CN113381730B - 一种鲁棒性自适应滤波系统 - Google Patents

一种鲁棒性自适应滤波系统 Download PDF

Info

Publication number
CN113381730B
CN113381730B CN202110544458.3A CN202110544458A CN113381730B CN 113381730 B CN113381730 B CN 113381730B CN 202110544458 A CN202110544458 A CN 202110544458A CN 113381730 B CN113381730 B CN 113381730B
Authority
CN
China
Prior art keywords
filtering
filter
weight
value
input
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
Application number
CN202110544458.3A
Other languages
English (en)
Other versions
CN113381730A (zh
Inventor
王雪梅
栗青生
陶贵丽
张丽
殷伟凤
裘姝平
郑珺
陈莉
罗志强
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.)
Zhejiang University of Media and Communications
Original Assignee
Zhejiang University of Media and Communications
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 Zhejiang University of Media and Communications filed Critical Zhejiang University of Media and Communications
Priority to CN202110544458.3A priority Critical patent/CN113381730B/zh
Publication of CN113381730A publication Critical patent/CN113381730A/zh
Application granted granted Critical
Publication of CN113381730B publication Critical patent/CN113381730B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • H03H2017/0072—Theoretical filter design
    • H03H2017/0081—Theoretical filter design of FIR filters

Landscapes

  • Filters That Use Time-Delay Elements (AREA)

Abstract

本发明涉及一种鲁棒性自适应滤波系统，解决的是自适应滤波器鲁棒性弱、结构复杂的技术问题，通过系统为时分复用滤波，包括数字滤波器和广义滤波权值预测控制单元；数字滤波器为FIR滤波器，包含路数为M的多路复用器，多路复用器的输入连接RAM存储器、采样数据输入口，输出连接单路FIR滤波器单元，单路FIR滤波器单元的输入为第m路的输入xm(n)，输出为第m‑1路采样数据xm‑1(n)和第m路滤波结果ym(n)；m为小于等于M的正整数，N为FIR横向滤波器阶数，i为小于N的整数所述广义滤波权值预测控制单元执行步骤，完成对数字滤波器的输出估计的技术方案，较好的解决了该问题，可用于滤波中。

Description

一种鲁棒性自适应滤波系统
技术领域
本发明涉及滤波器领域，具体涉及一种鲁棒性自适应滤波系统。
背景技术
传统的滤波器是由电容、电感和电阻组成的滤波电路。滤波器可以对电源线中特定频率的频点或该频点以外的频率进行有效滤除，得到一个特定频率的电源信号，或消除一个特定频率后的电源信号。
但其不能实现自适应滤波，本发明提供一种鲁棒性自适应滤波系统能够实现自适应滤波。
发明内容
本发明所要解决的技术问题是现有技术中存在的不能实现自适应滤波的技术问题。提供一种新的鲁棒性自适应滤波系统，该鲁棒性自适应滤波系统具有自适应滤波、鲁棒性强的特点。
为解决上述技术问题，采用的技术方案如下：
一种鲁棒性自适应滤波系统，所述鲁棒性自适应滤波系统为时分复用滤波，包括数字滤波器和广义滤波权值预测控制单元；
数字滤波器为FIR滤波器，包含路数为M的多路复用器，多路复用器的输入连接RAM存储器、采样数据输入口，输出连接单路FIR滤波器单元，单路FIR滤波器单元的输入为第m路的输入xm(n)，输出为第m-1路采样数据xm-1(n)和第m路滤波结果ym(n)；
m为小于等于M的正整数，N为FIR横向滤波器阶数，i为小于N的整数；
所述广义滤波权值预测控制单元执行下列步骤，完成对数字滤波器的输出估计：
步骤1，定义第m路的滤波器单元滤波权值为Wm(n)，定义第m单路FIR滤波器单元的输出ym(n)与目标信号dm(n)之差em(n)的均方值为均方差误差
Figure BDA0003073064020000021
Figure BDA0003073064020000022
其中，R＝E[Xm(n)XTm(n)]，P＝E[dm(n)Xm(n)]；
步骤2，采用最小均方差方法计算出均方差误差最小时的Wm(n)作为最优滤波权值；
步骤3，定义最优滤波权值调整估计时长j，在时长j内预估并控制调整滤波权值至最优滤波权值。
上述方案中，未优化，进一步地，所述步骤3还包括：
步骤3.1，定义干扰估计时长p，定义干扰估计系数λ1，最优滤波权值调整系数为λ2，第m单路FIR滤波器单元的滤波权值输出估计模型为：
Figure BDA0003073064020000031
Figure BDA0003073064020000032
1＝E1，j(q-1)(1+M1q-1)Δ+q-jF1，j(q-1)；
1＝E2，j(q-1)(1+M2q-1)Δ+q-jF2，p(q-1)；
其中，w(k)为第k时刻滤波权值，u(k)第k时刻调整滤波权值的输入值，z(k)干扰值，M1(q-1)为预定义的q-1多项式，N1(q-1)为预定义的q-1多项式，M2(q-1)为预定义的q-1多项式，N2(q-1)为预定义的q-1多项式；C1＝1，C2＝1，k为时刻值，q-1为预定义的后移系数，Δ＝1-q-1为差分系数，ε1(k)和ε2(k)为随机干扰项因子；
步骤3.2，采集数据w(k)，z(k)，w(k-1)，z(k-1)，Δu(k-1)...Δu(k-20)；Δu(k一1)...Δu(k-c2)为过去调整滤波权值的输入值的差分量；
步骤3.3，定义调整滤波权值的输入值的差分量
Figure BDA0003073064020000033
其中，b1为最优滤波权值调整系数，b2干扰模型系数；
定义
Figure BDA0003073064020000034
Figure BDA0003073064020000041
计算出
Figure BDA0003073064020000042
步骤3.4，根据u(k)＝u(k-1)+Δu(k)计算出控制量；
步骤3.5，定义k＝k+1，返回步骤3.2。
进一步地，定义干扰估计时长p为两倍最优滤波权值调整估计时长j。
进一步地，最优滤波权值调整估计时长j为一个滤波周期。
进一步地，所述FIR滤波器为FIR横向滤波器。
本发明的有益效果：为了实现高鲁棒性自适应滤波，本发明使用FPGA或者MATLAB实现FIR横向滤波器，通过复用单路滤波器单元实现系统的简化和高鲁棒性。在此基础上，对于权值的调整存在滞后性，进而采用了预估计算法在设定的调整时间内进行权值调整过程和结果的预估计。另外，考虑干扰对于权值系数调整的影响，也进行了估计。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1，鲁棒性自适应滤波系统示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
实施例1
本实施例提供一种鲁棒性自适应滤波系统，如图1，所述鲁棒性自适应滤波系统为时分复用滤波，包括数字滤波器和广义滤波权值预测控制单元；
数字滤波器为FIR滤波器，包含路数为M的多路复用器，多路复用器的输入连接RAM存储器、采样数据输入口，输出连接单路FIR滤波器单元，单路FIR滤波器单元的输入为第m路的输入xm(n)，输出为第m-1路采样数据xm-1(n)和第m路滤波结果ym(n)；
m为小于等于M的正整数，N为FIR横向滤波器阶数，i为小于N的整数；
所述广义滤波权值预测控制单元执行下列步骤，完成对数字滤波器的输出估计：
步骤1，定义第m路的滤波器单元滤波权值为Wm(n)，定义第m单路FIR滤波器单元的输出ym(n)与目标信号dm(n)之差em(n)的均方值为均方差误差
Figure BDA0003073064020000052
Figure BDA0003073064020000051
其中，R＝E[Xm(n)XTm(n)]，P＝E[dm(n)Xm(n)]；
步骤2，采用最小均方差方法计算出均方差误差最小时的Wm(n)作为最优滤波权值；
步骤3，定义最优滤波权值调整估计时长j，在时长j内预估并控制调整滤波权值至最优滤波权值。
优选地，所述步骤3还包括：
步骤3.1，定义干扰估计时长p，定义干扰估计系数λ1，最优滤波权值调整系数为λ2，第m单路FIR滤波器单元的滤波权值输出估计模型为：
Figure BDA0003073064020000061
Figure BDA0003073064020000062
1＝E1，j(q-1)(1+M1q-1)Δ+q-jF1，j(q-1)；
1＝E2，j(q-1)(1+M2q-1)Δ+q-jF2，p(q-1)；
其中，w(k)为第k时刻滤波权值，u(k)第k时刻调整滤波权值的输入值，z(k)干扰值，M1(q-1)为预定义的q-1多项式，N1(q-1)为预定义的q-1多项式，M2(q-1)为预定义的q-1多项式，N2(q-1)为预定义的q-1多项式；C1＝1，C2＝1，k为时刻值，q-1为预定义的后移系数，Δ＝1-q-1为差分系数，ε1(k)和ε2(k)为随机干扰项因子；
步骤3.2，采集数据w(k)，z(k)，w(k-1)，z(k-1)，Δu(k-1)...Δu(k-20)；Δu(k-1)...Δu(k-c2)为过去调整滤波权值的输入值的差分量；
步骤3.3，定义调整滤波权值的输入值的差分量
Figure BDA0003073064020000063
Figure BDA0003073064020000071
其中，b1为最优滤波权值调整系数，b2干扰模型系数；
定义
Figure BDA0003073064020000072
Figure BDA0003073064020000073
计算出
Figure BDA0003073064020000074
步骤3.4，根据u(k)＝u(k-1)+Δu(k)计算出控制量；
步骤3.5，定义k＝k+1，返回步骤3.2。
具体地，定义干扰估计时长p为两倍最优滤波权值调整估计时长j。干扰一般不会过于频繁的变化，这能够减小对于干扰估计带来的开销增加。
具体地，最优滤波权值调整估计时长j为一个滤波周期。通过时序的衔接，能够兼顾鲁棒性、开销。
具体地，所述FIR滤波器为FIR横向滤波器。
尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员能够理解本发明，但是本发明不仅限于具体实施方式的范围，对本技术领域的普通技术人员而言，只要各种变化只要在所附的权利要求限定和确定的本发明精神和范围内，一切利用本发明构思的发明创造均在保护之列。

Claims (4)

1.一种鲁棒性自适应滤波系统，其特征在于：所述鲁棒性自适应滤波系统为时分复用滤波，包括数字滤波器和广义滤波权值预测控制单元；
数字滤波器为FIR滤波器，包含路数为M的多路复用器，多路复用器的输入连接RAM存储器、采样数据输入口，输出连接单路FIR滤波器单元，单路FIR滤波器单元的输入为第m路的输入xm(n)，输出为第m-1路采样数据xm-1(n)和第m路滤波结果ym(n)；
m为小于等于M的正整数，N为FIR横向滤波器阶数，i为小于N的整数；
所述广义滤波权值预测控制单元执行下列步骤，完成对数字滤波器的输出估计：
步骤1，定义第m路的滤波器单元滤波权值为Wm(n)，定义第m单路FIR滤波器单元的输出ym(n)与目标信号dm(n)之差em(n)的均方值为均方差误差
Figure FDA0003808312050000011
Figure FDA0003808312050000012
其中，
Figure FDA0003808312050000013
P＝E[dm(n)Xm(n)]；
步骤2，采用最小均方差方法计算出均方差误差最小时的Wm(n)作为最优滤波权值；
步骤3，定义最优滤波权值调整估计时长j，在时长j内预估并控制调整滤波权值至最优滤波权值；
所述步骤3还包括：
步骤3.1，定义干扰估计时长p，定义干扰估计系数λ1，最优滤波权值调整系数为λ2，第m单路FIR滤波器单元的滤波权值输出估计模型为：
Figure FDA0003808312050000021
Figure FDA0003808312050000022
1＝E1,j(q-1)(1+M1q-1)Δ+q-jF1,j(q-1)；
1＝E2,j(q-1)(1+M2q-1)Δ+q-jF2,p(q-1)；
其中，w(k)为第k时刻滤波权值，u(k)第k时刻调整滤波权值的输入值，z(k)干扰值，M1(q-1)为预定义的q-1多项式，N1(q-1)为预定义的q-1多项式，M2(q-1)为预定义的q-1多项式，N2(q-1)为预定义的q-1多项式；C1＝1，C2＝1，k为时刻值，q-1为预定义的后移系数，Δ＝1-q-1为差分系数，ε1(k)和ε2(k)为随机干扰项因子；
步骤3.2，采集数据w(k)，z(k)，w(k-1)，z(k-1)，Δu(k-1)...Δu(k-20)；Δu(k-1)...Δu(k-c2)为过去调整滤波权值的输入值的差分量；
步骤3.3，定义调整滤波权值的输入值的差分量
Figure FDA0003808312050000023
Figure FDA0003808312050000031
其中，b1为最优滤波权值调整系数，b2干扰模型系数；
定义
Figure FDA0003808312050000032
Figure FDA0003808312050000033
Figure FDA0003808312050000034
计算出
Figure FDA0003808312050000035
Figure FDA0003808312050000036
和
Figure FDA0003808312050000037
步骤3.4，根据u(k)＝u(k-1)+Δu(k)计算出控制量；
步骤3.5，定义k＝k+1，返回步骤3.2。
2.根据权利要求1所述的鲁棒性自适应滤波系统，其特征在于：定义干扰估计时长p为两倍最优滤波权值调整估计时长j。
3.根据权利要求2所述的鲁棒性自适应滤波系统，其特征在于：最优滤波权值调整估计时长j为一个滤波周期。
4.根据权利要求3所述的鲁棒性自适应滤波系统，其特征在于：所述FIR滤波器为FIR横向滤波器。
CN202110544458.3A 2021-05-19 2021-05-19 一种鲁棒性自适应滤波系统 Active CN113381730B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110544458.3A CN113381730B (zh) 2021-05-19 2021-05-19 一种鲁棒性自适应滤波系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110544458.3A CN113381730B (zh) 2021-05-19 2021-05-19 一种鲁棒性自适应滤波系统

Publications (2)

Publication Number Publication Date
CN113381730A CN113381730A (zh) 2021-09-10
CN113381730B true CN113381730B (zh) 2022-10-28

Family

ID=77571250

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110544458.3A Active CN113381730B (zh) 2021-05-19 2021-05-19 一种鲁棒性自适应滤波系统

Country Status (1)

Country Link
CN (1) CN113381730B (zh)

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
MY111506A (en) * 1992-07-29 2000-07-31 Thomson Consumer Electronics Inc Fir filter apparatus for processing of time division multiplexed signals
US5381357A (en) * 1993-05-28 1995-01-10 Grumman Corporation Complex adaptive fir filter
US7230975B2 (en) * 2001-08-07 2007-06-12 Qualcomm Incorporated Adaptive pilot filter for a wireless communication system
JP2005020554A (ja) * 2003-06-27 2005-01-20 Neuro Solution Corp デジタルフィルタ
JPWO2005045829A1 (ja) * 2003-11-11 2008-06-12 松下電器産業株式会社 フィルタ係数調整回路
CN103138714A (zh) * 2013-03-19 2013-06-05 苏州朗宽电子技术有限公司 一种高性能的lms自适应滤波器的硬件实现
US20140310326A1 (en) * 2013-04-10 2014-10-16 King Fahd University Of Petroleum And Minerals Adaptive filter for system identification
CN107592096B (zh) * 2017-09-29 2020-06-16 苏州大学 一种鲁棒的偏差补偿自适应滤波器的滤波方法
CN112803918A (zh) * 2020-12-23 2021-05-14 北京航天自动控制研究所 一种基于高精度控制系统的lms自适应滤波器设计方法

Also Published As

Publication number Publication date
CN113381730A (zh) 2021-09-10

Similar Documents

Publication Publication Date Title
US7933424B2 (en) Hearing aid comprising adaptive feedback suppression system
US5267266A (en) Fast converging adaptive equalizer using pilot adaptive filters
CN110492868B (zh) 一种多参数变步长lms自适应滤波方法
US6483872B2 (en) Method and apparatus for reducing convergence time
US6829296B1 (en) Spectrally flat time domain equalizer and methods
CN107342751B (zh) 一种基于互相关熵的变步长sa自适应滤波算法
CN103716013B (zh) 变参数比例自适应滤波器
EP0746290A1 (en) Improved method and system for on-line system identification
WO2011133075A1 (en) An echo canceller and a method thereof
CN113381730B (zh) 一种鲁棒性自适应滤波系统
US5905659A (en) Training a recursive filter by use of derivative function
JP2785858B2 (ja) 高速制御適応フィルタを用いた受信方式
CN109994098B (zh) 一种基于次级通路离线重构的计权噪声主动控制方法
CN108462481B (zh) 一种μ律函数下基于参数调整的比例LMP滤波方法
CN113676157B (zh) 一种抵消直流偏置的自适应滤波算法
US20220052714A1 (en) Clock recovery and cable diagnostics for ethernet phy
Voskoboinikov et al. Synthesis of smoothing cubic spline in non-parametric identification technical systems’ algorithm
CN111161700B (zh) 一种空间降噪系统中主通道时延估计方法
US11245411B2 (en) Receiver and associated signal processing method
US6804694B2 (en) Adaptive equalizer with gain controlled initialization
CN110098819B (zh) 用于道路噪声主动控制系统的零相位在线去直流滤波器
US8077765B1 (en) Mixed minimum mean square error/zero-forcing FIR filter adaptation
FI116341B (fi) Suodatusmenetelmä ja laitteisto
CN108471300B (zh) 一种cim函数下基于参数调整的比例lmp滤波方法
Nagal et al. Performance analysis of least mean square algorithm for different step size parameters with different filter order and iterations

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