CN113037249B - 一种数字信号滤波方法、装置及可读存储介质 - Google Patents
一种数字信号滤波方法、装置及可读存储介质 Download PDFInfo
- Publication number
- CN113037249B CN113037249B CN201911355381.4A CN201911355381A CN113037249B CN 113037249 B CN113037249 B CN 113037249B CN 201911355381 A CN201911355381 A CN 201911355381A CN 113037249 B CN113037249 B CN 113037249B
- Authority
- CN
- China
- Prior art keywords
- weight vector
- real
- time weight
- filtering
- control matrix
- 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
- 238000001914 filtration Methods 0.000 title claims abstract description 104
- 238000000034 method Methods 0.000 title claims abstract description 60
- 239000013598 vector Substances 0.000 claims abstract description 132
- 239000011159 matrix material Substances 0.000 claims abstract description 101
- 238000002789 length control Methods 0.000 claims abstract description 15
- 230000006870 function Effects 0.000 claims description 70
- 238000004590 computer program Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000003044 adaptive effect Effects 0.000 abstract description 15
- 238000004422 calculation algorithm Methods 0.000 abstract description 15
- 230000000052 comparative effect Effects 0.000 abstract 2
- 238000010586 diagram Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
- H03H17/00—Networks using digital techniques
- H03H17/02—Frequency selective networks
-
- 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
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
- H03H17/00—Networks using digital techniques
- H03H17/02—Frequency selective networks
- H03H17/0223—Computation saving measures; Accelerating measures
- H03H17/0227—Measures concerning the coefficients
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
- H03H21/00—Adaptive networks
- H03H21/0012—Digital adaptive filters
-
- 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
- H03H2021/0072—Measures relating to the coefficients
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Computer Hardware Design (AREA)
- Computing Systems (AREA)
- Theoretical Computer Science (AREA)
- Algebra (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Feedback Control In General (AREA)
Abstract
本发明提供一种数字信号滤波方法、装置及可读存储介质，包括：基于信号误差和最大相关熵准则得到代价函数；基于代价函数和比例步长控制矩阵，对实时权重向量更新得到实时权重向量的更新方程，将实时权重向量的更新方程作为滤波器的新的实时权重向量，且在每次滤波过程中对实时权重向量进行迭代更新；基于反正切函数，对比例步长控制矩阵更新得到比例步长控制矩阵的更新方程，将比例步长控制矩阵的更新方程作为新的比例步长控制矩阵，且在每次滤波过程中对比例步长控制矩阵进行迭代更新；将实时权重向量的更新方程与输入信号的下一时刻的输入信号相乘，实现滤波。本发明提高了现有的自适应滤波算法的收敛速度和收敛精度。
Description
技术领域
本发明实施例涉及通信领域，尤其涉及一种数字信号滤波方法、装置及可读存储介质。
背景技术
通信信号处理过程中重要的组件之一是滤波器。一般来说，数字信号处理过程中，自适应滤波器较为常见，自适应滤波器采用基于比例最大相关熵准则(ProportionateMaximum Correntropy Criterion，PMCC)的自适应滤波算法，通过比例控制矩阵为每个权重分量引入算法相对应的步长参数，但仍然存在为较大的权重分量相应的系数分配过大的比例步长，为较小的的权重分量相应的系数分配过小的比例步长，导致自适应滤波算法的整体收敛速度和收敛精度较差。可见，现有的自适应滤波算法的收敛速度和收敛精度较差。
发明内容
本发明实施例的目的在于提供一种数字信号滤波方法、装置及可读存储介质，解决了现有的自适应滤波算法的收敛速度和收敛精度较差的问题。
为了达到上述目的，本发明是这样实现的：
第一方面，本发明实施例提供一种数字信号滤波方法，该数字信号滤波器方法包括：
基于信号误差和最大相关熵准则得到代价函数，其中，所述信号误差为输入信号的期望输出信号与所述输入信号经过滤波后的输出信号之间的差值；
基于所述代价函数和比例步长控制矩阵，对实时权重向量更新得到所述实时权重向量的更新方程，所述实时权重向量为对所述输入信号进行滤波时所采用的权重向量，将所述实时权重向量的更新方程作为滤波器的新的实时权重向量，且在每次滤波过程中对实时权重向量进行迭代更新；
基于反正切函数，对所述比例步长控制矩阵更新得到所述比例步长控制矩阵的更新方程，将所述比例步长控制矩阵的更新方程作为新的比例步长控制矩阵，且在每次滤波过程中对比例步长控制矩阵进行迭代更新；
将所述实时权重向量的更新方程与所述输入信号的下一时刻的输入信号相乘，实现滤波。
第二方面，本发明实施例提供一种数字信号滤波装置，该数字信号滤波装置包括：
第一计算模块，用于基于信号误差和最大相关熵准则得到代价函数，其中，所述信号误差为输入信号的期望输出信号与所述输入信号经过滤波后的输出信号之间的差值；
第一更新模块，用于基于所述代价函数和比例步长控制矩阵，对实时权重向量更新得到所述实时权重向量的更新方程，所述实时权重向量为对所述输入信号进行滤波时所采用的权重向量，将所述实时权重向量的更新方程作为滤波器的新的实时权重向量，且在每次滤波过程中对实时权重向量进行迭代更新；
第二更新模块，用于基于反正切函数，对所述比例步长控制矩阵更新得到所述比例步长控制矩阵的更新方程，将所述比例步长控制矩阵的更新方程作为新的比例步长控制矩阵，且在每次滤波过程中对比例步长控制矩阵进行迭代更新。
第三方面，本发明实施例提供一种数字信号滤波装置，该数字信号滤波装置包括：处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如第一方面所述的数字信号滤波方法的步骤。
第四方面，本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的数字信号滤波方法中的步骤。
上述技术方案中的一个技术方案具有如下优点或有益效果：
在本发明实施例中，基于信号误差和最大相关熵准则得到代价函数，其中，所述信号误差为输入信号的期望输出信号与所述输入信号经过滤波后的输出信号之间的差值；基于所述代价函数和比例步长控制矩阵，对实时权重向量更新得到所述实时权重向量的更新方程，所述实时权重向量为对所述输入信号进行滤波时所采用的权重向量，将所述实时权重向量的更新方程作为滤波器的新的实时权重向量，且在每次滤波过程中对实时权重向量进行迭代更新；基于反正切函数，对所述比例步长控制矩阵更新得到所述比例步长控制矩阵的更新方程，将所述比例步长控制矩阵的更新方程作为新的比例步长控制矩阵，且在每次滤波过程中对比例步长控制矩阵进行迭代更新；将所述实时权重向量的更新方程与所述输入信号的下一时刻的输入信号相乘，实现滤波。基于反正切函数对输入信号的实时权重向量及比例步长控制矩阵进行更新，提高了现有的自适应滤波算法的收敛速度和收敛精度。
附图说明
图1为本发明实施例提供的一种数字信号滤波方法的流程图；
图2为本发明实施例提供的另一种数字信号滤波方法的流程图；
图3为本发明实施例提供的一种数字信号滤波方法的结构原理图；
图4为本发明实施例提供的一种数字信号滤波装置的结构示意图；
图5为本发明实施例提供的另一种数字信号滤波装置的结构示意图；
图6为本发明实施例提供的另一种数字信号滤波装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，图1为本发明实施例提供一种数字信号滤波方法的流程图，如图1所示，包括以下步骤：
步骤101、基于信号误差和最大相关熵准则得到代价函数，其中，所述信号误差为输入信号的期望输出信号与所述输入信号经过滤波后的输出信号之间的差值。
其中，所述所述输入信号经过滤波后的输出信号可以理解为所述输入信号经过滤波器后的实际输出信号，所述期望输出信号可以理解为通过计算所得的理论输出信号。
其中，所述最大相关熵准则应用于在非高斯噪声统计特性的情况时，可以使得滤波器具备较好的滤波性能。
其中，所述代价函数可以由所述信号误差和所述最大相关熵准则推导得到。
步骤102、基于所述代价函数和比例步长控制矩阵，对实时权重向量更新得到所述实时权重向量的更新方程，所述实时权重向量为对所述输入信号进行滤波时所采用的权重向量，将所述实时权重向量的更新方程作为滤波器的新的实时权重向量，且在每次滤波过程中对实时权重向量进行迭代更新。
其中，所述比例步长控制矩阵为对角矩阵，可以为所述实时权重向量的每个权重分量分配相对应的步长因子。
其中，所述基于所述代价函数和比例步长控制矩阵，对实时权重向量更新得到所述实时权重向量的更新方程，可以理解为，根据所述第一代价函数和第一比例步长控制矩阵，且利用梯度上升法可以将所述实时权重向量更新得到所述实时权重向量的更新方程。
其中，所述将所述实时权重向量的更新方程作为滤波器的新的实时权重向量，且在每次滤波过程中对实时权重向量进行迭代更新，可以理解为，滤波器对不同时刻的输入信号滤波一次，则所述实时权重向量更新一次，且更新后的实时权重向量作为下一时刻的输入信号的实时权重向量。
另外，将所述输入信号与所述实时权重向量相乘可以实现信号滤波。
需要说明的是，基于比例最大相关熵准则PMCC的自适应算法采用比例步长控制矩阵为实时权重向量的每一个权重分量分配相对应的步长因子，但仍然存在为较大的权重分量分配过大的比例步长，为较小的的权重分量分配过小的比例步长，导致自适应滤波算法的整体收敛速度和收敛精度较差。
步骤103、基于反正切函数，对所述比例步长控制矩阵更新得到所述比例步长控制矩阵的更新方程，将所述比例步长控制矩阵的更新方程作为新的比例步长控制矩阵，且在每次滤波过程中对比例步长控制矩阵进行迭代更新。
其中，所述反正切函数为以实时权重向量的分量的绝对值为参数的反正切函数。
其中，所述将所述比例步长控制矩阵的更新方程作为新的比例步长控制矩阵，且在每次滤波过程中对比例步长控制矩阵进行迭代更新，可以理解为，滤波器对不同时刻的输入信号滤波一次，则所述比例步长控制矩阵更新一次，且更新后的比例步长控制矩阵作为下一时刻的实时权重向量更新的条件。
步骤104、将所述实时权重向量的更新方程与所述输入信号的下一时刻的输入信号相乘，实现滤波。
其中，所述输入信号的下一时刻的输入信号经过所述新的实时权重向量的纠偏得到所述下一时刻的输入信号的输出信号，且所述下一时刻的输入信号的输出信号的值接近或等于所述下一时刻的输入信号的期望输出信号的值。
在本实施例中，基于信号误差和最大相关熵准则得到代价函数，基于所述代价函数和比例步长控制矩阵，对实时权重向量更新得到所述实时权重向量的更新方程，基于反正切函数，对所述比例步长控制矩阵更新得到所述比例步长控制矩阵的更新方程，且在每次滤波过程中对实时权重向量和比例步长控制矩阵进行迭代更新，可以使得较小的所述新的实时权重向量的分量获得较大的步长因子，较大的所述新的实时权重向量的分量获得合适的步长因子，提高了自适应滤波算法的收敛速度和精度。
如图2所示，图2为本发明实施例提供的另一种数字信号滤波方法的流程图，如图2所示，包括以下步骤：
步骤201、计算所述信号误差，
x(n)＝[x(n),x(n-1),…,x(n-M+1)]T
w(n)＝[w1(n),w2(n),…,wM(n)]T
y(n)＝w(n)Tx(n)
e(n)＝d(n)-y(n)
其中，x(n)为所述输入信号，n为时刻，M为信道长度，wo期望权重向量，w(n)为实时权重向量，T为矩阵转置符号，d(n)为所述输入信号的期望输出信号，v(n)为噪声信号，y(n)为所述输入信号经过滤波后的输出信号，e(n)为所述信号误差。
其中，所述期望权重向量可以是滤波前设定，且在自适应滤波算法运行过程中，不做改变，所述噪声随机产生。
其中，n可以理解为第n时刻。
步骤202、基于信号误差和最大相关熵准则得到代价函数，其中，所述信号误差为输入信号的期望输出信号与所述输入信号经过滤波后的输出信号之间的差值。
可选的，所述基于信号误差和最大相关熵准则得到代价函数，包括：
其中，J(n)为所述第一代价函数，σ为常量参数。
其中，σ可以是较小的正数，例如：0.0001。
步骤203、基于所述代价函数和比例步长控制矩阵，对实时权重向量更新得到所述实时权重向量的更新方程，所述实时权重向量为对所述输入信号进行滤波时所采用的权重向量，将所述实时权重向量的更新方程作为滤波器的新的实时权重向量，且在每次滤波过程中对实时权重向量进行迭代更新。
可选的，所述基于所述代价函数和比例步长控制矩阵，对实时权重向量更新得到所述实时权重向量的更新方程，包括：
其中，w(n+1)为所述实时权重向量的更新方程，η为常量参数，G(n)为所述比例步长控制矩阵，θ为导函数符号。
其中，η可以调节比例控制矩阵的步长，且η为正数。
其中，n+1可以理解为第n时刻的下一时刻。
步骤204、基于反正切函数，对所述比例步长控制矩阵更新得到所述比例步长控制矩阵的更新方程，将所述比例步长控制矩阵的更新方程作为新的比例步长控制矩阵，且在每次滤波过程中对比例步长控制矩阵进行迭代更新。
可选的，所述基于反正切函数，对所述比例步长控制矩阵更新得到所述比例步长控制矩阵的更新方程，包括：
F(ws(n))＝atan(σ|ws(n)|)
Fmax＝max{θ,F(w1(n)),…,F(wM(n))}
χs(n)＝max[ρFmax,F(ws(n))]
Gatan(n)＝diag[g1(n),g2(n),…,gM(n)]
其中，F(ws(n))为所述反正切函数，ws(n)为所述实时权重向量w(n)中第s个元素，s的取值范围为1≤s≤M，ρ和θ为常量参数，Fmax为θ与反正切函数F(ws(n))的最大值，χs(n)为反正切函数F(ws(n))与ρFmax的最大值，gs(n)为权重向量中第s个元素的步长因子，Gatan(n)为所述比例步长控制矩阵的更新方程。
其中，ρ和θ可以是较小的正数，可以避免因滤波系数过小而导致自适应滤波算法停止更新，所述滤波系数为实时权重向量的分量。
其中，Fmax为θ与反正切函数F(ws(n))的最大值可以保证权重分量的步长参数足够大，χs(n)为反正切函数F(ws(n))与ρFmax的最大值进一步保证权重分量的步长参数足够大。
另外，如图3所示，基于所述输入信号的输出信号y(n)和所述输入信号的期望输出信号d(n)得到所述信号误差e(n)，通过自适应滤波算法，采用梯度上升法并基于所述实时权重向量w(n)和所述比例步长控制矩阵得到所述实时权重向量w(n)的更新方程w(n+1)，这样，使得下一时刻的输入信号的输出信号更加接近下一时刻的输入信号的期望输出信号。
步骤205、将所述实时权重向量的更新方程与所述输入信号的下一时刻的输入信号相乘，实现滤波。
在本实施例中，在图1所示的实施例的基础上增加了多种可选的实施方式，且均可以进一步提高自适应滤波算法的收敛速度和精度。
如图4所示，图4为本发明实施例提供的一种数字信号滤波装置的结构示意图，如图4所示，数字信号滤波装置400包括：
第一计算模块401，用于基于信号误差和最大相关熵准则得到代价函数，其中，所述信号误差为输入信号的期望输出信号与所述输入信号经过滤波后的输出信号之间的差值；
第一更新模块402，用于基于所述代价函数和比例步长控制矩阵，对实时权重向量更新得到所述实时权重向量的更新方程，所述实时权重向量为对所述输入信号进行滤波时所采用的权重向量，将所述实时权重向量的更新方程作为滤波器的新的实时权重向量，且在每次滤波过程中对实时权重向量进行迭代更新；
第二更新模块403，用于基于反正切函数，对所述比例步长控制矩阵更新得到所述比例步长控制矩阵的更新方程，将所述比例步长控制矩阵的更新方程作为新的比例步长控制矩阵，且在每次滤波过程中对比例步长控制矩阵进行迭代更新；
滤波模块404，用于将所述实时权重向量的更新方程与所述输入信号的下一时刻的输入信号相乘，实现滤波。
可选的，如图5所示，所述数字信号装置还包括：
第二计算模块405，用于计算所述信号误差，
x(n)＝[x(n),x(n-1),…,x(n-M+1)]T
w(n)＝[w1(n),w2(n),…,wM(n)]T
y(n)＝w(n)Tx(n)
e(n)＝d(n)-y(n)
其中，x(n)为所述输入信号，n为时刻，M为信道长度，wo期望权重向量，w(n)为实时权重向量，T为矩阵转置符号，d(n)为所述输入信号的期望输出信号，v(n)为噪声信号，y(n)为所述输入信号经过滤波后的输出信号，e(n)为所述信号误差。
可选的，所述第一计算模块401用于计算：
其中，J(n)为所述代价函数，σ为常量参数。
可选的，所述第一更新模块402用于更新：
其中，w(n+1)为所述实时权重向量的更新方程，η为常量参数，G(n)为所述比例步长控制矩阵，为导函数符号。
可选的，第二更新模块403用于更新：
F(ws(n))＝atan(σ|ws(n)|)
Fmax＝max{θ,F(w1(n)),…,F(wM(n))}
χs(n)＝max[ρFmax,F(ws(n))]
Gatan(n)＝diag[g1(n),g2(n),…,gM(n)]
其中，F(ws(n))为所述反正切函数，ws(n)为所述实时权重向量w(n)中第s个元素，s的取值范围为1≤s≤M，ρ和θ为常量参数，Fmax为θ与反正切函数F(ws(n))的最大值，χs(n)为反正切函数F(ws(n))与ρFmax的最大值，gs(n)为权重向量中第s个元素的步长因子，Gatan(n)为所述比例步长控制矩阵的更新方程。
本发明实施例提供的数字信号滤波装置能够实现图1和图2的方法实施例中实现的各个过程，且可以达到相同有益效果，为避免重复，这里不再赘述。
如图6所示，图6为本发明实施例提供的另一种数字信号滤波装置的结构示意图，如图6所示，数字信号滤波装置600包括：
处理器601、存储器602及存储在所述存储器602上并可在所述处理器上运行的计算机程序。
其中，所述计算机程序被所述处理601执行时实现如下步骤：
基于信号误差和最大相关熵准则得到代价函数，其中，所述信号误差为输入信号的期望输出信号与所述输入信号经过滤波后的输出信号之间的差值；
基于所述代价函数和比例步长控制矩阵，对实时权重向量更新得到所述实时权重向量的更新方程，所述实时权重向量为对所述输入信号进行滤波时所采用的权重向量，将所述实时权重向量的更新方程作为滤波器的新的实时权重向量，且在每次滤波过程中对实时权重向量进行迭代更新；
基于反正切函数，对所述比例步长控制矩阵更新得到所述比例步长控制矩阵的更新方程，将所述比例步长控制矩阵的更新方程作为新的比例步长控制矩阵，且在每次滤波过程中对比例步长控制矩阵进行迭代更新；
将所述实时权重向量的更新方程与所述输入信号的下一时刻的输入信号相乘，实现滤波。
可选的，所述基于信号误差和最大相关熵准则得到代价函数之前，所述处理器601还用于：
计算所述信号误差，
x(n)＝[x(n),x(n-1),…,x(n-M+1)]T
w(n)＝[w1(n),w2(n),…,wM(n)]T
y(n)＝w(n)Tx(n)
e(n)＝d(n)-y(n)
其中，x(n)为所述输入信号，n为时刻，M为信道长度，wo期望权重向量，w(n)为实时权重向量，T为矩阵转置符号，d(n)为所述输入信号的期望输出信号，v(n)为噪声信号，y(n)为所述输入信号经过滤波后的输出信号，e(n)为所述信号误差。
可选的，所述处理器601执行的所述基于信号误差和最大相关熵准则得到代价函数，包括：
其中，J(n)为所述代价函数，σ为常量参数。
可选的，所述处理器601执行的所述基于所述代价函数和比例步长控制矩阵，对实时权重向量更新得到所述实时权重向量的更新方程，包括：
其中，w(n+1)为所述实时权重向量的更新方程，η为常量参数，G(n)为所述比例步长控制矩阵，为导函数符号。
可选的，所述处理器601执行的所述基于反正切函数，对所述比例步长控制矩阵更新得到所述比例步长控制矩阵的更新方程，包括：
F(ws(n))＝atan(σ|ws(n)|)
Fmax＝max{θ,F(w1(n)),…,F(wM(n))}
χs(n)＝max[ρFmax,F(ws(n))]
Gatan(n)＝diag[g1(n),g2(n),…,gM(n)]
其中，F(ws(n))为所述反正切函数，ws(n)为所述实时权重向量w(n)中第s个元素，s的取值范围为1≤s≤M，ρ和θ为常量参数，Fmax为θ与反正切函数F(ws(n))的最大值，χs(n)为反正切函数F(ws(n))与ρFmax的最大值，gs(n)为权重向量中第s个元素的步长因子，Gatan(n)为所述比例步长控制矩阵的更新方程。
本发明实施例提供的数字信号滤波装置能够实现图1和图2的方法实施例中实现的各个过程，且可以达到相同有益效果，为避免重复，这里不再赘述。
本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现所述数字信号滤波方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。其中，所述的计算机可读存储介质，如只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储记忆体(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，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，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (8)
1.一种数字信号滤波方法，其特征在于，包括：
基于信号误差和最大相关熵准则得到代价函数，其中，所述信号误差为输入信号的期望输出信号与所述输入信号经过滤波后的输出信号之间的差值；
基于所述代价函数和比例步长控制矩阵，对实时权重向量更新得到所述实时权重向量的更新方程，所述实时权重向量为对所述输入信号进行滤波时所采用的权重向量，将所述实时权重向量的更新方程作为滤波器的新的实时权重向量，且在每次滤波过程中对实时权重向量进行迭代更新；
基于反正切函数，对所述比例步长控制矩阵更新得到所述比例步长控制矩阵的更新方程，将所述比例步长控制矩阵的更新方程作为新的比例步长控制矩阵，且在每次滤波过程中对比例步长控制矩阵进行迭代更新；
将所述实时权重向量的更新方程与所述输入信号的下一时刻的输入信号相乘，实现滤波；
所述基于反正切函数，对所述比例步长控制矩阵更新得到所述比例步长控制矩阵的更新方程，包括：
；
；
；
；
；
其中，为所述反正切函数，/>为所述实时权重向量/>中第s个元素，/>的取值范围为/>，/>、/>和/>为常量参数， />为/>与反正切函数/>的最大值，/>为反正切函数/>与/>的最大值，/>为权重向量中第s个元素的步长因子，/>为所述比例步长控制矩阵的更新方程。
2.如权利要求1所述的数字信号滤波方法，其特征在于，所述基于信号误差和最大相关熵准则得到代价函数之前，所述方法还包括：
计算所述信号误差，
；
；
；
；
；
；
其中，为所述输入信号，/>为时刻，M为信道长度，/>期望权重向量，/>为实时权重向量，/>为矩阵转置符号，/>为所述输入信号的期望输出信号，/>为噪声信号，/>为所述输入信号经过滤波后的输出信号，/>为所述信号误差。
3.如权利要求1所述的数字信号滤波方法，其特征在于，所述基于信号误差和最大相关熵准则得到代价函数，包括：
；
其中，为所述代价函数，/>为常量参数。
4.如权利要求1所述的数字信号滤波方法，其特征在于，所述基于所述代价函数和比例步长控制矩阵，对实时权重向量更新得到所述实时权重向量的更新方程，包括：
；
其中，为所述实时权重向量的更新方程，/>为常量参数，/>为所述比例步长控制矩阵，/>为导函数符号。
5.一种数字信号滤波装置，用于执行如权利要求1-4任一项所述的数字信号滤波方法，其特征在于，包括：
第一计算模块，用于基于信号误差和最大相关熵准则得到代价函数，其中，所述信号误差为输入信号的期望输出信号与所述输入信号经过滤波后的输出信号之间的差值；
第一更新模块，用于基于所述代价函数和比例步长控制矩阵，对实时权重向量更新得到所述实时权重向量的更新方程，所述实时权重向量为对所述输入信号进行滤波时所采用的权重向量，将所述实时权重向量的更新方程作为滤波器的新的实时权重向量，且在每次滤波过程中对实时权重向量进行迭代更新；
第二更新模块，用于基于反正切函数，对所述比例步长控制矩阵更新得到所述比例步长控制矩阵的更新方程，将所述比例步长控制矩阵的更新方程作为新的比例步长控制矩阵，且在每次滤波过程中对比例步长控制矩阵进行迭代更新；
滤波模块，用于将所述实时权重向量的更新方程与所述输入信号的下一时刻的输入信号相乘，实现滤波；
第二更新模块用于更新：
；
；
；
；
；
其中，为所述反正切函数，/>为所述实时权重向量/>中第s个元素，/>的取值范围为/>，/>、/>和/>为常量参数， />为/>与反正切函数/>的最大值，/>为反正切函数/>与/>的最大值，/>为权重向量中第s个元素的步长因子，/>为所述比例步长控制矩阵的更新方程。
6.如权利要求5所述的装置，其特征在于，所述装置还包括：
第二计算模块，用于计算所述信号误差，
；
；
；
；
；
；
其中，为所述输入信号，/>为时刻，M为信道长度，/>期望权重向量，/>为实时权重向量，/>为矩阵转置符号，/>为所述输入信号的期望输出信号，/>为噪声信号，/>为所述输入信号经过滤波后的输出信号，/>为所述信号误差。
7.一种数字信号滤波装置，其特征在于，包括：处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至4中任一项所述的数字信号滤波方法的步骤。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至4中任一项所述的数字信号滤波方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911355381.4A CN113037249B (zh) | 2019-12-25 | 2019-12-25 | 一种数字信号滤波方法、装置及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911355381.4A CN113037249B (zh) | 2019-12-25 | 2019-12-25 | 一种数字信号滤波方法、装置及可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113037249A CN113037249A (zh) | 2021-06-25 |
| CN113037249B true CN113037249B (zh) | 2023-08-15 |
Family
ID=76458756
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911355381.4A Active CN113037249B (zh) | 2019-12-25 | 2019-12-25 | 一种数字信号滤波方法、装置及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113037249B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108512528A (zh) * | 2018-03-05 | 2018-09-07 | 电子科技大学 | 一种cim函数下的比例控制和归一化lmp滤波方法 |
| CN108512529A (zh) * | 2018-03-05 | 2018-09-07 | 成都优艾维智能科技有限责任公司 | 一种μ律函数下的比例控制和归一化LMP滤波方法 |
| CN109274352A (zh) * | 2018-08-01 | 2019-01-25 | 长安大学 | 基于最大相关熵的多凸组合自适应滤波方法 |
| CN109347457A (zh) * | 2018-11-15 | 2019-02-15 | 苏州大学 | 一种变参数零吸引子自适应滤波器 |
-
2019
- 2019-12-25 CN CN201911355381.4A patent/CN113037249B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108512528A (zh) * | 2018-03-05 | 2018-09-07 | 电子科技大学 | 一种cim函数下的比例控制和归一化lmp滤波方法 |
| CN108512529A (zh) * | 2018-03-05 | 2018-09-07 | 成都优艾维智能科技有限责任公司 | 一种μ律函数下的比例控制和归一化LMP滤波方法 |
| CN109274352A (zh) * | 2018-08-01 | 2019-01-25 | 长安大学 | 基于最大相关熵的多凸组合自适应滤波方法 |
| CN109347457A (zh) * | 2018-11-15 | 2019-02-15 | 苏州大学 | 一种变参数零吸引子自适应滤波器 |
Non-Patent Citations (1)
| Title |
|---|
| α稳定分布噪声下的时延估计与滤波方法的研究;王丽萍;《中国优秀硕士学位论文全文数据库 信息科技辑》;I136-58 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113037249A (zh) | 2021-06-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Yukawa | Multikernel adaptive filtering | |
| CN108958041B (zh) | 一种基于双曲正割吸引律的离散双周期重复控制方法 | |
| CN103490740A (zh) | 一种自动增益控制装置及其方法 | |
| CN103716013A (zh) | 变参数比例自适应滤波器 | |
| CN108512528B (zh) | 一种cim函数下的比例控制和归一化lmp滤波方法 | |
| CN113037249B (zh) | 一种数字信号滤波方法、装置及可读存储介质 | |
| CN103873016B (zh) | 一种任意采样率变换数字重构滤波器系数设计方法 | |
| Flaig et al. | Affine order-statistic filters:" medianization" of linear FIR filters | |
| CN108833315B (zh) | 一种信道估计的方法及装置 | |
| CN109459926B (zh) | 针对于高阶柔性机电运动对象的位移跟踪控制方法及系统 | |
| CN113299284B (zh) | 一种基于自适应滤波的语音识别装置、方法、设备及介质 | |
| CN102546128A (zh) | 用于多通道盲反卷积级联神经网络的方法 | |
| Ferreira et al. | Enhancement of the comb filtering selectivity using iterative moving average for periodic waveform and harmonic elimination | |
| CN108512529A (zh) | 一种μ律函数下的比例控制和归一化LMP滤波方法 | |
| CN112197964B (zh) | 一种基于谱pq-mean的局部冲击信号定位方法 | |
| CN111010144B (zh) | 改进的两通道iir的qmfb设计方法 | |
| EP3154195A1 (en) | Method and device for determining stable factors of adaptive filter | |
| WO2011137255A1 (en) | Digital fractional integrator | |
| Nikolov et al. | Discrete adaptive real-time state observer development using least-squares method | |
| Zhang et al. | New formula of 4-instant g-square finite difference (4IgSFD) applied to time-variant matrix inversion | |
| Rodriguez et al. | Error coded affine projection like algorithm | |
| CN117579437B (zh) | 频域相关系数确定方法及装置和计算机设备 | |
| Wang et al. | A blind approach to identification of Hammerstein-Wiener systems corrupted by nonlinear-process noise | |
| CN110504948B (zh) | 信号处理方法及等间隔分数时延滤波器 | |
| CN110890875B (zh) | 基于广义相关诱导度量改进的比例仿射投影滤波方法 |
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 |