CN110492869A - 一种改进的分段频域块lms自适应滤波算法 - Google Patents

一种改进的分段频域块lms自适应滤波算法 Download PDF

Info

Publication number
CN110492869A
CN110492869A CN201910721235.2A CN201910721235A CN110492869A CN 110492869 A CN110492869 A CN 110492869A CN 201910721235 A CN201910721235 A CN 201910721235A CN 110492869 A CN110492869 A CN 110492869A
Authority
CN
China
Prior art keywords
algorithm
data
fft
frame
adaptive 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.)
Granted
Application number
CN201910721235.2A
Other languages
English (en)
Other versions
CN110492869B (zh
Inventor
王军
卢晶
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University
Original Assignee
Nanjing University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing University filed Critical Nanjing University
Priority to CN201910721235.2A priority Critical patent/CN110492869B/zh
Publication of CN110492869A publication Critical patent/CN110492869A/zh
Application granted granted Critical
Publication of CN110492869B publication Critical patent/CN110492869B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
    • H03H17/00—Networks using digital techniques
    • H03H17/02—Frequency selective networks
    • H03H17/0211—Frequency selective networks using specific transformation algorithms, e.g. WALSH functions, Fermat transforms, Mersenne transforms, polynomial transforms, Hilbert transforms
    • H03H17/0213—Frequency domain filters using Fourier transforms
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
    • H03H17/00—Networks using digital techniques
    • H03H17/02—Frequency selective networks
    • H03H17/0219—Compensation of undesirable effects, e.g. quantisation noise, overflow
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
    • H03H21/00—Adaptive networks
    • H03H21/0012—Digital adaptive filters
    • H03H21/0025—Particular filtering methods
    • H03H21/0027—Particular filtering methods filtering in the frequency domain
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
    • H03H21/00—Adaptive networks
    • H03H21/0012—Digital adaptive filters
    • H03H21/0043—Adaptive algorithms
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
    • H03H21/00—Adaptive networks
    • H03H21/0012—Digital adaptive filters
    • H03H2021/007—Computation saving measures; Accelerating measures
    • H03H2021/0076—Measures relating to the convergence time
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
    • H03H21/00—Adaptive networks
    • H03H21/0012—Digital adaptive filters
    • H03H2021/0085—Applications
    • H03H2021/0094—Interference Cancelling
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Algebra (AREA)
  • Computing Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Filters That Use Time-Delay Elements (AREA)

Abstract

本发明公开了一种改进的分段频域块LMS自适应滤波算法。该算法的具体步骤如下：(1)设定参数，(2)采集与外扰输入信号相关的参考信号，每次累积N+L＝(P+1)L个数据为一帧，分成为P个数据块；(3)对第k帧的全部P个数据块计算对应的匹配通道的输出；(4)采用频域滤波最小均方算法更新自适应滤波器系数；(5)不断迭代数据帧k，使得误差信号达到最小。本发明改进的分段频域块LMS自适应滤波算法，能够使得滤波器系统在非因果条件下，其均方误差依然可以收敛到维纳解。

Description

一种改进的分段频域块LMS自适应滤波算法
技术领域
本发明属于自适应信号处理的技术领域，具体涉及一种改进的分段频域块LMS自适应滤波算法。
背景技术
自适应算法被广泛应用于有源噪声控制、回声消除和通信系统等方面。最小均方(LMS) 算法由于其算法简单、稳定性好而被自适应滤波广泛使用，但是它的运算量随着自适应滤波器长度的增加而显著增加。
为了减少自适应滤波的运算量，人们通常使用频域块最小均方(FBLMS)算法。FBLMS 算法虽然运算效率高，但延时大。分段频域块自适应LMS(PFBLMS)算法由于其运算效率高、延时短而在音频处理领域得到广泛应用。如果对PFBLMS算法的参考信号能量进行归一化处理，可以明显加快算法的收敛速度。已有研究表明(J.Lu,X.Qiu and H.S.Zou,“Amodified frequency-domain block LMS algorithm with guaranteed optimal steady-state performance,”Signal Process.104,27-32(2014))，当滤波器系统为非因果时，频域LMS算法面临非最优收敛的问题，归一化PFBLMS算法的均方误差(MSE)不能收敛到维纳解。
发明内容
针对现有技术中存在的上述技术问题，本发明提出了一种改进的分段频域块LMS自适应滤波算法，使得滤波器系统在非因果条件下，其均方误差依然可以收敛到维纳解。
本发明采用的技术方案为：
一种改进的分段频域块LMS自适应滤波算法，包括如下步骤：
(1)设定频域块长度为L，自适应滤波器长度为N＝P×L，P为一个整数，代表每一帧数据分段频域处理的数量，归一化的收敛步长μ的范围为0<μ<1；
(2)采集与外扰输入信号相关的参考信号x(n)，每次累积N+L＝(P+1)L个数据为一帧，分成为P个数据块；记第k帧的第p块参考输入为xp(k)＝[x((k–p)L–L),x((k–p)L–L+1),…,x((k–p)L+L–1)]T，并令第k帧的第p块参考输入对应的控制滤波器权值系数为wp(k)＝ [w(pL+0)(k),w(pL+1)(k),…,w(pL+L–1)(k)]T，T为转置；
(3)对第k帧的全部P个数据块计算对应的匹配通道的输出，具体过程如下：
利用1/2重叠保留法和快速傅里叶变换方法，计算匹配通道的时域输出为y(k)＝其中表示点乘，xf,p(k)＝FFT[xp(k)]，wf,p(k)＝FFT[wp T(k),01×L]T；其中，FFT代表快速傅里叶变换操作，IFFT代表快速傅里叶逆变换操作；去掉y(k)的前L个值，保留剩下的L个值便是匹配通道的真实输出；
(4)获取误差点的信号e(k)＝[01×L,x(kL),…,x(kL+L–1)]T；采用频域滤波最小均方算法更新自适应滤波器系数其中，Mf为归一化矩阵，Xf,p(k) ＝diag[xf,p(k)]，表示对的数据的后半部分清零后再进行快速傅里叶变换；
(5)不断迭代数据帧k，使得误差信号达到最小。
本发明提出的改进PFBLMS算法与传统归一化PFBLMS算法相比，只增加了一次快速傅里叶变换和一次快速傅里叶逆变换的操作，在增加少量运算量的前提下，使得均方误差MSE 可以收敛到维纳解。本发明的LMS自适应滤波算法可以应用在系统辨识中，使得对目标系统的辨识度更高；也可以应用在噪声消除中，使得噪声消除的更彻底；或者应用在拟合预测中，可以使得拟合预测结果更准确。
附图说明
图1是本发明算法的流程图。
图2是本发明算法滤波器迭代流程图。
图3是本发明算法与传统归一化PFBLMS算法的稳态自适应滤波器系数比较图。
图4是本发明算法与传统归一化PFBLMS算法在非因果条件下的误差收敛曲线图。
具体实施方式
本发明是对传统归一化PFBLMS算法进行改进，下面结合附图对本发明的技术方案进行详细阐述。
设定N为自适应滤波器长度，L为频域块长度，频域的FFT运算长度为2L，N＝P×L，P为一个整数，代表每一帧数据分段频域处理的数量，归一化的收敛步长范围为0<μ<1。
1、在传统的归一化PFBLMS算法中，第k帧数据被分成P个数据块。假设xp(k)＝[x((k– p)L–L),x((k–p)L–L+1),…,x((k–p)L+L–1)]T为参考信号矢量，p＝(0,1,…,P–1)。上标T 代表转置操作，wp(k)＝[w(pL+0)(k),w(pL+1)(k),…,w(pL+L–1)(k)]T为自适应滤波器，d(k)＝[d(kL), d(kL+1),…,d(kL+L-1)]T为期望信号矢量。则频域误差信号矢量为
其中Q0,L＝FG0,LF-1，QL,0＝FGL,0F-1，F代表2L×2L阶离散傅里叶变换(DFT)矩阵
df(k)＝F[01×L,dT(k)]T，Xf,p(k)＝diag[xf,p(k)]＝diag[Fxp(k)]，wf,p(k)＝F[wp T(k),01×L]T。
PFBLMS算法归一化后的控制滤波器迭代公式为
其中上标H代表共轭转置操作，μ为固定步长，Mf＝diag[ξ]，ξ为频带归一化因子组成的矢量。
对式(3)两边同时乘以F-1可以得到
其中e(k)＝[e(kL),e(kL+1),…,e(kL+L-1)]T。Xp(k)是一个循环矩阵，它的第一列就是xp(k)，
M也是一个循环矩阵，它的第一列就是F-1ξ，
将式(4)化简可得
wp(k+1)＝wp(k)+μ[M1X2,p+M2X1,p]e(k)， (7)
其中
当自适应滤波器收敛到稳态解时，对式(7)两边取期望，根据独立性假设化简可得
其中Rp,m＝E[X2,pXH 2,m]，rp＝E[X2,pd(k)]，
假设待估计系统冲激响应长度N’≤N，相应的wo＝[wo,0,…wo,N’-1,0,…0]。假设wo,p＝ [wo,(pL+0),wo,(pL+1),…,wo,(pL+L–1)]T，那么
根据式(9)、(10)可知
因为0≤p≤P–1，自适应滤波器长度足够时，则式(11)可求解出每个wm(∞)刚好等于wo,m。如果系统非因果，则无法推导得到式(10)，归一化的PFBLMS算法的稳态解不能收敛到维纳解。
2、本发明改进的PFBLMS算法与归一化的NFBLMS算法的主要区别在于自适应滤波器的迭代公式。本发明改进的PMFBLMS自适应滤波器迭代公式如下所示：
与式(3)相比，式(12)中额外增加了一个QL,0操作，代表将频域数据傅里叶变换到时域，将得到的时域矢量的后L个数据清零，然后再傅里叶逆变换到频域。如图2中的粗点画线流程所示。
由式(7)可知M2X1,p的存在使得自适应滤波器无法迭代到维纳解，而MFBLMS算法中新增的QN,0操作可以消除M2X1,p对自适应滤波器迭代的影响。对式(12)两边同时乘以F-1可以得到
将式(13)化简可得
wp(k+1)＝wp(k)+μM1X2,pe(k)。 (14)
对式(14)两边取期望化简可得
在p＝(0,1,…,P–1)的情况下，式(15)可写成如下矩阵
式(16)的稳态解为E[w∞(k)]＝R-1r，其中R为N×N阶参考信号自相关矩阵，r为N阶参考信号与期望信号的自相关矢量。因此，本发明改进的PFBLMS算法可以收敛到维纳解。
本实施例改进的LMS分段频域块LMS自适应滤波算法具体步骤如下：
1、每次累积N+L＝(P+1)L个数据为一帧，分成为P个数据块。记第k帧的第p块参考输入为xp(k)＝[x((k–p)L–L),x((k–p)L–L+1),…,x((k–p)L+L–1)]T，并令第k帧的第p块参考输入对应的控制滤波器权值系数为wp(k)＝[w(pL+0)(k),w(pL+1)(k),…,w(pL+L–1)(k)]T，T为转置。
2、对第k帧的全部P块数据计算对应的匹配通道的输出，过程如下：利用1/2重叠保留法和快速傅里叶技术，计算匹配通道的时域输出为其中表示点乘，xf,p(k)＝FFT[xp(k)]，wf,p(k)＝FFT[wp T(k),01×L]T。去掉y(k)的前L个值，保留剩下的L 个值便是匹配通道的真实输出。
3、获取误差点的信号e(k)＝[01×L,x(kL),…,x(kL+L–1)]T。采用频域滤波最小均方算法更新自适应滤波器系数其中，Mf为归一化矩阵，Xf,p(k) ＝diag[xf,p(k)]，表示对的数据的后半部分清零后再进行快速傅里叶变换。
4、不断迭代数据帧k，使得误差信号达到最小。
为了说明本发明算法的优点，以下利用仿真对传统归一化的PFBLMS算法和本发明改进的PFBLMS算法的稳态特性进行比较验证。参考信号为白噪声通过低通滤波器H(z)＝[(1– 0.5z–1)]10/[(1–0.6z–1)]10，期望信号超前参考信号1个采样点。自适应滤波器长度N＝64，频域块长度L＝8。两种算法的步长均设置为接近步长上限，仿真结果已经过100次仿真平均。两种算法的稳态自适应滤波器系数如图3所示，由于大部分自适应滤波器系数接近于0，图3只显示了前10阶。它们的MSE收敛图如图4所示。
从图3中可以看出，传统归一化的PFBLMS算法的稳态解偏离维纳解，而本发明改进的 PFBLMS算法的稳态解等于维纳解，图4的MSE收敛曲线也说明了本发明改进PFBLMS算法的优势。传统归一化的PFBLMS算法误差下降4dB以上，而本发明改进的PFBLMS算法误差下降8dB以上。

Claims (1)

1.一种改进的分段频域块LMS自适应滤波算法，其特征在于，包括如下步骤：
(1)设定频域块长度为L，自适应滤波器长度为N＝P×L，P为一个整数，代表每一帧数据分段频域处理的数量，归一化的收敛步长μ的范围为0<μ<1；
(2)采集与外扰输入信号相关的参考信号x(n)，每次累积N+L＝(P+1)L个数据为一帧，分成为P个数据块；记第k帧的第p块参考输入为xp(k)＝[x((k–p)L–L),x((k–p)L–L+1),…,x((k–p)L+L–1)]T，并令第k帧的第p块参考输入对应的控制滤波器权值系数为wp(k)＝[w(pL+0)(k),w(pL+1)(k),…,w(pL+L–1)(k)]T，T为转置；
(3)对第k帧的全部P个数据块计算对应的匹配通道的输出，具体过程如下：
利用1/2重叠保留法和快速傅里叶变换方法，计算匹配通道的时域输出为 其中表示点乘，xf,p(k)＝FFT[xp(k)]，wf,p(k)＝FFT[wp T(k),01×L]T；其中，FFT代表快速傅里叶变换操作，IFFT代表快速傅里叶逆变换操作；去掉y(k)的前L个值，保留剩下的L个值便是匹配通道的真实输出；
(4)获取误差点的信号e(k)＝[01×L,x(kL),…,x(kL+L–1)]T；采用频域滤波最小均方算法更新自适应滤波器系数其中，Mf为归一化矩阵，Xf,p(k)＝diag[xf,p(k)]，表示对的数据的后半部分清零后再进行快速傅里叶变换；
(5)不断迭代数据帧k，使得误差信号达到最小。
CN201910721235.2A 2019-08-06 2019-08-06 一种改进的分段频域块lms自适应滤波算法 Active CN110492869B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910721235.2A CN110492869B (zh) 2019-08-06 2019-08-06 一种改进的分段频域块lms自适应滤波算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910721235.2A CN110492869B (zh) 2019-08-06 2019-08-06 一种改进的分段频域块lms自适应滤波算法

Publications (2)

Publication Number Publication Date
CN110492869A true CN110492869A (zh) 2019-11-22
CN110492869B CN110492869B (zh) 2023-06-06

Family

ID=68550098

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910721235.2A Active CN110492869B (zh) 2019-08-06 2019-08-06 一种改进的分段频域块lms自适应滤波算法

Country Status (1)

Country Link
CN (1) CN110492869B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115273790A (zh) * 2022-07-27 2022-11-01 重庆邮电大学 一种基于fbfulms算法的有源噪声控制系统的设计方法
CN117134909A (zh) * 2023-10-20 2023-11-28 网络通信与安全紫金山实验室 去相关的信道密钥生成方法、装置、通信设备及存储介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106936407A (zh) * 2017-01-12 2017-07-07 西南电子技术研究所（中国电子科技集团公司第十研究所） 频域块最小均方自适应滤波方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106936407A (zh) * 2017-01-12 2017-07-07 西南电子技术研究所（中国电子科技集团公司第十研究所） 频域块最小均方自适应滤波方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
杜秀丽等: "基于并行技术和流水线的LMS自适应滤波算法" *
田超: "频域块LMS自适应滤波算法的研究" *
胡坚: "基于分段块频域自适应滤波算法的长延时回声消除" *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115273790A (zh) * 2022-07-27 2022-11-01 重庆邮电大学 一种基于fbfulms算法的有源噪声控制系统的设计方法
CN117134909A (zh) * 2023-10-20 2023-11-28 网络通信与安全紫金山实验室 去相关的信道密钥生成方法、装置、通信设备及存储介质
CN117134909B (zh) * 2023-10-20 2024-03-29 网络通信与安全紫金山实验室 去相关的信道密钥生成方法、装置、通信设备及存储介质

Also Published As

Publication number Publication date
CN110492869B (zh) 2023-06-06

Similar Documents

Publication Publication Date Title
CN101833949B (zh) 一种用于消减噪声的有源噪声控制方法
CN106210370B (zh) 一种仿射投影最大熵子带自适应回声消除方法
CN101729461A (zh) 消除单频干扰及多频干扰的系统及方法
CN111884625B (zh) 一种变步长稀疏增广复数自适应滤波器
CN110492869A (zh) 一种改进的分段频域块lms自适应滤波算法
CN107105111B (zh) 一种组合步长成比例仿射投影回声消除方法
CN107342751B (zh) 一种基于互相关熵的变步长sa自适应滤波算法
CN109104389A (zh) 一种gnss天线阵通道失配的自适应校正方法
CN105721729B (zh) 基于块稀疏成比例重用权系数仿射投影的回声消除方法
CN103716013A (zh) 变参数比例自适应滤波器
CN111385230B (zh) 一种基于维纳自适应的信道估计的方法及系统
CN102724152B (zh) 基于Laguerre结构的多项式自适应有源噪声对消方法
CN104715758A (zh) 一种分部处理式阵列式语音定位和增强方法
Liu et al. Proportionate affine projection algorithms for block-sparse system identification
CN106128471B (zh) 一种收缩变步长子带回声消除方法
CN110190832B (zh) 变正则化参数多任务自适应滤波器网络
CN112462352A (zh) 一种适用于低信噪比条件下的线谱增强方法
CN107527622B (zh) 一种基于最大熵的变步长符号子带回声消除方法
CN108924076A (zh) Co-ofdm系统中一种联合改进的ts-pso-pts峰均比抑制方案
CN112929006A (zh) 变步长选择更新核最小均方自适应滤波器
CN109658950B (zh) 一种混合频域自适应算法
CN107204952A (zh) 一种滤波ofdm系统的子带滤波处理方法
Nesta et al. Multiple TDOA estimation by using a state coherence transform for solving the permutation problem in frequency-domain BSS
CN113421541B (zh) 一种基于系数平滑的频域有源噪声控制系统
CN110661735A (zh) 一种基于正交匹配追踪稀疏信道估计的时延估计方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant