CN105891810B - 一种快速自适应联合时延估计方法 - Google Patents
一种快速自适应联合时延估计方法 Download PDFInfo
- Publication number
- CN105891810B CN105891810B CN201610354137.6A CN201610354137A CN105891810B CN 105891810 B CN105891810 B CN 105891810B CN 201610354137 A CN201610354137 A CN 201610354137A CN 105891810 B CN105891810 B CN 105891810B
- Authority
- CN
- China
- Prior art keywords
- signal
- iteration
- road
- kth
- time
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S11/00—Systems for determining distance or velocity not using reflection or reradiation
- G01S11/02—Systems for determining distance or velocity not using reflection or reradiation using radio waves
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
- H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
- H04B7/08—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station
- H04B7/0837—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station using pre-detection combining
- H04B7/0842—Weighted combining
- H04B7/0848—Joint weighting
- H04B7/0854—Joint weighting using error minimizing algorithms, e.g. minimum mean squared error [MMSE], "cross-correlation" or matrix inversion
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Filters That Use Time-Delay Elements (AREA)
Abstract
本发明涉及一种快速自适应联合时延估计方法,该方法包括以下步骤:根据本次迭代的时延估计量,计算第i路信号第k次迭代的滤波器输出信号;根据各路输出信号,计算第k次迭代的合成参考信号;根据第i路第k次迭代的输出信号和第k次迭代的合成参考信号,求取第i路信号第k次迭代的误差信号;计算误差信号功率,其结果与门限值比较;当误差信号功率小于门限值时,根据迭代次数,直接求取第k次迭代的步长,根据第k次迭代的步长求取第i路信号第k+1次迭代的时延估计量;将第i路信号的时延对准到各路信号的平均时延上,得到最终第i路信号第k+1次迭代的时延估计量。本发明可以在快速收敛的情况下获得更小的时延估计方差。
Description
技术领域
本发明涉及一种时延估计的方法,具体涉及一种快速自适应联合时延估计方法。
背景技术
时间延迟是表征一个信号的重要参量,准确、迅速地估计接收阵列所接收到的同源信号之间的时间延迟,可以进一步确定其他相关参量,如信源的距离、方位、速度和移动方向等。因此,时延估计成为近年来信号处理领域一个十分活跃的研究课题,在雷达、声纳、水声学、生物医学、地球物理、地震学、石油勘探、通信和语音信号增强等领域都有广泛的应用。
时延估计的基本原理就是对两路或多路信号之间进行移位,寻找相似度最高的移位位置作为时延估计值。主要方法包括基本互相关法、广义互相关法、相应的频域实现算法和高阶累计量法等。其中采用自适应滤波的时延估计方法是一类被广泛研究的经典算法,由于该算法不需要接收信号的统计特性和噪声的先验信息,同时拥有自动跟踪特性,因此具有独特优势。信号时延可以等效为信号通过时延有限冲激响应(Finite ImpulseResponse,FIR)滤波器,基本的最小均方时延估计(Least Mean Square Time DelayEstimation,LMSTDE)算法选取一路信号作为参考信号,采用自适应算法调整滤波器系数补偿信号时延,使其与参考信号均方误差最小,最终通过内插方式从滤波器系数中得到两路信号间时延差的估计。
作为LMSTDE算法的改进,基于最小均方误差准则,在H.C.So等人发表的文章《ANew Algorithm for Explicit Adaption of Time Delay》中提出了基于约束自适应的时延估计(Explicit Time Delay Estimator,ETDE)算法。ETDE算法将滤波器系数形式约束为通过自适应算法直接调整的值,进而调整滤波器系数。
两路存在时延差异的接收信号表示为:
其中s(k)是信源发送信号,n0(k)和n1(k)分别是两路信号噪声,D是待估计的两路信号时延量真值。通常设n0(k)和n1(k)是独立不相关的平稳零均值高斯白噪声随机过程。ETDE算法系统框图如图1所示。
ETDE算法的基本思想是希望在滤波输出结果与参考信号的均方误差最小目标下,获得对信号间延迟差的估计。只是在滤波器系数上做了约束:
其中滤波器的阶数为2P+1,是第k次迭代的时延估计值,xi(k)=[xi(k+P),xi(k+P-1),…,xi(k-P)]T为输入信号向量。滤波输出信号和误差分别为:
e1(k)=x0(k)-y1(k)=x0(k)-hT(k)x1(k) (4)
时延估计的更新公式为:
其中μ为迭代更新的步长因子,通常为一个小正数,
为了便于进行算法性能定性推导,H.C.So等人对ETDE算法的特性进行了推导。其时延估计的均值为:
上式中表示时延的初始估计值。为了使算法能够收敛,
时延估计的方差为:
ETDE算法是针对两路信号之间的时延差估计。由公式(9)可知,和分别代表信号和噪声的功率,ETDE算法的方差性能与和有关,即算法的估计性能仅与两路信号的信号质量有关。根据信号合成原理,通过信号合成,可以提高合成信号的信噪比。因此如果使用合成信号作为参考信号,则可以有效提高估计性能。
在罗柏文等人发表的文章《采用合成方法的多路信号自适应联合时延估计》中重点关注多路信号之间时延差异的联合估计问题,提出以合成信号作为自适应时延估计的参考信号,在不明显增加计算量的条件下,当算法收敛时,联合时延估计(Joint ExplicitTime Delay Estimation,JETDE)算法的方差明显低于传统的两路信号之间自适应时延估计算法方差。接收信号表示为:
xi(k)=s(k-Di)+ni(k) (10)
其中i=1,2,…N,N为信号路数。Di是第i路信号的时延量,各路之间相互独立。JETDE算法系统框图如图2。
第i路信号经过滤波补偿时延差异后,输出信号为:
其中滤波器hi(k)与公式(2)定义一致,xi(k)=[xi(k+P),xi(k+P-1),…,xi(k-P)]T为输入信号向量。合成信号表示为:
与ETDE算法中以某一路信号作为参考信号的做法不同,JETDE算法其参考信号为合成输出信号。由于合成输出信号比任何一路信号质量都更好,具有更高的信噪比,因此能够获得更好的时延估计性能。第i路误差为:
由于各路信号之间的延迟量是相互独立的,计算延迟估计量的梯度:
在公式(14)中,fi(k)为hi(k)关于的偏导数,其定义与公式(6)一致。最终可以得到时延估计量的更新公式:
在JETDE算法中,参考信号即为共同的目标信号,通过算法的迭代使得各路信号对齐到某一未知的共同时延量上,因此要对这个共同的时延量进行约束,一个有效的约束方式就是将所有路信号的时延对准到各路信号的平均时延上,即:
罗柏文等人对JETDE算法的特性进行了推导。其时延估计的均值为:
为了使算法能够收敛,对比公式(17)的JETDE算法时延估计的均值与公式(8)的ETDE算法时延估计的均值可以看出,因此JETDE算法的收敛速度慢于ETDE算法。
时延估计的方差为:
对比公式(18)的JETDE算法时延估计的方差与公式(9)的ETDE算法时延估计的方差,可以看出,
因此JETDE算法时延估计的方差小于ETDE算法时延估计的方差。
在K.Mayyas等人发表的文章《An Lms adaptive algorithm with a new step-size control equation》中提出了基于最小加权系数的变步长最小均方(Variable StepSize Least Mean Square,KVSSLMS)算法,用以加速算法收敛,但是这种方法易受到噪声干扰影响。
其步长迭代公式为:
η(n)=γη(n-1)+(1-γ)e(n)e(n-1) (19)
ρ(n)=γρ(n-1)+(1-γ)e2(n)[XT(n)X(n)+δ] (20)
发明内容
本发明的目的在于提供一种快速自适应联合时延估计方法,在JETDE算法的基础上通过建立步长与迭代次数的非线性关系,提出基于迭代次数变步长的联合时延估计(Iteration Variable Step Size Joint Explicit Time Delay Estimation,IVSS-JETDE)算法可以在快速收敛的情况下获得更小的时延估计方差。
为了实现上述目的,发明提供了一种快速自适应联合时延估计方法,该方法包括以下步骤:
根据迭代的时延估计量,求取第i路信号第k次迭代的滤波器输出信号;
根据各路输出信号,求取第k次迭代的合成参考信号;
根据第i路第k次迭代的滤波器输出信号和合成参考信号,求取第i路信号第k次迭代的误差信号;
计算误差信号功率,其结果与门限值比较;
当误差信号功率小于门限值时,根据迭代次数,直接求取第k次迭代的步长;
当误差信号功率大于门限值时,需要将当前迭代次数赋值给步长迭代公式中的起始时刻,同时根据误差信号功率的大小设定递进步长和调整参数,再根据迭代次数,求取第k次迭代的步长;
根据第k次迭代的步长,求取第i路信号第k+1次迭代的时延估计量;
将第i路信号的时延对准到各路信号的平均时延上,得到最终第i路信号第k+1次迭代的时延估计量。
本发明提供的一种快速自适应联合时延估计方法,在JETDE算法的基础上通过建立步长与迭代次数的非线性关系,可以在快速收敛的情况下获得更小的时延估计方差。
附图说明
图1为本发明实施例提供的ETDE算法的系统框图;
图2为本发明实施例提供的JETDE算法的系统框图;
图3为本发明实施例提供的IVSS-JETDE算法步长因子μ(n)变换曲线;
图4为本发明实施例提供的IVSS-JETDE算法方法流程图;
图5为本发明实施例提供的IVSS-JETDE算法的系统框图;
图6为本发明实施例提供的当信噪比为10dB时IVSS-JETDE算法的时延估计均值与ETDE算法、JETDE算法和KVSS-JETDE算法时延估计均值的对比曲线图;
图7为本发明实施例提供的当信噪比为10dB时IVSS-JETDE算法的时延估计方差与ETDE算法的时延估计方差的对比曲线图;
图8为本发明实施例提供的当信噪比为10dB时IVSS-JETDE算法的时延估计方差与JETDE算法的时延估计方差的对比曲线图;
图9为本发明实施例提供的当信噪比为10dB时IVSS-JETDE算法的时延估计方差与KVSS-JETDE算法的时延估计方差的对比曲线图;
图10为本发明实施例提供当信噪比为0dB时IVSS-JETDE算法的时延估计均值与ETDE算法、JETDE算法和KVSS-JETDE算法时延估计均值的对比曲线图;
图11为本发明实施例提供当信噪比为0dB时IVSS-JETDE算法的时延估计方差与ETDE算法的时延估计方差的对比曲线图;
图12为本发明实施例提供当信噪比为0dB时IVSS-JETDE算法的时延估计方差与JETDE算法的时延估计方差的对比曲线图;
图13为本发明实施例提供当信噪比为0dB时IVSS-JETDE算法的时延估计方差与KVSS-JETDE算法的时延估计方差的对比曲线图;
图14为本发明实施例提供的当信噪比为10dB时IVSS-JETDE算法的信号时变跟踪能力与ETDE算法、JETDE算法和KVSS-JETDE算法的信号时变跟踪能力的对比曲线图;
图15为本发明实施例提供的当信噪比为0dB时IVSS-JETDE算法的信号时变跟踪能力与ETDE算法、JETDE算法和KVSS-JETDE算法的信号时变跟踪能力的对比曲线图。
具体实施方式
下面通过附图和实施例,对本发明的技术方案作进一步的详细描述。
图3为本发明实施例提供的IVSS-JETDE算法步长因子μ(n)变换曲线。
为使步长因子取值满足收敛条件,且在收敛时具有较小的稳态方差,对步长因子取值加以限定,因此IVSS-JETDE变步长迭代公式为:
其中,μmin是设定的步长因子最小值,μ代表递进步长,k是迭代次数,m是步长因子改变的起始时刻,初始值为0,M是根据不同情况设定的调整参数,控制μ(k)随k变化的快慢。由上式可知μ(k)随k单调递减,变化趋势如图3所示。
当k起始时:
μ(0)≈μmin+μ=μmax (23)
当k较大时:
μ(∞)≈μmin (24)
基于IVSS-JETDE变步长迭代公式,得到基于迭代次数变步长的联合时延估计IVSS-JETDE算法延时估计量的更新公式:
IVSS-JETDE算法时延估计的均值为:
为了使算法能够收敛,由公式(23)可知,在算法起始阶段当μ(k)≈μmax>μ时,对比公式(26)IVSS-JETDE算法时延估计的均值与公式(17)的JETDE算法时延估计的均值可以看出,因此IVSS-JETDE算法的收敛速度快于JETDE算法。
IVSS-JETDE算法时延估计的方差为:
由公式(24)可知,在算法趋于收敛后当μ(∞)≈μmin<μ时,对比公式(27)的IVSS-JETDE算法时延估计的方差与公式(18)的JETDE算法时延估计的方差,可以看出,
因此IVSS-JETDE算法时延估计的方差小于JETDE算法时延估计的方差。
为了使本发明算法具有信号时变跟踪能力,步长因子随迭代次数改变的同时,还要对当前时刻各路误差信号进行功率检测,判断输入信号是否发生突变。误差信号的功率计算公式:
其中,Pe(k)是误差信号的功率,2P+1代表滤波器阶数,k是迭代次数,ei(j)是第i路信号的误差;将当前时刻的误差信号功率与门限值χ进行比较。当误差信号功率小于门限值时,利用公式(22),直接求取第k次迭代的步长;当误差信号功率大于门限值时,将当前时刻迭代次数k赋值给公式(22)中的起始时刻m,同时根据误差信号功率Pe(k)的大小重新设定递进步长μ和调整参数M,再利用公式(22),求取第k次迭代的步长。
除时延估计的均值和方差外,计算复杂度也是影响其应用的重要因素。分析本发明的计算复杂度,其中公式(22)中指数运算一般采用查表法实现,而对于公式(28)中的误差信号的功率,只需要计算ei(k),其他部分可以采用Pe(k-1)的结果。若设滤波器的阶数为2P+1,信号路数为N。不同延时估计算法一次迭代所需计算复杂度如表1所示,以ETDE和JETDE参考文献中实验参数P=10和N=4为例,可知相比于已有方法,本发明的计算量增加非常有限,因此便于硬件实现。
表1不同时延估计算法一路信号每次迭代所需计算复杂度
图4为本发明实施例提供的IVSS-JETDE算法流程图。如图4所示,该方法的实现包括步骤101-106。
步骤101,根据迭代的时延估计量,求取第i路信号第k次迭代的滤波器输出信号。
根据本次迭代的时延估计量利用公式(2)对滤波器系数h(k)做了约束;
其中,滤波器的阶数为2P+1,是第k次迭代的时延估计值;
根据公式(10)接收信号xi(k)表示为:
xi(k)=s(k-Di)+ni(k) (10)
其中i=1,2,…N,N为信号路数,Di是第i路信号的时延量,各路之间相互独立;
根据滤波器系数h(k)和接收信号xi(k),利用公式(11)求取第i路信号第k次迭代的滤波器输出信号yi(k):
其中滤波器hi(k)与公式(2)定义一致,xi(k)=[xi(k+P),xi(k+P-1),…,xi(k-P)]T为输入信号向量。
步骤102,根据各路输出信号,求取第k次迭代的合成参考信号;
通过公式(12)计算所述第k次迭代的合成信号:
其中,yc(k)为合成参考信号,yi(k)为第i路信号第k次迭代的滤波器输出信号。
步骤103,根据第i路第k次迭代的滤波器输出信号和合成参考信号,求取第i路信号第k次迭代的误差信号;
通过公式(13)计算第i路信号第k次迭代的误差信号ei(k)为:
步骤104,计算误差信号功率,其结果与门限值比较;
通过公式(28)计算误差信号功率的公式为:
其中,Pe(k)是误差信号的功率,2P+1代表滤波器阶数,k是迭代次数,ei(j)是第i路信号的误差,将当前时刻的误差信号功率与门限值进行比较。
步骤105,根据迭代次数,求取第k次迭代的步长,以及求取第i路信号第k+1次迭代的时延估计量;
当误差信号功率小于门限值时,根据公式(22),直接求取迭代的步长μ(k);
当误差信号功率大于门限值时,将当前时刻迭代次数k赋值给公式(22)中的起始时刻m,同时根据误差信号功率Pe(k)的大小重新设定递进步长μ和调整参数M;
根据迭代次数,求取第k次迭代的步长μ(k)。
其中,μmin是设定的步长因子最小值,μ代表递进步长,k是迭代次数,m是步长因子改变的起始时刻,初始值为0,M是根据不同情况设定的调整参数,控制μ(k)随k变化的快慢;μ(k)随k单调递减;
将接收信号xi(k),第i路信号第k次迭代的误差信号ei(k)和迭代的步长μ(k)的计算结果带入IVSS-JETDE算法时延估计量的更新公式:
其中,
步骤106,将第i路信号的时延对准到各路信号的平均时延上,得到最终第i路信号第k+1次迭代的时延估计量。
通过公式(16)计算最终第i路信号第k+1次迭代的时延估计量公式:
本发明实施例在JETDE算法的基础上通过建立步长与迭代次数的非线性关系,可以在快速收敛的情况下获得更小的时延估计方差。
图5为本发明实施例提供的IVSS-JETDE算法的系统框图。与JETDE算法系统框图的主要区别在于增加了变步长计算单元。
信号s(k)及各路信号的噪声ni(k)均设为不相关零均值高斯白噪声,其功率谱为白的,信号s(k)的功率设为2.5。ETDE算法和JETDE算法的步长因子μ=0.002,根据参考文献,KVSS-JETDE算法调整参数γ=0.98、δ=0.025,IVSS-JETDE算法的步长因子μmin=0.0001、μ=0.015,调整参数M=600。时延路数N=4,各路的时延值为-1、-2、-3和6个采样点,各路滤波器阶数2P+1=21。
当信噪比为10dB时:
图6为本发明实施例提供的当信噪比为10dB时IVSS-JETDE算法的时延估计均值与ETDE算法、JETDE算法和KVSS-JETDE算法时延估计均值的对比曲线图。
如图6所示的,四种自适应算法在10000个采样点迭代仿真下的时延估计均值曲线。从图中可以看出,本发明提出的IVSS-JETDE算法收敛速度最快,只需要大约1000多个采样点迭代就能收敛。KVSS-JETDE算法和ETDE算法分别需要大约2000多个和3000多个采样点迭代能够收敛,而JETDE算法则需要大约6000多个采样点迭代才能够较好的收敛。
图7为本发明实施例提供的当信噪比为10dB时IVSS-JETDE算法的时延估计方差与ETDE算法的时延估计方差的对比曲线图。
图7所示的是第0至10000次迭代的时延估计方差仿真结果。从图中可以看出,当两种算法收敛后,IVSS-JETDE算法的时延估计方差明显小于ETDE算法。
图8为本发明实施例提供的当信噪比为10dB时IVSS-JETDE算法的时延估计方差与JETDE算法的时延估计方差的对比曲线图。
如图8所示,当两种算法收敛后,IVSS-JETDE算法的时延估计方差小于JETDE算法。
图9为本发明实施例提供的当信噪比为10dB时IVSS-JETDE算法的时延估计方差与KVSS-JETDE算法的时延估计方差的对比曲线图;
如图9所示,当两种算法收敛后,IVSS-JETDE算法的时延估计方差小于KVSS-JETDE算法。
图10为本发明实施例提供的当信噪比为0dB时IVSS-JETDE算法的时延估计均值与ETDE算法、JETDE算法和KVSS-JETDE算法时延估计均值的对比曲线图;
当信噪比为0dB时,如图10所示,本发明提出的IVSS-JETDE算法的收敛速度最快,只需要大约1000多个采样点迭代就能收敛,优于其他三种算法。ETDE算法和KVSS-JETDE算法则需要大约4000多个采样点迭代才能够较好的收敛。而JETDE算法在信噪比较低情况下,需要大约6000多个采样点迭代才能收敛。
图11为本发明实施例提供的当信噪比为0dB时IVSS-JETDE算法的时延估计方差与ETDE算法的时延估计方差的对比曲线图。
当信噪比为0dB时,如图11所示,当两种算法收敛后,IVSS-JETDE算法的时延估计方差明显小于ETDE算法。
图12为本发明实施例提供的当信噪比为0dB时IVSS-JETDE算法的时延估计方差与JETDE算法的时延估计方差的对比曲线图。
当信噪比为0dB时,如图12所示,当两种算法收敛后,IVSS-JETDE算法的时延估计方差小于JETDE算法。
图13为本发明实施例提供的当信噪比为0dB时IVSS-JETDE算法的时延估计方差与KVSS-JETDE算法的时延估计方差的对比曲线图。
当信噪比为0dB时,如图13所示,当两种算法收敛后,IVSS-JETDE算法的时延估计方差小于KVSS-JETDE算法。
图14为本发明实施例提供的当信噪比为10dB时IVSS-JETDE算法的信号时变跟踪能力与ETDE算法、JETDE算法和KVSS-JETDE算法的信号时变跟踪能力的对比曲线图。
为了测试本发明算法的信号时变跟踪能力,将输入信号前20000次迭代的时延值设为6个采样点,后20000次迭代的时延值设为9个采样点。为了减小时延估计方差,ETDE算法和JETDE算法的步长因子μ=0.001,门限值χ=0.3,其他参数保持不变,当信噪比为10dB时:
如图14所示,IVSS-JETDE算法的信号时变跟踪能力优于其他三种算法。
图15为本发明实施例提供的当信噪比为0dB时IVSS-JETDE算法的信号时变跟踪能力与ETDE算法、JETDE算法和KVSS-JETDE算法的信号时变跟踪能力的对比曲线图。
为了测试本发明算法的信号时变跟踪能力,门限值χ=1.5,为了减少时延估计方差,当误差信号功率大于门限值时,重新设定递进步长μ=0.005,调整参数M=100,其他参数保持不变,当信噪比为0dB时:
如图15所示,IVSS-JETDE算法的信号时变跟踪能力优于其他三种算法,由此可知,IVSS-JETDE算法在信噪比较低情况下依然具有较好的时变跟踪能力。
结合以上实施例结果,可以看到IVSS-JETDE算法在时延估计均值、时延估计方差、时变跟踪能力以及算法复杂度方面的优势。
本发明实施例提供一种快速自适应联合时延估计方法及装置,在JETDE算法的基础上通过建立步长与迭代次数的非线性关系,提出了IVSS-JETDE算法,可以在快速收敛的情况下获得更小的时延估计方差。这对以多通道信号合成为目的的算法而言,可以提高信号的时延对准性能,从而提高多通道信号合成效率,而对于以到达时间差(TimeDifference Of Arrival,TDOA)定位为目的的算法而言,可以减小定位方差。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种快速自适应联合时延估计方法,其特征在于,包括以下步骤:
根据迭代的时延估计量,计算第i路信号第k次迭代的滤波器输出信号;
根据各路输出信号,计算第k次迭代的合成参考信号;
根据第i路第k次迭代的输出信号和第k次迭代的合成参考信号,求取第i路信号第k次迭代的误差信号;
计算误差信号功率,其结果与门限值比较;
当误差信号功率小于门限值时,根据迭代次数,直接求取第k次迭代的步长,以及根据第k次迭代的步长求取第i路信号第k+1次迭代的时延估计量;
所述当误差信号功率小于门限值时,根据迭代次数,直接求取第k次迭代的步长,步骤包括:通过公式(22)计算迭代的步长μ(k):
其中,μmin是设定的步长因子最小值,μ代表递进步长,k是迭代次数,m是步长因子改变的起始时刻,初始值为0,M是根据不同情况设定的调整参数,控制μ(k)随k变化的快慢,μ(k)随k单调递减;
所述根据第k次迭代的步长求取第i路信号第k+1次迭代的时延估计量步骤包括:将接收信号xi(k),所述第i路信号第k次迭代的误差信号ei(k)和迭代的步长μ(k)的计算结果代入基于迭代次数变步长的联合时延估计IVSS-JETDE算法时延估计量的更新公式:
其中i=1,2,…N,N为信号路数,n∈[-P,P],2P+1为滤波器的阶数,h(k)为滤波器系数;
将第i路信号的时延对准到各路信号的平均时延上,得到最终第i路信号第k+1次迭代的时延估计量。
2.根据权利要求1所述的方法,其特征在于,所述根据迭代的时延估计量,计算第i路信号第k次迭代的滤波器输出信号步骤包括:
根据第k次迭代的时延估计量利用公式(2)对滤波器系数h(k)做了约束;
其中,滤波器的阶数为2P+1;
以及根据公式(10)接收信号xi(k)表示为:
xi(k)=s(k-Di)+ni(k) (10)
其中i=1,2,…N,N为信号路数,Di是第i路信号的时延量,s(k-Di)为第i路接收到的信源信号,ni(k)第i路接收到的噪声信号,各路之间相互独立;
根据所述滤波器系数h(k)和接收信号xi(k),利用公式(11)求取第i路信号第k次迭代的滤波器输出信号yi(k):
其中滤波器系数hi(k)与公式(2)定义一致, 为输入信号向量。
3.根据权利要求1所述的方法,其特征在于,所述根据各路输出信号,计算第k次迭代的合成参考信号步骤包括:
通过公式(12)计算所述第k次迭代的合成信号:
其中i=1,2,…N,N为信号路数,yc(k)为合成参考信号,yi(k)为第i路信号第k次迭代的滤波器输出信号。
4.根据权利要求1或3所述的方法,其特征在于,所述根据第i路第k次迭代的输出信号和第k次迭代的合成参考信号,求取第i路信号第k次迭代的误差信号步骤包括:
通过公式(13)计算所述第i路信号第k次迭代的误差信号ei(k)为:
其中i=1,2,…N,N为信号路数,yc(k)为合成参考信号,yi(k)为第i路信号第k次迭代的滤波器输出信号。
5.根据权利要求1所述的方法,其特征在于,计算误差信号功率,其结果与门限值比较步骤包括:
通过公式(28)计算误差信号功率Pe(k):
其中,Pe(k)是误差信号的功率,2P+1代表滤波器阶数,k是迭代次数,ei(j)是第i路信号的误差;将当前时刻的误差信号功率与门限值进行比较。
6.根据权利要求1所述的方法,其特征在于,所述将第i路信号的时延对准到各路信号的平均时延上,得到最终第i路信号第k+1次迭代的时延估计量步骤包括:
通过公式(16)计算最终第i路信号第k+1次迭代的时延估计量
其中i=1,2,…N,N为信号路数。
7.根据权利要求1所述的方法,其特征在于,计算误差信号功率,其结果与门限值比较;当误差信号功率大于门限值时,将当前时刻迭代次数k赋值给公式(22)中的起始时刻m,同时根据误差信号功率Pe(k)的大小重新设定递进步长μ和调整参数M;
根据迭代次数,求取第k次迭代的步长μ(k)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610354137.6A CN105891810B (zh) | 2016-05-25 | 2016-05-25 | 一种快速自适应联合时延估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610354137.6A CN105891810B (zh) | 2016-05-25 | 2016-05-25 | 一种快速自适应联合时延估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105891810A CN105891810A (zh) | 2016-08-24 |
CN105891810B true CN105891810B (zh) | 2018-08-14 |
Family
ID=56717062
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610354137.6A Active CN105891810B (zh) | 2016-05-25 | 2016-05-25 | 一种快速自适应联合时延估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105891810B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106603036A (zh) * | 2016-11-24 | 2017-04-26 | 北京理工大学 | 一种基于低阶内插滤波器的自适应时延估计方法 |
CN106973023B (zh) * | 2017-02-14 | 2019-10-01 | 中国科学院声学研究所 | 一种信号合成方法及系统 |
EP3416167B1 (en) * | 2017-06-16 | 2020-05-13 | Nxp B.V. | Signal processor for single-channel periodic noise reduction |
CN107656897B (zh) * | 2017-08-10 | 2021-02-09 | 东南大学 | 基于常量时间奇异值分解的快速高阶线路径分离方法 |
US11036225B2 (en) * | 2018-04-18 | 2021-06-15 | Baidu Usa Llc | Method for evaluating localization system of autonomous driving vehicles |
CN110646769B (zh) * | 2019-09-03 | 2021-07-20 | 武汉大学深圳研究院 | 一种适用于lte外辐射源雷达的时域杂波抑制方法 |
CN110602016B (zh) * | 2019-09-18 | 2022-01-07 | 哈尔滨工程大学 | 一种基于图像反卷积的水声信道时延估计方法 |
CN114665991B (zh) * | 2022-05-23 | 2022-08-09 | 中国海洋大学 | 短波时延估计方法、系统、计算机设备和可读存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102928817A (zh) * | 2012-10-18 | 2013-02-13 | 东南大学 | 一种利用时延估计进行转子碰摩声发射源定位的方法 |
KR20130114437A (ko) * | 2012-04-09 | 2013-10-17 | 주식회사 센서웨이 | 교차 상관 연산에 기초한 시간 지연 추정 방법 및 그 장치 |
CN104679981A (zh) * | 2014-12-25 | 2015-06-03 | 新疆大学 | 一种基于可变步长lms-eemd的振动信号降噪方法 |
-
2016
- 2016-05-25 CN CN201610354137.6A patent/CN105891810B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130114437A (ko) * | 2012-04-09 | 2013-10-17 | 주식회사 센서웨이 | 교차 상관 연산에 기초한 시간 지연 추정 방법 및 그 장치 |
CN102928817A (zh) * | 2012-10-18 | 2013-02-13 | 东南大学 | 一种利用时延估计进行转子碰摩声发射源定位的方法 |
CN104679981A (zh) * | 2014-12-25 | 2015-06-03 | 新疆大学 | 一种基于可变步长lms-eemd的振动信号降噪方法 |
Non-Patent Citations (2)
Title |
---|
迭代变步长 LMS 算法及性能分析;刘建成等;《电子与信息学报》;20150731;第37卷(第7期);第1674-1680页 * |
随机布设多天线信号合成关键技术研究;罗柏文;《中国博士学位论文全文数据库 信息科技辑》;20140115(第01期);第58-62、70页 * |
Also Published As
Publication number | Publication date |
---|---|
CN105891810A (zh) | 2016-08-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105891810B (zh) | 一种快速自适应联合时延估计方法 | |
CN110082725B (zh) | 基于麦克风阵列的声源定位时延估计方法、声源定位系统 | |
de Souza et al. | A PNLMS algorithm with individual activation factors | |
CN111220222B (zh) | 一种超声波燃气表流量的测定算法 | |
CN109799484B (zh) | 一种外辐射源雷达系统多径抑制方法、系统及存储介质 | |
Jiang et al. | On the conjugate gradient matched filter | |
Lobov et al. | Dispersion distortion tracking compensator based on the sigma-point Kalman | |
CN106603036A (zh) | 一种基于低阶内插滤波器的自适应时延估计方法 | |
CA2453711A1 (en) | Methods and systems for tracking of amplitudes, phases and frequencies of a multi-component sinusoidal signal | |
CN108957416B (zh) | 脉冲噪声环境下的线性调频信号参数估计方法 | |
CN108416105B (zh) | 脉冲和高斯噪声下稳健的自适应波束形成算法 | |
Huang et al. | Improving channel estimation for rapidly time-varying correlated underwater acoustic channels by tracking the signal subspace | |
Kang et al. | Adaptive pulsar time delay estimation using wavelet-based RLS | |
CN104410388A (zh) | 基于非线性变换的自适应时间延迟估计方法 | |
Dai et al. | NLMS adaptive algorithm implement based on FPGA | |
CN108667538B (zh) | 复杂噪声环境下时延和幅度衰减的联合估计方法 | |
Varma et al. | Robust TDE-based DOA estimation for compact audio arrays | |
CN105388471A (zh) | 一种自适应电磁场时延估计方法及装置 | |
CN102778676B (zh) | 快变水声信道中的确知信号检测方法和系统 | |
KR101991844B1 (ko) | 지연 시간 추정 장치 및 방법 | |
Lee et al. | Maximum likelihood time delay estimation with phase domain analysis in the generalized cross correlation framework | |
JP2014075756A (ja) | 遅延推定方法とその方法を用いたエコー消去方法と、それらの装置とプログラムとその記録媒体 | |
Fereidoony et al. | Adaptive equalization super-resolution time delay estimation with high accuracy and low complexity | |
Diversi et al. | Prediction error method to estimate the ar parameters when the ar process is disturbed by a colored noise | |
KR101356040B1 (ko) | 주파수 영역에서의 암묵 신호 추출 방법 및 이를 위한 디믹싱 시스템 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |