CN116471512A - 一种基于序列流水线转置RDFxLMS的降噪系统和方法 - Google Patents
一种基于序列流水线转置RDFxLMS的降噪系统和方法 Download PDFInfo
- Publication number
- CN116471512A CN116471512A CN202310424421.6A CN202310424421A CN116471512A CN 116471512 A CN116471512 A CN 116471512A CN 202310424421 A CN202310424421 A CN 202310424421A CN 116471512 A CN116471512 A CN 116471512A
- Authority
- CN
- China
- Prior art keywords
- signal
- filter
- output
- error
- weight
- 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.)
- Pending
Links
- 230000009467 reduction Effects 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000004364 calculation method Methods 0.000 claims abstract description 17
- 230000000694 effects Effects 0.000 claims abstract description 4
- 230000003044 adaptive effect Effects 0.000 claims description 17
- 230000001934 delay Effects 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 238000002945 steepest descent method Methods 0.000 claims description 5
- 238000012546 transfer Methods 0.000 claims description 5
- 230000003111 delayed effect Effects 0.000 claims description 2
- 230000009977 dual effect Effects 0.000 claims description 2
- 241000470001 Delaya Species 0.000 claims 1
- 230000017105 transposition Effects 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000004630 mental health Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000012916 structural analysis Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
- H04R1/00—Details of transducers, loudspeakers or microphones
- H04R1/10—Earpieces; Attachments therefor ; Earphones; Monophonic headphones
- H04R1/1083—Reduction of ambient noise
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10K—SOUND-PRODUCING DEVICES; METHODS OR DEVICES FOR PROTECTING AGAINST, OR FOR DAMPING, NOISE OR OTHER ACOUSTIC WAVES IN GENERAL; ACOUSTICS NOT OTHERWISE PROVIDED FOR
- G10K11/00—Methods or devices for transmitting, conducting or directing sound in general; Methods or devices for protecting against, or for damping, noise or other acoustic waves in general
- G10K11/16—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general
- G10K11/175—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general using interference effects; Masking sound
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
- H03H21/00—Adaptive networks
-
- 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)
- Engineering & Computer Science (AREA)
- Acoustics & Sound (AREA)
- Signal Processing (AREA)
- Multimedia (AREA)
- Filters That Use Time-Delay Elements (AREA)
- Soundproofing, Sound Blocking, And Sound Damping (AREA)
Abstract
本发明请求保护一种基于序列流水线转置RDFxLMS的降噪系统和方法,其中的FIR滤波器与次级路径采用转置形式,该算法结构中关键路径较短,可以大幅度提高系统的时钟速度。在该算法中,输入信号首先经过FIR滤波器模块滤波,得到滤波器输出。误差计算模块主要由一个转置型FIR滤波器和一个减法器组成,用于计算滤波器输出与期望输出之间的误差信号。权值更新模块根据误差信号和滤波器输入计算出新的权值,并存储在权值存储器中。次级路径模块用来修正LMS算法的误差梯度估计值,从而提高滤波器的收敛性能。根据新的权值和滤波器输入计算出次级路径输出,并将其与主路径输出相加,得到最终的输出信号,次级路径输出信号被用来修正主路径的权值,提高降噪效果。
Description
技术领域
本发明属于数字信号处理领域,具体涉及一种序列流水线转置RDFxLMS算法设计方法。
背景技术
随着经济的快速发展和城市化进程的推进,噪声严重威胁着人们的身心健康,因此控制噪声污染是当前迫切需要解决的问题。噪声的控制方法可分为被动噪声控制和主动噪声控制,其中ANC能有效降低低频噪声,在主动降噪耳机中广泛应用。本发明侧重于主动噪声控制算法特性研究和结构改进,同时考虑功耗、算法收敛性、吞吐量的自适应滤波器结构分析。在实际应用中,保证自适应滤波器收敛性的同时降低功耗和提高吞吐量是硬件实现的重要因素。所以本发明研究FxLMS算法在主动降噪耳机中实现的可能性,提出了一种序列流水线转置RDFxLMS算法系统与方法。
目前主动噪声控制系统性能的挑战在于完成保证自适应滤波器收敛性的同时降低功耗和提高吞吐量,传统的FxLMS算法使用FIR滤波器对输入噪声进行滤波处理,它采用LMS算法来更新控制滤波器的权值,由于输入信号的自相关矩阵的特征值分散的问题会导致LMS算法慢的收敛模式,无法实现收敛速度与功耗和吞吐量的兼容,为此我们提出了一种序列流水线转置RDFxLMS算法系统,该系统的FIR滤波器与次级路径采用转置形式,关键路径较短,可以大大提高系统的时钟速度,获得更快的收敛速度与更低的功耗,同时通过转置路径,也增大了数据的吞吐量,有效提高主动噪声控制系统性能。
发明内容
本发明旨在解决以上现有技术的问题。提出了一种基于序列流水线转置RDFxLMS的降噪系统及方法。本发明的技术方案如下:
一种基于序列流水线转置RDFxLMS的降噪系统,其包括:
FIR滤波器模块、误差计算模块、权值更新模块及次级路径模块,其中,FIR滤波器模块用于将输入信号滤除信号带宽以外的噪声信号,得到滤波器输出信号;所述FIR滤波器是基于序列延迟LMS的一种全流水线结构,通过对插入的延迟进行重定时,以补偿MAC和上采样器的延迟,得到了序列重定时延迟LMS自适应FIR滤波器,原始信号中的1个延迟相当于上采样信号中的N个延迟;
误差计算模块主要由一个转置型FIR滤波器和一个减法器组成,转置型FIR滤波器用于对期望输出信号进行滤波,减法器用于计算滤波器输出与期望输出之间的误差信号;
权值更新模块,用于根据误差信号和滤波器输出信号计算出新的权值,并将新的权值存储在权值存储器中;权值更新模块中的收敛因子是2的负整数次幂,通过相应的移位运算来实现;
次级路径模块,用于修正LMS算法的误差梯度估计值,根据新的权值和滤波器输入计算出次级路径输出,并将其与主路径输出相加,得到最终的输出信号;次级路径输出信号被用来修正主路径的权值更新,从而可以更准确地估计主路径的误差梯度,提高降噪效果。
进一步的,所述误差计算模块用于计算滤波器输出与期望输出之间的误差信号,具体包括:
将滤波器输出与期望输出通过误差信号模块处理,滤波器输出通过转置FIR滤波器后与期望输出相减,得到误差信号如公式(1)所示:
式中,d(n-2)为加入自适应延时后主要噪声信号;s(n)是次级路径估计信号;ys(n-2)是滤波后输出信号;x(n-2)指输入噪声信号;wT(n-2)表示转置FIR滤波器的传递函数;x′(n-2)指通过次级路径后的输入噪声信号。
进一步的,所述权值更新模块,用于根据误差信号和滤波器输出信号计算出新的权值,具体包括:
通过比较误差信号与输入滤波器信号,计算出第n时刻横向滤波器的权值系数与参考输入信号,分别如公式(2)和公式(3)所示:
w(n)=[wL(n),…,w2(n),w1(n)]T (2)
x(n)=[x(n),…,x(n-L+2),x(n-L+1)]T (3)
wL(n)指第n次获得的权值系数、x(n-L+2)表示n-L+2时刻的参考输入信号进一步的,所述次级路径模块,用于修正LMS算法的误差梯度估计值,根据新的权值和滤波器输入计算出次级路径输出,并将其与主路径输出相加,得到最终的输出信号,具体包括:
将获得的权值系数导入次级路径,用来修正LMS算法的误差梯度估计值,进行误差的去除,次级路径根据权值的更新,将公式(1)重写,如公式(4)所示:
i表示数据地址,N表示延迟数,根据最陡下降法原理递推滤波器系数,通过计算瞬时均方误差来替代计算均方误差,如公式(5)所示:
表示梯度,如公式(6)所示:
将式(6)代入式(5),如公式(7)所示:
w(n+1)=w(n)-2μe(n-2)x′(n-2) (7)
当自适应滤波器的抽头长度足够长时,转置RDFxLMS算法步长界限,如公式(8)所示:
式中,μ是步长因子必须满足最大特征值;λmax为转置RDFxLMS算法的最大特征值。
一种基于任一项所述系统的降噪方法,其包括以下步骤:
步骤一,将整个电路复位,使得权值更新模块中的存储值清零;
步骤二,算法开始运行后,通过FIR滤波器模块对输入噪声信号完成初次滤波,得到滤波器输出;
步骤三,将滤波器输出与期望输出通过误差信号模块处理,滤波器输出通过转置FIR滤波器后与期望输出相减,得到误差信号;
步骤四,将获取的误差信号与输入滤波器的信号作对比,计算出新的权值,并将其存储在权值存储器中,并计算出新的参考输入信号;
步骤五,将获得的权值导入次级路径,用来修正LMS算法的误差梯度估计值,进行误差的去除;
步骤六,根据新的权值和滤波器输入计算出次级路径输出,并将其与主路径输出相加,得到最终的输出信号。
进一步的,所述步骤三中,通过误差处理模块的FIR滤波器与减法器的处理,得到的误差信号如公式(1)所示:
式中,d(n-2)为加入自适应延时后主要噪声信号;s(n)是次级路径估计信号;ys(n-2)是滤波后输出信号;x(n-2)指输入噪声信号;wT(n-2)表示转置FIR滤波器的传递函数;x′(n-2)指通过次级路径后的输入噪声信号。
进一步的,通过比较误差信号与输入滤波器信号,计算出第n时刻横向滤波器的权值系数与参考输入信号,分别如公式(2)和公式(3)所示:
w(n)=[wL(n),…,w2(n),w1(n)]T (2)
x(n)=[x(n),…,x(n-L+2),x(n-L+1)]T (3)
wL(n)指第n次获得的权值系数、x(n-L+2)表示n-L+2时刻的参考输入信号。进一步的,所述步骤五具体包括:次级路径根据权值的更新,将公式(1)重写,如公式(4)所示:
i表示数据地址,N表示延迟数,根据最陡下降法原理递推滤波器系数,通过计算瞬时均方误差来替代计算均方误差,如公式(5)所示:
表示梯度,如公式(6)所示:
将式(6)代入式(5),如公式(7)所示:
w(n+1)=w(n)-2μe(n-2)x′(n-2) (7)
当自适应滤波器的抽头长度足够长时,转置RDFxLMS算法步长界限,如公式(8)所示:
式中,μ是步长因子必须满足最大特征值;λmax为转置RDFxLMS算法的最大特征值。
进一步的,所述自适应FIR滤波器是基于序列延迟LMS的一种全流水线结构,通过对插入的延迟进行重定时,以补偿MAC和上采样器的延迟,得到了序列重定时延迟LMS自适应FIR滤波器,原始信号中的1个延迟相当于上采样信号中的N个延迟。
进一步的,所述乘积累加单元是一种简单的体系结构,它使用一个乘法器和一个累加器按顺序实现FIR滤波器;对输入数据xk进行上采样,从而对下采样得到的滤波器输出yk进行顺序计算;输入数据和过滤器系数使用双端口块RAM存储,双端口RAM将用于混合模式配置,数据从端口A(RAM模式)写入和读取,系数从端口B(ROM模式)读取,对于给定的数据地址i,分别取一个系数地址N+i,将MAC乘以对应的延迟数据样本累加得到结果,滤波器输出在N个地址时钟之后可用。
本发明的优点及有益效果如下:
本发明为一种序列流水线转置RDFxLMS算法设计方法,该算法设计方法中FIR滤波器采用转置形式,使得算法结构中的关键路径较短,大大提高系统的时钟速度,此外该算法在延迟方面做出优化,原始信号中的1个延迟(Z-1)相当于上采样信号中的N个延迟(Z-N),这些优势有效提高了主动噪声控制过程中的降噪性能。
本发明的一种转置RDFxLMS算法结构框图如图1所示,该算法结构框图包括FIR滤波器模块、误差计算模块、权值更新模块和次级路径模块,其中自适应延迟为2,确保能够实现算法的有效降噪。
算法首先将输入信号输入FIR滤波器,然后通过误差计算模块得到误差信号,权值更新模块根据误差信号和参考信号更新权值,为次级路径修正LMS算法的误差梯度估计值提供新的权值,从而提高滤波器的收敛性能。然后根据新的权值和滤波器输入计算出次级路径输出,并将其与主路径输出相加,得到最终的输出信号。
本发明的主要创新是权利要求的步骤三到步骤五的结合,以及序列重定时延迟LMS自适应FIR滤波器(SF-TF-RDFxLMS)的加入,步骤三到步骤五通过加入误差计算模块,改变了原有的采集输入根据采集信号提供输出的方式,通过误差计算模块获得实时输出与理想输出之间的差异,调节输出信号的计算权值,实现根据实时输出信号的调节,能够有效的提高系统的降噪性能。通过加入SF-TF-RDFxLMS,实现了一种序列流水线转置RDFxLMS算法,这种架构可以通过最小化关键路径来提高工作频率,且该架构在延迟方面进行了优化,原始信号中的1个延迟(Z-1)相当于上采样信号中的N个延迟(Z-N)。
附图说明
图1是本发明提供优选实施例本发明转置RDFxLMS算法结构框图;
图2是本发明序列流水线转置RDFxLMS算法结构框图;
图3表示序列流水线转置RDFxLMS算法收敛性比较。
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、详细地描述。所描述的实施例仅仅是本发明的一部分实施例。
本发明解决上述技术问题的技术方案是:
图1所示为转置RDFxLMS算法结构框图,一种基于序列流水线转置RDFxLMS的降噪系统,其特征在于,包括:
FIR滤波器模块、误差计算模块、权值更新模块及次级路径模块,其中,FIR滤波器模块用于将输入信号滤除信号带宽以外的噪声信号,得到滤波器输出信号;所述FIR滤波器是基于序列延迟LMS的一种全流水线结构,通过对插入的延迟进行重定时,以补偿MAC和上采样器的延迟,得到了序列重定时延迟LMS自适应FIR滤波器,原始信号中的1个延迟相当于上采样信号中的N个延迟;
误差计算模块主要由一个转置型FIR滤波器和一个减法器组成,用于计算滤波器输出与期望输出之间的误差信号;
权值更新模块,用于根据误差信号和滤波器计算出新的权值,并将新的权值存储在权值存储器中中的收敛因子是2的负整数次幂,通过相应的移位运算来实现;
次级路径模块,用于修正LMS算法的误差梯度估计值,根据新的权值和滤波器输入计算出次级路径输出,并将其与主路径输出相加,得到最终的输出信号;次级路径输出信号被用来修正主路径的权值更新,从而可以更准确地估计主路径的误差梯度,提高降噪效果。
优选的,所述误差计算模块用于计算滤波器输出与期望输出之间的误差信号,具体包括:
将滤波器输出与期望输出通过误差信号模块处理,滤波器输出通过转置FIR滤波器后与期望输出相减,得到误差信号如公式(1)所示:
式中,d(n-2)为加入自适应延时后主要噪声信号;s(n)是次级路径估计信号;y'(n-2)=s(n)*y(n-2)是滤波后输出信号;ys(n-2)是滤波后输出信号;x(n-2)指输入噪声信号;wT(n-2)表示转置FIR滤波器的传递函数;x′(n-2)指通过次级路径后的输入噪声信号。
优选的,所述权值更新模块,用于根据误差信号和滤波器计算出新的权值,具体包括:
通过比较误差信号与输入滤波器信号,计算出第n时刻横向滤波器的权值系数与参考输入信号,分别如公式(2)和公式(3)所示:
w(n)=[wL(n),…,w2(n),w1(n)]T (2)
x(n)=[x(n),…,x(n-L+2),x(n-L+1)]T (3)
wL(n)指第n次获得的权值系数、x(n-L+2)表示n-L+2时刻的参考输入信号。
优选的,所述次级路径模块,用于修正LMS算法的误差梯度估计值,根据新的权值和滤波器输入计算出次级路径输出,并将其与主路径输出相加,得到最终的输出信号,具体包括:
将获得的权值系数导入次级路径,用来修正LMS算法的误差梯度估计值,进行误差的去除,次级路径根据权值的更新,将公式(1)重写,如公式(4)所示:
i表示数据地址,N表示延迟数,根据最陡下降法原理递推滤波器系数,通过计算瞬时均方误差来替代计算均方误差,如公式(5)所示:
表示梯度,如公式(6)所示:
将式(6)代入式(5),如公式(7)所示:
w(n+1)=w(n)-2μe(n-2)x′(n-2) (7)
当自适应滤波器的抽头长度足够长时,转置RDFxLMS算法步长界限,如公式(8)所示:
式中,μ是步长因子必须满足最大特征值;λmax为转置RDFxLMS算法的最大特征值。
本次说明以输入一个噪声信号的处理作说明,其主要步骤为:
步骤一,将整个电路复位,使得权值更新模块中的权值存储值清零;
步骤二,算法开始运行后,通过FIR滤波器模块对输入噪声信号完成初次滤波,得到滤波器输出;
步骤三,将滤波器输出与期望输出通过误差信号模块处理,滤波器输出通过转置FIR滤波器后与期望输出相减,得到误差信号如公式(1)所示:
式中,d(n-2)为加入自适应延时后主要噪声信号;s(n)是次级路径估计信号;y'(n-2)=s(n)*y(n-2)是滤波后输出信号。
步骤四,将获取的误差信号与输入滤波器的信号作对比,计算出新的权值系数,并将其存储在权值存储器中,并计算出新的参考输入信号,第n时刻横向滤波器的权值系数与参考输入信号,分别如公式(2)和公式(3)所示:
w(n)=[wL(n),…,w2(n),w1(n)]T (2)
x(n)=[x(n),…,x(n-L+2),x(n-L+1)]T (3)
步骤五,将获得的权值系数导入次级路径,用来修正LMS算法的误差梯度估计值,进行误差的去除,次级路径根据权值的更新,将公式(1)重写,如公式(4)所示:
根据最陡下降法原理递推滤波器系数,通过计算瞬时均方误差来替代计算均方误差,如公式(5)所示:
表示梯度,如公式(6)所示:
将式(6)代入式(5),如公式(7)所示:
w(n+1)=w(n)-2μe(n-2)x′(n-2) (7)
当自适应滤波器的抽头长度足够长时,转置RDFxLMS算法步长界限,如公式(8)所示:
式中,是步长因子必须满足最大特征值;为转置RDFxLMS算法的最大特征值。
步骤六,根据新的权值和滤波器输入计算出次级路径输出,并将其与主路径输出相加,得到最终的输出信号。
图3表示序列流水线转置RDFxLMS算法收敛性比较。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后,技术人员可以对本发明作各种改动或修改,这些等效变化和修饰同样落入本发明权利要求所限定的范围。
Claims (10)
1.一种基于序列流水线转置RDFxLMS的降噪系统,其特征在于,包括:
FIR滤波器模块、误差计算模块、权值更新模块及次级路径模块,其中,FIR滤波器模块用于将输入信号滤除信号带宽以外的噪声信号,得到滤波器输出信号;所述FIR滤波器是基于序列延迟LMS的一种全流水线结构,通过对插入的延迟进行重定时,以补偿MAC和上采样器的延迟,得到了序列重定时延迟LMS自适应FIR滤波器,原始信号中的1个延迟相当于上采样信号中的N个延迟;
误差计算模块主要由一个转置型FIR滤波器和一个减法器组成,转置型FIR滤波器用于对期望输出信号进行滤波,减法器用于计算滤波器输出与期望输出之间的误差信号;
权值更新模块,用于根据误差信号和滤波器的输出信号计算出新的权值,并将新的权值存储在权值存储器中;权值更新模块中的收敛因子是2的负整数次幂,通过相应的移位运算来实现;
次级路径模块,用于修正LMS算法的误差梯度估计值,根据新的权值和滤波器输入计算出次级路径输出,并将其与主路径输出相加,得到最终的输出信号;次级路径输出信号被用来修正主路径的权值更新,从而可以更准确地估计主路径的误差梯度,提高降噪效果。
2.根据权利要求1所述的一种基于序列流水线转置RDFxLMS的降噪系统,其特征在于,所述误差计算模块用于计算滤波器输出与期望输出之间的误差信号,具体包括:
将滤波器输出与期望输出通过误差信号模块处理,滤波器输出通过转置FIR滤波器后与期望输出相减,得到误差信号如公式(1)所示:
式中,d(n-2)为加入自适应延时后主要噪声信号;s(n)是次级路径估计信号;ys(n-2)是滤波后输出信号;x(n-2)指输入噪声信号;wT(n-2)表示转置FIR滤波器的传递函数;x′(n-2)指通过次级路径后的输入噪声信号。
3.根据权利要求2所述的一种基于序列流水线转置RDFxLMS的降噪系统,其特征在于,所述权值更新模块,用于根据误差信号和滤波器输出信号计算出新的权值,具体包括:
通过比较误差信号与输入滤波器信号,计算出第n时刻横向滤波器的权值系数与参考输入信号,分别如公式(2)和公式(3)所示:
w(n)=[wL(n),…,w2(n),w1(n)]T (2)
x(n)=[x(n),…,x(n-L+2),x(n-L+1)]T (3)
wL(n)指第n次获得的权值系数、x(n-L+2)表示n-L+2时刻的参考输入信号。
4.根据权利要求2所述的一种基于序列流水线转置RDFxLMS的降噪系统,其特征在于,所述次级路径模块,用于修正LMS算法的误差梯度估计值,根据新的权值和滤波器输入计算出次级路径输出,并将其与主路径输出相加,得到最终的输出信号,具体包括:
将获得的权值系数导入次级路径,用来修正LMS算法的误差梯度估计值,进行误差的去除,次级路径根据权值的更新,将公式(1)重写,如公式(4)所示:
i表示数据地址,N表示延迟数,根据最陡下降法原理递推滤波器系数,通过计算瞬时均方误差来替代计算均方误差,如公式(5)所示:
表示梯度,如公式(6)所示:
将式(6)代入式(5),如公式(7)所示:
w(n+1)=w(n)-2μe(n-2)x′(n-2) (7)
当自适应滤波器的抽头长度足够长时,转置RDFxLMS算法步长界限,如公式(8)所示:
式中,μ是步长因子必须满足最大特征值;λmax为转置RDFxLMS算法的最大特征值。
5.一种基于权利要求1-4任一项所述系统的降噪方法,其特征在于,包括以下步骤:
步骤一,将整个电路复位,使得权值更新模块中的存储值清零;
步骤二,算法开始运行后,通过FIR滤波器模块对输入噪声信号完成初次滤波,得到滤波器输出;
步骤三,将滤波器输出与期望输出通过误差信号模块处理,滤波器输出通过转置FIR滤波器后与期望输出相减,得到误差信号;
步骤四,将获取的误差信号与输入滤波器的信号作对比,计算出新的权值,并将其存储在权值存储器中,并计算出新的参考输入信号;
步骤五,将获得的权值导入次级路径,用来修正LMS算法的误差梯度估计值,进行误差的去除;
步骤六,根据新的权值和滤波器输入计算出次级路径输出,并将其与主路径输出相加,得到最终的输出信号。
6.根据权利要求5所述的降噪方法,其特征在于,所述步骤三中,通过误差处理模块的FIR滤波器与减法器的处理,得到的误差信号如公式(1)所示:
式中,d(n-2)为加入自适应延时后主要噪声信号;s(n)是次级路径估计信号;ys(n-2)是滤波后输出信号;x(n-2)指输入噪声信号;wT(n-2)表示转置FIR滤波器的传递函数;x′(n-2)指通过次级路径后的输入噪声信号。
7.根据权利要求5所述的降噪方法,其特征在于,所述步骤四具体包括::通过比较误差信号与输入滤波器信号,计算出第n时刻横向滤波器的权值系数与参考输入信号,分别如公式(2)和公式(3)所示:
w(n)=[wL(n),…,w2(n),w1(n)]T (2)
x(n)=[x(n),…,x(n-L+2),x(n-L+1)]T(3)
wL(n)指第n次获得的权值系数、x(n-L+2)表示n-L+2时刻的参考输入信号。
8.根据权利要求5所述的降噪方法,其特征在于,所述步骤五具体包括:次级路径根据权值的更新,将公式(1)重写,如公式(4)所示:
i表示数据地址,N表示延迟数,根据最陡下降法原理递推滤波器系数,通过计算瞬时均方误差来替代计算均方误差,如公式(5)所示:
表示梯度,如公式(6)所示:
将式(6)代入式(5),如公式(7)所示:
w(n+1)=w(n)-2μe(n-2)x′(n-2) (7)
当自适应滤波器的抽头长度足够长时,转置RDFxLMS算法步长界限,如公式(8)所示:
式中,μ是步长因子必须满足最大特征值;λmax为转置RDFxLMS算法的最大特征值。
9.根据权利要求5所述的降噪方法,其特征在于,所述自适应FIR滤波器是基于序列延迟LMS的一种全流水线结构,通过对插入的延迟进行重定时,以补偿MAC和上采样器的延迟,得到了序列重定时延迟LMS自适应FIR滤波器,原始信号中的1个延迟相当于上采样信号中的N个延迟。
10.根据权利要求5所述的降噪方法,其特征在于,所述乘积累加单元是一种简单的体系结构,它使用一个乘法器和一个累加器按顺序实现FIR滤波器;对输入数据xk进行上采样,从而对下采样得到的滤波器输出yk进行顺序计算;输入数据和过滤器系数使用双端口块RAM存储,双端口RAM将用于混合模式配置,数据从端口A(RAM模式)写入和读取,系数从端口B(ROM模式)读取,对于给定的数据地址i,分别取一个系数地址N+i,将MAC乘以对应的延迟数据样本累加得到结果,滤波器输出在N个地址时钟之后可用。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310424421.6A CN116471512A (zh) | 2023-04-19 | 2023-04-19 | 一种基于序列流水线转置RDFxLMS的降噪系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310424421.6A CN116471512A (zh) | 2023-04-19 | 2023-04-19 | 一种基于序列流水线转置RDFxLMS的降噪系统和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116471512A true CN116471512A (zh) | 2023-07-21 |
Family
ID=87174834
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310424421.6A Pending CN116471512A (zh) | 2023-04-19 | 2023-04-19 | 一种基于序列流水线转置RDFxLMS的降噪系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116471512A (zh) |
-
2023
- 2023-04-19 CN CN202310424421.6A patent/CN116471512A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Allred et al. | LMS adaptive filters using distributed arithmetic for high throughput | |
Douglas | Fast implementations of the filtered-X LMS and LMS algorithms for multichannel active noise control | |
EP0649578B1 (en) | Digital filter having high accuracy and efficiency | |
US5638439A (en) | Adaptive filter and echo canceller | |
CN106936407B (zh) | 频域块最小均方自适应滤波方法 | |
CN101268614A (zh) | 自适应数字滤波器、fm接收机、信号处理方法及程序 | |
JP5065784B2 (ja) | 同相成分抽出方法及び装置 | |
JP2000035788A (ja) | 多重チャネル適応フィルタリング | |
CN101106384B (zh) | 时域和频域中的分段快速卷积 | |
WO2002089334A1 (en) | Resampling system and apparatus | |
EP1314247B1 (en) | Partitioned block frequency domain adaptive filter | |
CN116471512A (zh) | 一种基于序列流水线转置RDFxLMS的降噪系统和方法 | |
CN114900156A (zh) | 一种基于分布式算法的高吞吐量lms自适应滤波器 | |
JP3707443B2 (ja) | 適応忘却係数制御適応フィルタ、および忘却係数適応制御方法 | |
Avalos et al. | Multichannel Filtered‐X Error Coded Affine Projection‐Like Algorithm with Evolving Order | |
JP5126366B2 (ja) | フィルタ装置 | |
WO2005050622A1 (en) | Method and apparatus for reducing echo in a communication system | |
JPH10322168A (ja) | 適応有限インパルス応答フィルタ集積回路 | |
JPH09223947A (ja) | 適応型等価器フィルタ構造のための更新ブロック | |
US20130308771A1 (en) | Method and apparatus for hierarchical adaptive filter | |
CN117353706A (zh) | 一种基于FPGA的改进Delay-FxLMS滤波器 | |
JP3444258B2 (ja) | 適応フィルタ、その制御方法及びプログラムを記憶した記憶媒体 | |
CN114520643A (zh) | 一种基于FPGA的高速Delay-FxLMS滤波器设计方法 | |
TWI774231B (zh) | 聲音輸入輸出系統及噪音消除電路 | |
Okello et al. | A new architecture for implementing pipelined FIR ADF based on classification of coefficients |
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 |