细的描述：

如果采用现有技术中的标准多相结构的子带综合器进行2^m路子带合路处理，则需要2^m个多相支路，并且每个支路具备独立的符号调整、多相支路滤波和复数乘法处理，而本发明采用的子带综合处理方法能够对资源进行2^m倍复用，仅需要对1路信号进行符号调整、1路多相滤波、1路复数乘法处理，即可实现对2^m路子带的合路处理。

如图1所示的处理流程图，本发明的资源复用完全重构子带综合处理方法，包括以下步骤：

(1)、接收输入数据X(n)，然后对所述输入数据进行完美滤波因子调整得到信号Y(n)；其中，完美滤波因子的矢量V_w如下：

$V_w=e^{-\mathrm{j\π}\frac{(2^m-1)(M-1)}{2^{m+1}}}\×{[1,e^{j\frac{(M-1)\mathrm{\π}}{2^m}},...,e^{j\frac{(M-1)\mathrm{\π}(P-1)}{2^m}}]}^T;$

即所述矢量V_w中的第p个系数等于p＝0、1、…、P-1；其中，M为设定的子带滤波器阶数，P＝2^m为设定的子带个数，m为正整数。进行完美滤波因子调整时，每个输入数据分别与1个完美滤波因子相乘，实现完美滤波因子调整，其中，第1～P个输入数据依次与矢量V_w中P个因子相乘，第P+1～2P个输入数据再依次与矢量V_w中P个因子相乘，依次类推完成所有输入数据的因子调整。

(2)、对步骤(1)得到的信号Y(n)进行P＝2^m点的IFFT变换；其中，本发明中IFFT变换为串行输入串行输出，IFFT输出数据格式如图2所示，即IFFT 输出的第1～2^m个数据分别为第1～2^m路子带的第1个数据，IFFT输出的的第2^m～2^m+1个数据分别为第1～2^m路子带的第2个数据，依次类推，每个子带的信号以2^m为周期输出，连续输出的2^m个数据中包括2^m个子带的1个数据。

然后采用复数因子矢量V_f对IFFT输出信号进行修正滤波处理，得到信号z(n)；其中，矢量V_f中的第r个复数因子为r为子带序号，即在进行修正滤波时，第r个子带信号乘以修正因子其中，r＝1、2、…、2^m。在工程实现时可以通过1个复数乘法器实现上述的修正滤波。

(3)、将步骤(2)得到的信号z(n)输入到FIFO模块，该FIFO模块包括N个串联的FIFO，将信号z(n)输入到第1个FIFO；其中，M为设定的子带滤波器阶数；并且每个FIFO的存储深度均为P＝2^m。

其中，第1个FIFO的输出接到第2个FIFO的输入，第2个FIFO的输出接到第3个FIFO的输入，依次类推实现N个FIFO的首尾串联。其中，各FIFO每个时钟周期输出1数据，这N个数据之间相隔2^m个数据，即通过这种FIFO结构可以实现数据的2^m次抽取，每个时钟周期输出的N个数据属于同一子带。

(4)、采用设定的(2^m×N)维的子带滤波系数矩阵对步骤(3)中N个FIFO的输出数据进行重构滤波处理。

其中，矩阵Γ₁＝[Α 0]，Γ₂＝[0 Α]；其中，0为(2^m-1×1)维零矢量；Α为如下所示的(2^m-1×(N-1))维矩阵：

上式中a₁、a₂、…、a_M分别为设定的M阶子带滤波器的滤波系数；即将设定的M阶子带滤波器的M个滤波系数按列存放在(2^m-1×(N-1))维矩阵Α中。

其中，采用设定的(2^m×N)维的子带滤波系数矩阵对步骤(3)中N个FIFO的输出数据进行重构滤波处理，具体处理过程如下：

在第1个系统时钟周期内，N个FIFO输出的N个数据依次与矩阵的第1行的N个系数相乘，并累加输出作为第1个滤波后信号；第2个系统时钟周期内N个FIFO输出的N个数据分别与矩阵的第2行系数相乘，并累加输出作为第2个滤波后信号；依次类推，第2^m个系统时钟周期内N个FIFO输出的N个数据分别与矩阵的第2^m行系数相乘，并累加输出作为第2^m个滤波后信号；

然后，第2^m+1～2^m+1个系统时钟周期内的FIFO输出的2^m组信号分别采用矩阵的2^m行滤波系数进行滤波处理；依次类推完成FIFO的输出数据的重构滤波处理。

(5)、对步骤(4)的滤波后信号进行抽取处理，并进行符号调整，得到子带综合处理的输出信号；具体实现过程如下：

(5a)、如图3所示的抽取示意图所示，本发明在滤波后信号中连续抽取2^m个数据，然后间隔2^m个数据后再连续抽取2^m个数据，依次类推，实现每隔2^m个数据抽取2^m个数据。

(5b)、如图4所示的符号调整示意图所示，本发明对第一组抽取得到的2^m 个数据乘以“1”，对第二组抽取得到的2^m个数据乘以“-1”，依次类推对对第β组抽取得到的2^m个数据乘以系数(-1)^(β-1)，其中，β为正整数。

如图5所示的另一方法实现流程图，在本发明中还可以将完美滤波因子调整处理放到数据抽取之前进行，即在步骤(1)中不进行完美滤波因子调整处理，而是直接进入步骤(2)对输入信号进行的IFFT变换。在步骤(4)实现重构滤波处理后，对所述滤波处理输出信号进行完美滤波因子调整处理，然后再进入步骤(5)进行信号抽取和符号调整。

以上所述，仅为本发明一个具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

本发明说明书中未作详细描述的内容属于本领域专业技术人员的公知技术。

Claims (4)

1.一种资源复用完全重构子带综合处理方法，其特征在于：具体处理步骤如下：

(1)、接收输入数据X(n)，然后对所述输入数据进行完美滤波因子调整得到信号Y(n)；

(2)、对步骤(1)得到的信号Y(n)进行P＝2^m点的IFFT变换；并采用复数因子矢量V_f对IFFT输出信号进行修正滤波处理，得到信号z(n)；其中，矢量V_f中的第r个复数因子为r＝1、2、…、2_m；其中，P＝2_m为设定的子带个数，m为正整数；

(3)、将步骤(2)得到的信号z(n)输入到FIFO模块，所述FIFO模块包括N个串联的FIFO，所述信号z(n)作为第1个FIFO的输入；其中，M为设定的子带滤波器阶数；并且每个FIFO的存储深度均为P＝2^m；

(4)、采用设定的(2^m×N)维的子带滤波系数矩阵对步骤(3)中N个FIFO的输出数据进行重构滤波处理，所述矩阵Γ₁＝[Α 0]，Γ₂＝[0 Α]；其中，0为(2^m-1×1)维零矢量；Α为如下所示的(2^m-1×(N-1))维矩阵：

其中，a₁、a₂、…、a_M分别为设定的M阶子带滤波器的滤波系数；即将设定的M阶子带滤波器的M个滤波系数按列存放在(2^m-1×⁽N-1))维矩阵Α中；

(5)、对步骤(4)的滤波后信号进行抽取处理，并进行符号调整，得到子带综合处理的输出信号；具体实现过程如下：

(5a)、在滤波后信号中，连续抽取2^m个数据，然后间隔2^m个数据后再连续抽取2^m个数据，依次类推，实现每隔2^m个数据抽取2^m个数据；

(5b)、对第一组抽取得到的2^m个数据乘以“1”，对第二组抽取得到的2^m个数据乘以“-1”，依次类推对对第β组抽取得到的2^m个数据乘以系数(-1)^(β-1)，其中，β为正整数。

2.根据权利要求1所述的一种资源复用完全重构子带综合处理方法，其特征在于：在步骤(1)中，进行完美滤波因子调整的因子矢量V_w如下：

$V_w=e^{-\mathrm{j\π}\frac{(2^m-1)(M-1)}{2^{m+1}}}\×{[1,e^{j\frac{(M-1)\mathrm{\π}}{2^m}},\·\·\·,e^{j\frac{(M-1)\mathrm{\π}(P-1)}{2^m}}]}^T;$

即所述矢量V_w中的第p个因子为p＝0、1、…、P-1；其中，M为设定的子带滤波器阶数，P＝2^m为设定的子带个数，m为正整数。

3.根据权利要求1所述的一种资源复用完全重构子带综合处理方法，其特征在于：在步骤(4)中，采用设定的(2^m×N)维的子带滤波系数矩阵对步骤(3)中N个FIFO的输出数据进行重构滤波处理，具体处理过程如下：

在第1个系统时钟周期内，N个FIFO输出的N个数据分别与矩阵的第1行系数相乘，并累加输出作为第1个滤波后信号；第2个系统时钟周期内N个FIFO输出的N个数据分别与矩阵的第2行系数相乘，并累加输出作为第2个滤波后信号；依次类推，第2^m个系统时钟周期内N个FIFO输出的N个数据分别与矩阵的第2^m行系数相乘，并累加输出作为第2^m个滤波后信号；

然后，第2^m+1～2^m+1个系统时钟周期内的FIFO输出的2^m组信号分别采用矩阵的2^m行滤波系数进行滤波处理；依次类推完成FIFO的输出数据的重构滤波处理。

4.根据权利要求1所述的一种资源复用完全重构子带综合处理方法，其特征在于：如果在步骤(1)中没有进行完美滤波因子调整处理，则在步骤(4)重构滤波处理后，对所述滤波处理输出信号进行完美滤波因子调整处理，然后再进入步骤(5)进行信号抽取和符号调整。