自适应线路增强器
本发明涉及自适应线路增强器以及用于自适应地增强线路的方法。此发明应用于需要数字信号处理的雷达、声纳、通信以及其它相关领域。
发明背景
对夹杂在噪音中的正弦波信号进行检测是信号处理过程中的基本难题。多普勒效应使频率产生移位并且干扰和噪音使得频率遭到破坏,对基于以上原因而大大削弱了的正弦信号或其它窄带信号的检索,传统的方法是利用此频率域内信号分析来进行的。这需要对输入信号进行傅立叶变换。一旦对信号进行傅立叶变换后,可检测到波谱中最强部分,同时设计一个滤波器来增强或者是拒绝此频率。为了检测频率随时间变化的的正弦波,这里要利用到具有滑动窗口的傅立叶变换。与直接利用离散傅立叶变换相比较,快速傅立叶变换之类的算法虽然运算效率更高,但是与自适应线路增强技术相比,输入信号频率域分析相对来讲效率还是较低的。
自适应线路增强技术可用来替代基于快速傅立叶变换的频率域分析。可以看到(B.Windrow和S.D.Stearns所著,“自适应信号处理”,Prentice-Hall,1985),自适应线路增强器(ALEs)其运算较之傅立叶为基础的技术更简洁,并且在某些情况下能够更精确的检测出正弦信号。自适应线路增强器中含有一滤波器及其变换滤波器频率反应特性中某一特征的自适应规则。各种滤波器和自适应规则的组合模式已经提出了,其中最近的报告中有一种含有一自适应Gray-Markel网格陷波滤波器以及基于简化梯度技术的自适应规则(N.I.Cho,C.-H.Choi和S.U.Lee著,“利用IIR格状陷波滤波器自适应地线路增强”,IEEETrans.Acoust,Speech,SignalProcessing,vol.37,April.1989:P.A.Regalia,“改进型网格自适应IIR陷波滤波器”,IEEE Trans.Signal Processing,vol.39,pp.2124-2128,Sept.1991)。可以看出这样的ALEs较之以前的设计其相关频率的收敛性要好得多,同时更不容易受数字处理器中产生的有限字符长度效果的影响。
对自适应Gray-Markel网格陷波滤波器转换函数的解释如下: (方程A)
其中,k0确定了陷滤波率,α确定了带宽宽度值。确定变量k0的陷滤波率值收敛于-cos(ω0)从而拒绝频率为ω0的正弦波。此滤波器在 点在单位圆上存在零值点,这里的ω0=cos-1(-k0)。自适应Gray-Markel网格陷波滤波器的数值响应中-3分贝衰减带宽带宽BW值由一下方程所确定:
在传送通带中为获得单位增益值须对
值进行很小的增益纠正。
通过改变k0和α值可互不影响地控制带宽宽度和陷滤波率值。利用直接格式实现方式或者是基于数字滤波器的网格滤波器结构(WDFs)可很容易地实现对滤波器结构的应用(A.Fettweis,H.Levin和A.Sedlmeyer所著,“波状数字网格滤波器,”Int.J.Circuit TheoryApplicat,vol.2,no.2,pp.203-211,June1974;A.Fettweis所著,“波状数字网格滤波器:理论及实践,”Proc.IEEE,vol.74,pp.270-327,Feb.1986)。
参照附图1,它给出了利用已知的自适应Gray-Markel网格陷波滤波器响应的数字滤波器实现方式的功能部件的框图,其转换函数由方程A所给出。
附图1说明了输入110,第一动态适配器模块120,第二动态适配器模块130,求和运算模块140,放大模块150,输出模块160,陷波带宽宽度确定模块170以及陷滤波率确定模块180。输入信号110被输入到求和模块140以及第一动态适配器模块120的第一输入项中。第一动态适配器模块120的第一输出项接着被输入到求和模块140的第二输入项。包含输入项110求和以及第一动态适配器模块120的第一输出结果的求和模块140的输出内容被输入到放大模块150的输入项。放大模块150的振幅增益值为一固定值0.5。此增益值是通过比特位移操作获得的,所以不需要乘法器。放大模块150的输出内容成为了输出信号160。
第一动态适配器模块120的第二输入项断开连接。第一动态适配器模块120的第三输出内容被输入到第二动态模块130的第一输入项,即第三输入项与第二动态适配器130结合起来形成围绕第一动态适配器120的反馈路径。
第二动态适配器模块130的第一输出项被反馈到第一动态适配器模块120的第二输入项。陷波带宽宽度确定模块170的输出项被输入到第一动态适配器模块120的第三输入项。
将第二动态适配器模块130的第二输出项断开。第二动态适配器模块130的第三输出项被输入到第二动态适配器模块130的第二输入项。陷滤波率确定模块180的输出项被输入到第二动态适配器模块130的第三输入项。
参照附图2给出了使用动态适配器120和130的功能部件的框图。
附图2说明了第一输入210,第二输入220,第三输入230,第一减法器模块240,乘法器模块250,第二减法器模块260,第三减法器模块270,延迟模块280,第一输出285,第二输出290以及第三输出295。
第一输入210被输入到第一减法器模块240的正值输入终端以及第三减法器模块270的负值输入终端。第二输入220被输入到第一减法器模块240的负值输入终端以及第二减法器模块260的负值输入终端。包含第一输入210和第二输入220差值的第一减法器模块240的输出项被输入到乘法器250的第一输入终端。第三输入230被输入到乘法器250的第二输入终端。包含第三输入230乘积以及第一减法器模块240输出的乘法器250的输出项被输入到第二减法器模块260的正值输入终端以及第三减法器模块270的正值输入终端。包含乘法器模块250的输出和第二输入220之间差值的第二减法器模块260的输出成为第一输出285。包含乘法器260输出和第一输入210之间差值的第三减法器模块270的输出成为第二输出290,同时被输入到延迟模块280。延迟模块280将信号向后拖延一个抽样时段,然后将其输入到第三输出295。
动态适配器的时间域响应可以估算。从所有输入、输出均为0的初始状态开始,一系列的脉冲a1,a2,...,an,an+1...输入到第一输入210上,同时一系列的脉冲b1,b2,...,bn,bn+1...用到第二输入220上,常数K用到第三输入230上,然后在的nth时段上输出变为:
第一输出285(an-bn)×K-bn
第二输出290(an-bn)×K-an
第三输出295(an-1-bn-1)×K-an-1
附图5中所示反馈结构中的动态适配器的时间域响应可以进行评估(附图1中的虚线框)。从初始态的所有输入和输出都为0,一系列的脉冲u(1),u(2),...,u(n),u(n+1)...用到输入510上,同时常数K(520)应用到动态适配器模块530的第三输入,在nth时间段,输出项540的方程变为:
输出540y(n)=K×u(n)+u(n-1)-K×y(n-1)
而这符合在Z变换域
中的全通路转换函数。
最好对自适应线路增强器的算法进行简化。
发明概述
本发明的目的是,为自适应Gray-Markel网格陷波滤波器提供使用算法高效自适应结构来增强自适应线路的设备。
本发明的另一个目的是,为自适应Gray-Markel网格陷波滤波器提供使用算法高效自适应结构来增强自适应线路的方法。
发明者指出通过使用一种新的自适应算法可得到降低运算复杂程度的自适应线路增强器。一种将陷滤波率确定变量k0进行自适应的算法,利用的是简化梯度的高斯-牛顿循环算法以及sgn-sgn自适应规则的,其表述如下:
算法1:
输入信号为U(z)
Gray-Markel网格陷波滤波器:
输出信号为Y(z)=Hlattice×U(z)
试图尽量减小输出E(Y2)能的期望值。
滤波器操作(针对每个输入样本)
利用WDF滤波器结构(见附图1)计算陷波滤波器输出y(n)
根据方程C(见下面)转换k,其中x(n-1)为当前样本简化了的梯度,它与方程B中所示的输入u(n)有关。 (方程B)
k(n+1)=k(n)-sgn[x(n-1)y(n)]μ(方程C)
μ为自适应常数。
稳定性监测:在]-1,1[域内限幅k(n+1)
自适应常数μ确定了在k0点算法的收敛速率,并且给出了可获得的k0近似值的上下限。
为了避免k0更新所需的对简化了的梯度x(n+1)进行计算,对自适应Gray-Markel网格陷波滤波器中的WDF滤波器结构的内部变量进行了研究。
下表给出了附图1中所示数字滤波器结构信号流程曲线中的内部函数变量的z域变换函数。
内部变量 转换函数
输入 1
输出
Out1Adapter1
Out3Adapter1=In1Adapter2
In2Adapter1=Out1Adapter2
In2Adaptor2=Out3Adapter2
Out2Adapter2
从方程B所给的简化了的梯度x(n-1)的定义以及附图1中所示数字滤波器内部变量的z域变换函数可以看出:第二动态适配器130的第三输出对应于(α-1)(k0-1)x(n-2),第二动态适配器130的第二输出对应于(α-1)(k0-1)x(n-1)。
由于|α|<1并且|k|<1是获得自适应Gray-Markel网格陷波滤波器稳定性的基本要求,所以乘积(α-1)(k-1)总为正数。于是:
sgn[x(n-1)y(n)]=sgn[y(n)]sgn[Out2Adaptor2] (方程D)
此方程使得对简化了的梯度进行计算变得不可行,导致了一种利用基于数字滤波器的低复杂度自适应陷波滤波器针对自适应线路增强器的算法的出现。算法如下所示:
使用基于数字滤波器使用低复杂度自适应网格陷波滤波器针对自适应线路增强器的算法。
输入信号为u(n),n在0时间点开始(U(z)在频率域内)Gray-Markel网格陷波滤波器:
输出信号为:Y(z)=Hlattice×U(z)
试图尽量降低输出E(Y2)能的期望值
初始化:
初始Out3Adaptor1(-1)
初始Out3Adaptor2(-1)
滤波器操作(针对每个输入样本u(n))
利用带有输入u(n)(见附图1)的WDF滤波器结构来计算陷波滤波器输出y(n)Out3Adaptor1(n)=Out2Adaptor1(n-1)Out3Adaptor2(n)=Out2Adaptor2(n-1)Out1Adaptor2(n)=k(n)×[Out3Adaptor1(n)-Out3Adaptor2(n)]-Out3Adaptor2(n)Out2Adaptor2(n)=k(n)×[Out3Adaptor1(n)-Out3Adaptor2(n)]-Out3Adaptor1(n)Out1Adaptor1(n)=α×[u(n)-Out1Adaptor2(n)]-Out1Adaptor2(n)Out2Adaptor1(n)=α×[u(n)-Out1Adaptor2(n)]-u(n)y(n)=0.5×[u(n)+Out1Adaptor1(n)]-u(n)
更新确定陷滤波率的变量k(见附图3):
k(n+1)=k(n)-sgn[y(n)]sgn[Out2Adaptor2]×μ
μ为自适应常数
因而Out2Adaptor2可作为某采样时段确定陷滤波率的变量k完成更新的更新函数(UPDATEFN)。参照前面所讲述的内容,UPDATEFN从而具有Z变换域的变换函数,此中情况发生在nth采样时段:
稳定性监测:在]-1,1[域内限幅k(n+1)
根据本发明第一方面,提供了一种含有具有自适应陷滤波率的自适应Gray-Markel网格陷波滤波器的自适应线路增强器,而陷滤波率根据陷滤波率变量k来确定。其中,n+1th采样点的k值由下述方程所确定:
k(n+1)=k(n)-sgn[y(n)]sgn[UPDATEFN]×μ
其中,y(n)为陷波滤波器输出,μ为自适应常数,在Z变换域内UPDATEFN含有一转换函数:
其中,α用来确定带宽宽度,k(n)为确定当前陷滤波率的变量。
根据本发明第二方面,提供了一种含有具有自适应陷滤波率的自适应Gray-Markel网格陷波滤波器的自适应线路增强器,而陷滤波率根据陷滤波率变量k来确定。其中,n+1th采样点的k值由下述方程所确定:
k(n+1)=k(n)-sgn[y(n)]sgn[UPDATEFN]×μ
其中,y(n)为陷波滤波器输出,μ为自适应常数,UPDATEFN在Z变换域具有一转换函数:
其中,α用来确定带宽宽度,k(n)为确定当前陷滤波率的变量。
用来自适应陷滤波率的算法能够通过有关数字滤波器内部函数的知识直接计算出UPDATEFN以及陷滤波率变量。
算法中k(n)的更新规则很简单,与前面附图1所示的原陷波滤波器相比较仅多出了一加法,两个运算符和一个EXOR运算符的运算量(进行两个符号的乘法运算时用到)。再加上计算WDF滤波器结构的操作,这使得处理每个输入样本时共包括两个乘法,八个加法,一个比特移位运算,两个符号运算以及一个EXOR运算。
根据方程B,计算每个样本点简化梯度的三个乘法运算和两个加法运算节省了下来。
权利要求2-5定义了将本发明付诸实际应用的有利设备。
权利要求7-10定义了将本发明中所述方法付诸实践的有利方法。
附图简要描述
为了更好地理解本项发明并同时说明如何将相应的实施例付诸实践,下面将结合附图以例子的形式给出参考内容,其中:
附图1为利用数字滤波器的现有的Gray-Markel网格陷波滤波器的装置示意图;
附图2为使用附图1中所示“动态适配器”的装置的示意图;
附图3为根据本发明的自适应线路增强器的示意图;
附图4所示为用来评估本项发明实施例使用效率的跳频试验的结果;
附图5为反馈结构中的“动态适配器”的示意图。
本发明优选实施例
根据附图3所示,它给出了等同于附图1所给示意图的框图结构,不同的是前者包括形成此项发明基础的低复杂度自适应算法使用过程中的附加反馈元素。
附图3给出输入305u(n),第一动态适配器模块310,第二动态适配器模块315,第一求和模块320,放大器模块325,输出330,陷波带宽宽度确定模块335,陷滤波率确定模块340,第一数符函数模块345,第二数符函数模块350,第一乘法器模块355,第二乘法器模块360,自适应速度确定模块365,第二求和模块370,振幅限制模块375以及延迟模块380。
输入信号305经由第一求和模块320的第一输入被输入到第一动态适配器模块310的第一输入。第一动态适配器模块310的第一输出输入到第一求和模块320的第二输入。包含输入305和第一动态适配器320第一输出二者之和结果的第一求和模块320的输出被输入到放大器模块325的输入。放大器模块325具有固定的振幅增益值0.5。这一增益值由比特位移操作获得且无需乘法器。放大器模块325的输出变为输出信号330,同样被输入到第二数符函数函数模块350的输入项。第一动态适配器模块315的第一输出反向输入到第一动态适配器模块310的第二输入项。陷滤波率宽度确定模块335的输出被输入到第一动态适配器模块310的第三输入项。第二动态适配器模块315的第二输出(Out2)输入到第一数符函数模块345的输入项。第二动态适配器模块315的第三输出反过来被输入到第二动态适配器模块315的第二输入项。第一数符函数模块345的输出被输入到第一乘法器355的第一输入项,同时第二数符函数模块350的输出被输入到第一乘法器355的第二输入项。包含第一数符函数模块345输出和第二数符函数模块350输出二者乘积的第一乘法器355的输出项被输入到第二乘法器360的第一输入。自适应速度模块365的输出被输入到第二乘法器360的第二输入。包含有第一乘法器模块355输出和自适应速度模块365输出二者乘积的第二乘法器360的输出被输入到第二求和模块370的第一输入。陷滤波率确定模块340的输出被输入到第二动态适配器模块315的第三输入项以及输入到第二求和模块370的第二输入项。包含有第二乘法器360输出和陷滤波率确定模块340输出二者之和的求和模块370的输出被输入到振幅(饱和度)确定模块380的输入项。延迟模块380的输出成为陷滤波率确定模块340的更新值,然后输入到第二动态适配器模块315的第三输入项。
振幅限定模块375可以防止k(n+1)≥1或≤-1。当|j(n+1)≥1|时,陷波滤波器变得不稳定。为了防止此种情况的发生,将k(n+1)限幅在开区间]-1,1[的域内。做法如下:
如果k(n+1)≥限幅值,那么k(n+1)=限幅值
如果k(n+1)≤限幅值,那么k(n+1)=限幅值
如果限幅值稍稍小于1,例如0.999,这同样可看作是稳定监测。
第二动态适配器315的第二输出Out2用来产生出k(n+1)值,而后者作为变量用来确定陷滤波率自适应系数的更新值。第二动态适配器315的Output2数符利用第一数符模块345产生出来,而第一数符模块345通过第一乘法器355与放大器模块325(为y(n),陷波滤波器输出项)的输出数符进行相乘运算,通过第二数符模块350与放大器模块325输出数符进行乘法运算。从而算出sgn[y(n)]sga[Out2]作为第一乘法器355的输出。然后再第二乘法器360上,它与自适应速度模块365中的自适应常数μ相乘,同时从当前的k(n)进行减法运算以算出k(n+1)值。
从而第二动态适配器315的第二输出Out2被用作更新函数(UPDATEFN)。如上面所给出的表格(参照Output2Adaptor2)所示,UPDATEFN在Z变换域有一转换函数,对于nth样本:
附图3中框图示意性给出的本项发明的具体实例较之先前的ALEs实现模式优势还是很明显的,特别是考虑尽量降低执行ALE程序所须硬件的数量以及降低数字处理器上执行ALE程序所需的计算量。附图4给出了频率传输试验结果,在此试验中附图3所给出的本发明的具体实例所使用的输入信号为夹杂在白噪声中的正弦波,并且以fs=16kHz的采样速率进行采样。没1000个样本器正弦波的频率进行随机变化。第一个图形(从上至下)所示为α=0.8,μ=0.005以及SNR=23dB时的理想频率(des freq)。第二个图形所示为本发明具体实例中使用ALE的估测频率(est freq)。第三个图形与第一个图形基本一样,只是此时的α=0.7,μ=0.001以及SNR=4.9dB。第四个图形所示为本项发明具体实例中使用ALE的相应估测频率。本项发明的具体实例用来对每个时间段的理想频率ffreq.estim.进行估算。方程为: (方程E)
为了对频率传输试验算法所给出的频率估计值的精确性量化,可以证实估计频率值ω0=cos-1[-k(n)]的标准偏差显示出如下的比例关系: (方程F)
在某个时间理想频率的估计值将会收敛到理想值,显示出以下的比例关系: (方程G)
如附图4所示,对利用方程F和G和/或基础试验进行检查的α和μ选择合适的值,对于各种不同的信号-噪音比率值都可以得到有用的自适应正弦跟踪。
于是,用来确定陷滤波率的变量k由第二动态适配器的输出通过自身来确定,即内部的而不是外部。
详细说明中所阐述(包括任何相关权利要求,摘要及图)的所有特性,和/或任何方法或过程中的所有步骤,它们可以任何形式进行组合。这些特性和/或步骤中的一些彼此孤立的组合除外。
如果不明确指出,详细说明中所阐述(包括任何相关权利要求,摘要及图)的任何一个特性可以用起到相同,等价或相似作用的特性来替换。因而,如果不明确指出来的话,所阐述的每个特性都是同种类系列等价或相似特性的唯一举例。
本发明不仅仅局限于先前实例的细节。此发明可拓展到任何新颖类别,或者是详细说明(包括任何附属权利要求,摘要和图)中所阐述的特性的任意组合;或拓展到任何新颖内容,或所阐述任意方法或过程步骤的任意具有新意的组合。