JP4110710B2 - 適応整相システム - Google Patents
適応整相システム Download PDFInfo
- Publication number
- JP4110710B2 JP4110710B2 JP2000161488A JP2000161488A JP4110710B2 JP 4110710 B2 JP4110710 B2 JP 4110710B2 JP 2000161488 A JP2000161488 A JP 2000161488A JP 2000161488 A JP2000161488 A JP 2000161488A JP 4110710 B2 JP4110710 B2 JP 4110710B2
- Authority
- JP
- Japan
- Prior art keywords
- weighting factor
- adaptive filter
- phasing
- adaptive
- weighting
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Description
【０００１】
【発明の属する技術分野】
本発明は、ソーナー等において、目標の方位等の推定のために、複数のセンサで構成されたセンサアレイを用い、干渉波を適応的に除去することによって、目標信号のみを抽出する適応整相システムに関するものである。
【０００２】
【従来の技術】
従来、この種の適応整相方法の一つとして、拘束マトリックス（Ｂｌｏｃｋ Ｍａｔｒｉｘ）による適応整相システムがある。
【０００３】
図６は従来の適応整相システムの適応整相器の第１構成例であり、１−１〜１−Ｎは音響センサに対応した入力端子、２は位相補償器、３は空間窓乗算器、４及び８は加算器、５は減算器、６はＢＭ（Ｂｌｏｃｋ Ｍａｔｒｉｘ）乗算器、７は適応フィルタ、９は出力端子、１３は重み係数更新器である。
【０００４】
適応整相システムとしては、周波数領域で実現した場合の適応整相システムと、時間領域で実現した場合の適応整相システムの２種類が考えられるが、ここでは周波数領域で実現した場合の適応整相システムを例にして述べる。
【０００５】
まず、その適応整相システムの適応整相器の動作について説明する。
【０００６】
Ｎ個のセンサアレイで受信された信号は、デジタル信号の時系列データとして入力され、フーリエ変換等の手法で複数の周波数ビンに分割される。図６の構成例はこの周波数ビン１ビンの適応整相処理を行う構成例となっている。
【０００７】
位相補償器２は、入力端子１−１〜１−Ｎを通じて、Ｎ個のセンサアレイで受信した信号のフーリエ変換結果を取り込み、指定された整相方位θ1 の方向に対してＮ個のチャネルの位相を合わせるように、次式の位相補償を行い、その結果を空間窓乗算器３及びＢＭ乗算器６に出力する。
【０００８】
ＸＢｎ（ｆ，θ1 ）＝Ｘｎ（ｆ）・ｅｘｐ｛−ｊ２πｆτ（θ1 ，ｎ）｝
〔ｎ＝１，２，３，・・・，Ｎ〕 …（１）
τ（θ1 ，ｎ）＝＜ｐ（ｎ），ｅ（θ1 ）＞／ｃ …（２）
ただし、
Ｘｎ（ｆ）：ｎ番目のセンサの位相補償器への入力
ＸＢｎ（ｆ，θ1 ）：ｎ番目のセンサのθ1 方位への位相補償結果
ｐ（ｎ）：ｎ番目のセンサの音響中心からの位置ベクトル
ｅ（θ1 ）：整相方位θ1 への単位ベクトル
＜ａ，ｂ＞：ベクトルａとベクトルｂの内積
ｃ：音速
ｆ：処理する周波数ビンの中心周波数
空間窓乗算器３は位相補償器２から入力した位相補償結果に対して、各センサ毎にシェーディング係数ａ１〜ａＮをそれぞれ乗算し、その結果を、加算器４に出力する。
【０００９】
加算器４は空間窓乗算器３から入力した各センサ毎のシェーディング結果に対して、加算処理を行うことにより、整相方位に最大感度を有するビームを形成し、その結果を減算器５に出力する。
【００１０】
一方、ＢＭ乗算器６は位相補償器２から入力した位相補償結果に対して、次式に示すように拘束マトリックスを乗算することにより、整相方位に零感度を有するナル（ＮＵＬＬ）整相出力をＪビーム分作成し、その結果を、適応フィルタ７及び重み係数更新器１３に出力する。
【００１１】
【数１】
【００１２】
ただし、
ＸＢｎ（ｆ，θ1 ）：ｎ番目のセンサのθ1 方位への位相補償結果
Ｙｊ（ｆ，θ1 ）：θ1 方位に関するｊ番目のＮＵＬＬ整相出力
Ｂｊｎ：ｊ番目のＮＵＬＬに対するｎ番目のセンサの拘束係数
ここで、拘束マトリックスの要素である拘束係数Ｂｊｎは、整相方位の感度を零にする条件である次式（４）を満足する限り、０次拘束、１次微係数拘束等、その他の任意の拘束をかけることができる。
【００１３】
【数２】
【００１４】
適応フィルタ７は、ＢＭ乗算器６から整相方位に零感度を有するＮＵＬＬ整相出力をＪビーム分入力するとともに、重み係数更新器１３より時刻ｋにおける各ＮＵＬＬ整相出力に対する重み係数Ｗｊ（ｋ，ｆ）を入力し、フィルタリング処理を行った後、その結果を加算器８に出力する。ここで、周波数領域でのフィルタリング処理は次式で与えられるように適応フィルタへの入力データと重み係数の乗算で与えられる。
【００１５】
Ｙｆｊ（ｆ，θ1 ）＝Ｙｊ（ｆ，θ1 ）・Ｗｊ（ｋ，ｆ）
［ｊ＝１，２，３，・・・，Ｊ］ …（５）
ただし、
Ｙｆｊ（ｆ，θ1 ）：θ1 方位に関するｊ番目の適応フィルタリング結果
Ｗｊ（ｋ，ｆ）：時刻ｋでのｊ番目の適応フィルタの重み係数
加算器８は、適応フィルタ７からＪビーム分の適応フィルタリング結果を入力し、次式により、これらの加算処理を行い、その結果を減算器５に出力する。
【００１６】
【数３】
【００１７】
減算器５は加算器４から入力された前記整相方位に最大感度を有する整相出力から、加算器８から入力された前記整相方位に零感度を有するＮＵＬＬ整相出力の適応フィルタリング結果を減算することにより、整相方位以外から到来する信号成分の低減を図り、その結果である適応整相出力ｐ（ｆ，θ1 ）を出力端子９に出力すると共に、重み係数更新器１３に出力する。
【００１８】
重み係数更新器１３は、前記整相方位以外から到来する信号成分の更なる低減化を図るため、ＢＭ乗算器６からは整相方位に零感度を有するＮＵＬＬ整相出力Ｙｊ（ｆ，θ1 ）［ｊ＝１，２，３，・・・，Ｊ］を、加算器５からは適応整相出力ｐ（ｆ，θ1 ）を入力し、次式により重み係数Ｗｊ（ｋ，ｆ）の更新処理を行い、更新した重み係数Ｗｊ（ｋ＋１，ｆ）を次の時刻の重み係数として適応フィルタ７に出力する。ここで、正規化係数Ａの設定方法により、各種の更新アルゴリズムを選択することができる。次式（７）で与えられる重み係数の更新式は逐次的に重み係数を更新していくことにより最適解を求める方法である。
【００１９】
【数４】
【００２０】
ただし、
Ｙｊ* （ｆ，θ1 ）：θ1 方位に関するｊ番目のＮＵＬＬ整相出力Ｙｊ（ｆ，θ1 ）の共役複素数
Ｗｊ（ｋ，ｆ）：時刻ｋでのｊ番目の適応フィルタの重み係数
ｐ（ｆ，θ1 ）：θ1 方位に関する適応整相出力
μ：収束係数
Ａ：正規化係数
Ａ＝１（ＬＭＳアルゴリズム）
Ａ＝Ｅ［｜Ｙｊ（ｆ，θ1 ）｜2 ］（学習アルゴリズム）
Ｅ［・］：時間平均
また、出力端子９から出力された適応整相出力ｐ（ｆ，θ1 ）は、周波数分析やパワー算出等、各種の信号処理の入力信号として使用される。
【００２１】
次に、従来技術の第２構成例として、重み係数更新器において重み係数の最適解をその都度算出する方法について述べる。図７に従来技術の第２構成例を、図８に従来技術の第２構成例の重み係数更新器の詳細構成例を示す。
【００２２】
第２構成例が第１構成例と異なる点は、第１構成例の重み係数更新器１３が減算器５の出力と接続されていたのに対し、第２構成例は重み係数更新器１４としてその内部構成を変え、減算器５への入力すなわち加算器４からの出力と接続した点である。 図８において、３０はＢＭ乗算器６に接続された接続端子、３１は加算器４に接続された接続端子、３２は自己相関行列算出器、３３は相互相関ベクトル算出器、４３は自己相関行列格納メモリ、４４は相互相関ベクトル格納メモリ、３６及び３７は積分器、３９は逆行列算出器、４０は重み係数算出器、４１は適応フィルタ７に接続された接続端子である。
【００２３】
図７において、ＢＭ乗算器６はＪ本の出力ラインで重み係数更新器１４と接続されているが、図８においてはこれらＪ本のラインを接続端子３０で束ねて１本のラインとして自己相関行列算出器３２と相互相関ベクトル算出器３３へ接続している。接続端子４１に関しても同様である。加算器４が加算結果を減算器５以外に、重み係数更新器１４に出力するという点を除けば、重み係数更新器１４以外の動作は従来の第１構成例の場合と全く同じであるため、ここでは重み係数更新器１４の動作についてのみ説明する。
【００２４】
自己相関行列算出器３２は接続端子３０を通じてＢＭ乗算器６から整相方位に零感度を有するＮＵＬＬ整相出力Ｙｊ（ｆ，θ1 ）［ｊ＝１，２，３，…，Ｊ］を入力し、次式により自己相関行列Ｒyy（ｆ，θ1 ）を算出し、その結果を自己相関行列格納メモリ４３に出力する。
【００２５】
【数５】
【００２６】
自己相関行列格納メモリ４３は現在の時刻から一定時間さかのぼった時刻までの式（８）で算出された自己相関行列Ｒyyが格納されたＦＩＦＯ形式のメモリで、自己相関行列算出器３２から最新時刻の自己相関行列を入力すると、最も過去の時刻の自己相関行列を廃棄するとともに、後段の積分器で必要とされる時間分の自己相関行列を積分器３６に出力する。
【００２７】
積分器３６は自己相関行列格納メモリ４３から指定された積分時間に相当する時間分の自己相関行列を入力すると、行列の各要素毎に加算平均処理を実施し、その結果Ｅ［Ｒyy（ｆ，θ1 ）］（Ｅ［・］は時間平均）を逆行列算出器３９に出力する。
【００２８】
逆行列算出器３９は積分器３６からの時間平均された自己相関行列Ｅ［Ｒyy（ｆ，θ1 ）］の逆行列をＬＵ分解やＣｈｏｌｅｓｋｙ分解等を用いた一般に良く知られた逆行列の解法のアルゴリズムを使用して算出し、その結果Ｅ［Ｒyy（ｆ，θ1 ）］-1を重み係数算出器４０に出力する。
【００２９】
一方、相互相関ベクトル算出器３３は接続端子３０を通じてＢＭ乗算器６から整相方位に零感度を有するＮＵＬＬ整相出力Ｙｊ（ｆ，θ1 ）［ｊ＝１，２，３，…，Ｊ］を入力するとともに、接続端子３１を通じて加算器４から整相方位に最大感度を有する整相出力ｄ（ｆ，θ1 ）を入力し、次式により相互相関ベクトルＲdy（ｆ，θ1 ）を算出し、その結果を相互相関ベクトル格納メモリ４４に出力する。
【００３０】
【数６】
【００３１】
相互相関ベクトル格納メモリ４４は現在の時刻から一定時間さかのぼった時刻までの式（９）で算出された相互相関ベクトルが格納されたＦＩＦＯ形式のメモリで、相互相関ベクトル算出器３３から最新時刻の相互相関ベクトルを入力すると、最も過去の時刻の相互相関ベクトルを廃棄するとともに、後段の積分器で必要とされる時間分の相互相関ベクトルを積分器３７に出力する。
【００３２】
積分器３７は相互相関ベクトル格納メモリ４４から指定された積分時間に相当する時間分の相互相関ベクトルを入力すると、ベクトルの各要素毎に加算平均処理を実施し、その結果Ｅ［Ｒdy（ｆ，θ1 ）］（Ｅ［・］は時間平均）を重み係数算出器４０に出力する。
【００３３】
重み係数算出器４０は逆行列算出器３９からは時間平均された自己相関行列Ｅ［Ｒyy（ｆ，θ1 ）］の逆行列Ｅ［Ｒyy（ｆ，θ1 ）］-1を、積分器３７からは時間平均された相互相関ベクトルＥ［Ｒdy（ｆ，θ1 ）］を入力し、次式により重み係数の最適解を求め、その結果を接続端子４１を通じて適応フィルタ７に出力する。
【００３４】
Ｗｊ（ｋ，ｆ）＝｛Ｅ［Ｒyy（ｆ，θ1 ）］-1｝・Ｅ［Ｒdy（ｆ，θ1 ）］ …（１０）
以下、第１構成例と同じように処理されていく。
【００３５】
【発明が解決しようとする課題】
しかしながら、従来の適応整相システムでは、以下のような問題が存在した。
【００３６】
従来技術の第１構成例における重み係数の更新処理は、適応フィルタの重み係数を逐次的に更新して最適解に近づけていく手法である。この最適解に近づけていく速度（収束速度）は式（７）のμの値に依存し、μの値が大きいほどその収束速度は速いが、適応フィルタの残留誤差は多くなり、結果として適応整相器としての能力は劣化する。μの値を小さくすると適応フィルタの残留誤差が小さくなることから適応整相器としての能力は改善されるが、重み係数の初期値の選び方によっては収束までに多大な時間がかかるようになる。ここで、重み係数が収束している時間において、受信している信号の方位が移動する等、入力信号の状態が変化すれば、適応フィルタはμの値が小さいことからそれに十分追随できず、結果として適応整相器の能力は劣化してしまうことになる。
【００３７】
また、μの値の選び方と入力信号の特性によっては適応フィルタ７が発散することもあり、一度発散すると適応フィルタが正しい重み係数に収束するまでには莫大な収束時間が必要となることもある。
【００３８】
従来技術の第２構成例における重み係数の更新処理は、適応フィルタへの入力信号の自己相関行列の時間平均値と、入力信号と参照信号の相互相関ベクトルの時間平均値とからダイレクトに最適解を求める手法である。
【００３９】
この手法は、最適解がダイレクトに得られることから、適応整相器は最大の能力を発揮することが期待できる。しかしながら、前記入力信号の自己相関行列の時間平均値の逆行列を算出するのに莫大な処理量がかかり、ハード規模が増大する。また、入力信号の特性と演算器の精度によっては正しく逆行列が求まらないこともあり、その場合には適応整相器は全く機能を果たさなくなる。
【００４０】
本発明は、上記問題点を除去し、適応整相器の能力を向上させることができる適応整相システムを提供することを目的とする。
【００４１】
【課題を解決するための手段】
本発明は、上記目的を達成するために、
〔１〕第１の発明においては、複数のセンサで構成されるセンサアレイで受信した信号を用いて、整相方位に最大感度を有する整相出力と整相方位に零感度を有するＮＵＬＬ整相出力を作成し、前記整相方位に最大感度を有する整相出力を適応フィルタの参照信号とし、前記整相方位に零感度を有するＮＵＬＬ整相出力を適応フィルタの入力信号として、整相方位以外から到来する信号を適応フィルタを用いて適応的に除去する適応整相システムにおいて、前記適応フィルタの入力信号の自己相関行列の時間平均値の逆行列と、前記適応フィルタの入力信号と参照信号との相互相関ベクトルの時間平均値から、平均を求めた時間幅における重み係数の最適解を算出する（以下、第１の重み係数とする）手段と、前記適応フィルタの入力信号の瞬時値と前記適応フィルタの参照信号から前記適応フィルタの出力信号を減算した誤差信号の瞬時値とを用いて、その時刻における前記適応フィルタの重み係数を逐次的に更新する（以下、第２の重み係数とする）手段とを設けたもので、前記第２の重み係数の更新時間間隔よりも十分遅い間隔で前記第１の重み係数を算出し、前記第１の重み係数が算出される毎に前記第１の重み係数を初期値として前記第２の重み係数の初期化処理を行うようにし、前記定期的に初期化される第２の重み係数を用いて前記適応フィルタのフィルタリング処理をするようにしたものである。
【００４２】
〔２〕第２の発明においては、第１の発明に加えて、前記第１の重み係数と第２の重み係数との誤差から、前記第２の重み係数の信頼性を判定する手段を追加したもので、適応フィルタが発散したり、入力信号の状態の変化に適応フィルタが追随できなかった場合に第１の重み係数と第２の重み係数が大きく変わることに着目して、前記第１の重み係数と第２の重み係数との誤差が一定の閾値を超え、第２の重み係数の信頼性が低いと判断された場合に関してのみ、前記第１の重み係数を初期値として前記第２の重み係数の初期化処理を行うようにし、適宜初期化される第２の重み係数を用いて前記適応フィルタのフィルタリング処理をするようにしたものである。
【００４３】
〔３〕第３の発明においては、第１の発明に加えて、前記自己相関行列の時間平均値の逆行列の計算精度を評価する手段を追加したもので、入力信号の特性と演算器の精度によっては正しく逆行列が算出されず、結果として適応整相器の能力劣化が発生するという問題を避けるため、前記逆行列の計算精度が一定の誤差以内であると判定された場合についてのみ、前記第１の重み係数を初期値として前記第２の重み係数の初期化処理を行うようにし、適宜初期化される第２の重み係数を用いて前記適応フィルタのフィルタリング処理をするようにしたものである。
【００４４】
〔４〕第４の発明においては、第２の発明に加えて、前記自己相関行列の時間平均値の逆行列の計算精度を評価する手段を追加したもので、前記第１の重み係数と第２の重み係数との誤差が一定の閾値を超え、第２の重み係数の信頼性が低いと判定された場合で、かつ前記逆行列の計算精度が一定の誤差以内であると判定された場合についてのみ、前記第１の重み係数を初期値として前記第２の重み係数の初期化処理を行うようにし、適宜初期化される第２の重み係数を用いて前記適応フィルタのフィルタリング処理をするようにしたものである。
【００４５】
【発明の実施の形態】
以下、本発明の実施の形態について図を参照しながら詳細に説明する。
【００４６】
以下に本発明の第１実施例について説明する。
【００４７】
図１は本発明の第１〜第４実施例に共通な適応整相器の構成図である。第１実施例から第４実施例までの相違点は重み係数逐次更新器１０と重み係数初期化処理器１１の詳細構成である。
【００４８】
図１において、１−１〜１−Ｎは音響センサに対応した入力端子、２は位相補償器、３は空間窓乗算器、４及び８は加算器、５は減算器、６はＢＭ乗算器、７は適応フィルタ、９は出力端子、１０は重み係数逐次更新器、１１は重み係数初期化処理器、１２は更新周期発生器である。
【００４９】
図２は本発明の第１実施例及び第３実施例における重み係数逐次更新器１０の詳細構成図で、２０はＢＭ乗算器６との接続端子、２１は減算器５との接続端子、２２はＬＭＳ重み更新器、２３は重み係数メモリ、２４は重み係数初期化処理器１１との接続端子、２５は適応フィルタ７との接続端子である。
【００５０】
図４は本発明の第１実施例及び第２実施例における重み係数初期化処理器の詳細構成図で、３０はＢＭ乗算器６に接続された接続端子、３１は加算器４に接続された接続端子、３２は自己相関行列算出器、３３は相互相関ベクトル算出器、３４は自己相関行列格納メモリ、３５は相互相関ベクトル格納メモリ、３６及び３７は積分器、３８は更新周期発生器１２に接続された接続端子、３９は逆行列算出器、４０は重み係数算出器、４１は適応フィルタ７に接続された接続端子である。
【００５１】
ここで、従来技術と同じ構成要素には同じ番号を付与している。図１において、ＢＭ乗算器６はＪ本の出力ラインで重み係数逐次更新器１０及び重み係数初期化処理器１１と接続されているが、図２においてはこれらＪ本のラインを接続端子２０で束ねて１本のラインとしてＬＭＳ重み更新器２２に、図４においてはこれらＪ本のラインを接続端子３０で束ねて１本のラインとして自己相関行列算出器３２及び相互相関ベクトル算出器３３と接続している。接続端子２５及び４１に関しても同様である。
【００５２】
次に、この適応整相器の動作について説明する。
【００５３】
Ｎ個のセンサアレイで受信された信号は、デジタル信号の時系列データとして入力され、フーリエ変換等の手法で複数の周波数ビンに分割される。図１の構成例はこの周波数ビン１ビンの適応整相処理を行う構成例となっている。
【００５４】
位相補償器２は、入力端子１−１〜１−Ｎを通じて、Ｎ個のセンサアレイで受信した信号のフーリエ変換結果を取り込み、指定された整相方位の方向に対してＮ個のチャネルの位相を合わせるように、式（１）及び式（２）による位相補償を行い、その結果を空間窓乗算器３及びＢＭ乗算器６に出力する。
【００５５】
空間窓乗算器３は位相補償器２から入力した位相補償結果に対して、各センサ毎にシェーディング係数ａ１〜ａＮをそれぞれ乗算し、その結果を加算器４に出力する。
【００５６】
加算器４は空間窓乗算器３から入力した各センサ毎のシェーディング結果に対して、加算処理を行うことにより、整相方位に最大感度を有するビームを形成し、その結果を減算器５及び重み係数初期化処理器１１に出力する。
【００５７】
一方、ＢＭ乗算器６は位相補償器２から入力した位相補償結果に対して、式（３）を用いて拘束マトリックスを乗算することにより、整相方位に零感度を有するナル（ＮＵＬＬ）整相出力をＪビーム分作成し、その結果を適応フィルタ７、重み係数逐次更新器１０及び重み係数初期化処理器１１に出力する。
【００５８】
ここで、従来技術と同様に拘束マトリックスの要素である拘束係数Ｂｊｎは、整相方位の感度を零にする条件である次式（４）を満足する限り、０次拘束、１次微係数拘束等、その他の任意の拘束をかけることができる。
【００５９】
適応フィルタ７は、ＢＭ乗算器６から整相方位に零感度を有するＮＵＬＬ整相出力をＪビーム分入力するとともに、重み係数逐次更新器１０より時刻ｋにおける各ＮＵＬＬ整相出力に対する重み係数Ｗｊ（ｋ，ｆ）を入力し、フィルタリング処理を行った後、その結果を加算器８に出力する。ここで、周波数領域でのフィルタリング処理は式（５）で与えられるように適応フィルタへの入力データと重み係数の乗算で与えられる。
【００６０】
加算器８は、適応フィルタ７からＪビーム分の適応フィルタリング結果を入力し、式（６）によりこれらの加算処理を行い、その結果を減算器５に出力する。
【００６１】
減算器５は加算器４から入力された前記整相方位に最大感度を有する整相出力から、加算器８から入力された前記整相方位に零感度を有するＮＵＬＬ整相出力の適応フィルタリング結果を減算することにより、整相方位以外から到来する信号成分の低減化を図り、その結果である適応整相出力ｐ（ｆ，θ1 ）を出力端子９に出力すると共に、重み係数逐次更新器１０に出力する。
【００６２】
重み係数逐次更新器１０内のＬＭＳ重み更新器２２は、前記整相方位以外から到来する信号成分の更なる低減化を図るため、接続端子２０を通じてＢＭ乗算器６からは整相方位に零感度を有するＮＵＬＬ整相出力Ｙｊ（ｆ，θ1 ）［ｊ＝１，２，３，…，Ｊ］を、接続端子２１を通じて減算器５からは適応整相出力ｐ（ｆ，θ1 ）を入力するとともに、重み係数メモリ２３からは１時刻前の重み係数Ｗｊ（ｋ，ｆ）［ｊ＝１，２，３，…，Ｊ］を入力し、式（７）により重み係数Ｗｊ（ｋ，ｆ）の更新処理を行い、更新した重み係数Ｗｊ（ｋ＋１，ｆ）を重み係数メモリ２３に出力すると共に、接続端子２５を通じて適応フィルタ７に出力する。ここで、従来技術の場合と同様に、式（７）の正規化係数Ａの設定方法により、各種の更新アルゴリズムを選択することができる。
【００６３】
出力端子９から出力された適応整相出力ｐ（ｆ，θ1 ）は、周波数分析やパワー算出等、各種の信号処理の入力信号として使用される。
【００６４】
一方、更新周期発生器１２は前記重み係数逐次更新器１０の更新周期に比べて十分遅い周期で重み係数初期化のタイミング信号を作成し、該タイミング信号を重み係数初期化処理器１１に出力する。
【００６５】
重み係数初期化処理器１１内の自己相関行列算出器３２は接続端子３０を通じてＢＭ乗算器６から整相方位に零感度を有するＮＵＬＬ整相出力Ｙｊ（ｆ，θ1 ）［ｊ＝１，２，３，…，Ｊ］を入力し、式（８）により自己相関行列Ｒyy（ｆ，θ1 ）を算出し、その結果を自己相関行列格納メモリ３４に出力する。
【００６６】
自己相関行列格納メモリ３４は現在の時刻から一定時間さかのぼった時刻までの式（８）で算出された自己相関行列が格納されたＦＩＦＯ形式のメモリで、自己相関行列算出器３２から最新時刻の自己相関行列を入力すると、最も過去の時刻の自己相関行列を廃棄する。さらに、自己相関行列格納メモリ３４は接続端子３８を通じて更新周期発生器１２から前記タイミング信号を入力すると、メモリ内の最新時刻から後段の積分器で必要とされる時間分の自己相関行列を積分器３６に出力する。
【００６７】
積分器３６は自己相関行列格納メモリ３４から指定された積分時間に相当する時間分の自己相関行列を入力すると、行列の各要素毎に加算平均処理を実施し、その結果Ｅ［Ｒyy（ｆ，θ1 ）］（Ｅ［・］は時間平均）を逆行列算出器３９に出力する。
【００６８】
逆行列算出器３９は積分器３６からの時間平均された自己相関行列Ｅ［Ｒyy（ｆ，θ1 ）］の逆行列をＬＵ分解やＣｈｏｌｅｓｋｙ分解等を用いた一般に良く知られた逆行列の解法のアルゴリズムを使用して算出し、その結果Ｅ［Ｒyy（ｆ，θ1 ）］-1を重み係数算出器４０に出力する。
【００６９】
一方、相互相関ベクトル算出器３３は接続端子３０を通じてＢＭ乗算器６から整相方位に零感度を有するＮＵＬＬ整相出力Ｙｊ（ｆ，θ1 ）［ｊ＝１，２，３，…，Ｊ］を入力するとともに、接続端子３１を通じて加算器４から整相方位に最大感度を有する整相出力ｄ（ｆ，θ1 ）を入力し、式（９）により相互相関ベクトルＲdy（ｆ，θ1 ）を算出し、その結果を相互相関ベクトル格納メモリ３５に出力する。
【００７０】
相互相関ベクトル格納メモリ３５は現在の時刻から一定時間さかのぼった時刻までの式（９）で算出された相互相関ベクトルが格納されたＦＩＦＯ形式のメモリで、相互相関ベクトル算出器３３から最新時刻の相互相関ベクトルを入力すると、最も過去の時刻の相互相関ベクトルを廃棄する。さらに、相互相関ベクトル格納メモリ３５は接続端子３８を通じて更新周期発生器１２から前記タイミング信号を入力すると、メモリ内の最新時刻から後段の積分器で必要とされる時間分の相互相関ベクトルを積分器３７に出力する。
【００７１】
積分器３７は相互相関ベクトル格納メモリ３５から指定された積分時間に相当する時間分の相互相関ベクトルを入力すると、ベクトルの各要素毎に加算平均処理を実施し、その結果Ｅ［Ｒdy（ｆ，θ1 ）］（Ｅ［・］は時間平均）を重み係数算出器４０に出力する。
【００７２】
重み係数算出器４０は逆行列算出器３９からは時間平均された自己相関行列Ｅ［Ｒyy（ｆ，θ1 ）］の逆行列Ｅ［Ｒyy（ｆ，θ1 ）］-1を、積分器３７からは時間平均された相互相関ベクトルＥ［Ｒdy（ｆ，θ1 ）］を入力し、式（１０）により重み係数の最適解を求め、その結果を接続端子４１及び接続端子２４を通じて重み係数逐次更新器１０内の重み係数メモリ２３に出力する。
【００７３】
重み係数メモリ２３は、接続端子２４を通じて前記式（１０）の計算結果である重み係数の最適解が重み係数初期化処理器１１から入力されると、重み係数メモリ２３内の重み係数の内容をこの最適解に置き換えることにより重み係数の初期化を図る。これにより、重み係数逐次更新器１０の次回の更新では重み係数算出器４０で算出した重み係数の最適解に対して更新が図られることになる。
【００７４】
このように第１実施例によれば、重み係数逐次更新器１０の更新時間間隔よりも十分遅い間隔で、前記適応フィルタ７の入力信号の自己相関行列の時間平均値の逆行列と該適応フィルタ７の入力信号と参照信号との相互相関ベクトルの時間平均値から重み係数の最適解を算出し、該重み係数の最適解を用いて前記重み係数逐次更新器１０の初期化処理を定期的に行うようにしたので、処理量の大幅な増加無しで適応整相器の性能の大幅な向上が期待できる。
【００７５】
次に、本発明の第２実施例について説明する。第１実施例と第２実施例の相違点は重み係数逐次更新器１０の詳細構成が図２ではなく、図３を用いている点である。なお、第１実施例と同じ部分については同一の番号を付与している。図３において、２０はＢＭ乗算器６との接続端子、２１は減算器５との接続端子、２２はＬＭＳ重み更新器、２３は重み係数メモリ、２７は重み係数選択器、２４は重み係数初期化処理器１１との接続端子、２５は適応フィルタ７との接続端子である。図３は第４実施例における重み係数逐次更新器１０の詳細構成例でもある。
【００７６】
図３において、ＢＭ乗算器６からのＪ本の出力ラインが接続端子２０で束ねて１本のラインとしてＬＭＳ重み更新器２２に接続されているのは第１実施例と同じである。接続端子２５に関しても同様である。図３の重み係数逐次更新器１０の詳細構成が第１実施例と異なる点は、重み係数選択器２７を重み係数初期化処理器１１との接続端子２４の出力側と重み係数メモリ２３の入力側間に設け、さらに重み係数選択器２７にＬＭＳ重み更新器２２の出力を入力するようにした点である。
【００７７】
重み係数逐次更新器１０以外の動作は第１実施例と全く同一であるので、以下、第１実施例と異なる点を中心に、その動作を説明する。
【００７８】
重み係数逐次更新器１０内のＬＭＳ重み更新器２２は、前記整相方位以外から到来する信号成分の更なる低減化を図るため、接続端子２０を通じてＢＭ乗算器６からは前記整相方位に零感度を有するＮＵＬＬ整相出力Ｙｊ（ｆ，θ1 ）［ｊ＝１，２，３，…，Ｊ］を、接続端子２１を通じて減算器５からは適応整相出力ｐ（ｆ，θ1 ）を入力するとともに、重み係数メモリ２３からは１時刻前の重み係数Ｗｊ（ｋ，ｆ）［ｊ＝１，２，３，…，Ｊ］を入力し、式（７）により重み係数Ｗｊ（ｋ，ｆ）の更新処理を行い、更新した重み係数Ｗｊ（ｋ＋１，ｆ）を重み係数メモリ２３及び重み係数選択器２７に出力すると共に、接続端子２５を通じて適応フィルタ７に出力する。ここで、従来技術の場合と同様に、式（７）の正規化係数Ａの設定方法により、各種の更新アルゴリズムを選択することができる。
【００７９】
出力端子９から出力された適応整相出力ｐ（ｆ，θ1 ）は、周波数分析やパワー算出等、各種の信号処理の入力信号として使用される。
【００８０】
一方、更新周期発生器１２は前記重み係数逐次更新器１０の更新周期に比べて十分遅い周期で重み係数初期化のタイミング信号を作成し、該タイミング信号を重み係数初期化処理器１１に出力する。
【００８１】
重み係数初期化処理器１１は更新周期発生器１２から前記タイミング信号が入力されると、第１実施例と同様の処理で、式（１０）により、重み係数の最適解Ｗ 0ｊ（ｆ）［ｊ＝１，２，３，…，Ｊ］を求め、その結果を重み係数逐次更新器１０内の重み係数選択器２７に接続端子２４を通じて出力する。
【００８２】
重み係数選択器２７は重み係数初期化処理器１１から入力された重み係数の最適解Ｗ 0ｊ（ｆ）［ｊ＝１，２，３，…，Ｊ］とＬＭＳ重み更新器２２から入力した最新の重み係数Ｗｊ（ｋ，ｆ）［ｊ＝１，２，３，…，Ｊ］を入力し、両者の誤差から重み係数Ｗｊ（ｋ，ｆ）の信頼性を判定し、重み係数Ｗｊ（ｋ，ｆ）の信頼性が低いと判定された場合には、重み係数初期化処理器１１から入力した重み係数の最適解Ｗ 0ｊ（ｆ）［ｊ＝１，２，３，…，Ｊ］を重み係数メモリ２３に出力する。例えば、重み係数Ｗｊ（ｋ，ｆ）の信頼性は次式で判定することができる。
【００８３】
【数７】
【００８４】
重み係数メモリ２３は、重み係数の最適解Ｗ 0ｊ（ｆ）［ｊ＝１，２，３，…，Ｊ］が重み係数選択器２７から入力されると、重み係数メモリ２３内の重み係数の内容をこの最適解に置き換えることにより重み係数の初期化を図る。
【００８５】
これにより、重み係数逐次更新器１０の次回の更新では重み係数初期化処理器１１で算出した重み係数の最適解に対して更新が図られることになる。
【００８６】
このように、第２実施例によれば、第１実施例と同様に、重み係数逐次更新器１０の更新時間間隔よりも十分遅い間隔で、前記適応フィルタ７の入力信号の自己相関行列の時間平均値の逆行列と該適応フィルタの入力信号と参照信号との相互相関ベクトルの時間平均値から重み係数の最適解を求め、該重み係数の最適解と前記重み係数逐次算出器１０の最新の重み係数の更新結果との誤差を算出し、該誤差がある値以上になった場合、前記重み係数逐次算出器１０の最新の重み係数の信頼性が低いとして前記重み係数の最適解を用いて前記重み係数逐次更新器１０の初期化処理を行うようにしたので、処理量の大幅な増加無しで適応整相器の性能の大幅な向上を期待できるとともに、適応フィルタ７が発散したり、入力信号の状態の変化に適応フィルタ７が追随できなかった場合でも、適応整相器の性能の劣化を最小限に抑えることが期待できる。
【００８７】
次に、本発明の第３実施例について説明する。
【００８８】
第１実施例と第３実施例の相違点は重み係数初期化処理器１１の詳細構成が図４ではなく、図５に示すような重み係数初期化処理器１１の詳細構成を有する点である。なお、第１実施例と同じ部分については同一の番号を付与している。
【００８９】
図５は本発明の第３実施例および第４実施例における重み係数初期化処理器の詳細構成例でもある。
【００９０】
図５において、３０はＢＭ乗算器６に接続された接続端子、３１は加算器４に接続された接続端子、３２は自己相関行列算出器、３３は相互相関ベクトル算出器、３４は自己相関行列格納メモリ、３５は相互相関ベクトル格納メモリ、３６及び３７は積分器、３８は更新周期発生器１２に接続された接続端子、３９は逆行列算出器、４２は計算精度評価器、４０は重み係数算出器、４１は適応フィルタ７に接続された接続端子である。
【００９１】
図５の重み係数初期化処理器１１の詳細構成が第１実施例と異なる点は、計算精度評価器４２を逆行列算出器３９の出力側と重み係数算出器４０の入力側に設け、さらに計算精度評価器４２に積分器３６の出力を入力するようにした点である。
【００９２】
重み係数初期化処理器１１以外の動作は第１実施例と全く同一であるので、以下、第１実施例と異なる点を中心に、その動作を説明する。
【００９３】
更新周期発生器１２は前記重み係数逐次更新器１０の更新周期に比べて十分遅い周期で重み係数初期化のタイミング信号を作成し、該タイミング信号を重み係数初期化処理器１１に出力する。
【００９４】
重み係数初期化処理器１１内の自己相関行列算出器３２は接続端子３０を通じてＢＭ乗算器６から整相方位に零感度を有するＮＵＬＬ整相出力Ｙｊ（ｆ，θ1 ）［ｊ＝１，２，３，・・・，Ｊ］を入力し、式（８）により自己相関行列Ｒyy（ｆ，θ1 ）を算出し、その結果を自己相関行列格納メモリ３４に出力する。
【００９５】
自己相関行列格納メモリ３４は現在の時刻から一定時間さかのぼった時刻までの式（８）で算出された自己相関行列が格納されたＦＩＦＯ形式のメモリで、自己相関行列算出器３２から最新時刻の自己相関行列を入力すると、最も過去の時刻の自己相関行列を廃棄する。さらに、自己相関行列格納メモリ３４は接続端子３８を通じて更新周期発生器１２から前記タイミング信号を入力すると、メモリ内の最新時刻から後段の積分器で必要とされる時間分の自己相関行列を積分器３６に出力する。
【００９６】
積分器３６は自己相関行列格納メモリ３４から指定された積分時間に相当する時間分の自己相関行列を入力すると、行列の各要素毎に加算平均処理を実施し、その結果Ｅ［Ｒyy（ｆ，θ1 ）］（Ｅ［・］は時間平均）を逆行列算出器３９及び計算精度評価器４２に出力する。
【００９７】
逆行列算出器３９は積分器３６からの時間平均された自己相関行列Ｅ［Ｒyy（ｆ，θ1 ）］の逆行列をＬＵ分解やＣｈｏｌｅｓｋｙ分解等を用いた一般に良く知られた逆行列の解法のアルゴリズムを使用して算出し、その結果Ｅ［Ｒyy（ｆ，θ1 ）］-1を計算精度評価器４２に出力する。
【００９８】
計算精度評価器４２は積分器３６から時間平均された自己相関行列Ｅ［Ｒyy（ｆ，θ1 ）］を、逆行列算出器３９からはその逆行列Ｅ［Ｒyy（ｆ，θ1 ）］-1を入力し、例えば次式（１２）で逆行列の計算精度の信頼性を判定し、該判定結果と共に逆行列Ｅ［Ｒyy（ｆ，θ1 ）］-1を重み係数算出器４０に出力する。
【００９９】
全ての要素に関して
｜｛Ｅ［Ｒyy（ｆ，θ1 ）］-1｝・Ｅ［Ｒyy（ｆ，θ1 ）］−Ｉ｜＜η
信頼性が高い …（１２）
ただし、Ｉは単位行列
一方、相互相関ベクトル算出器３３は接続端子３０を通じてＢＭ乗算器６から整相方位に零感度を有するＮＵＬＬ整相出力Ｙｊ（ｆ，θ1 ）［ｊ＝１，２，３，…，Ｊ］を入力するとともに、接続端子３１を通じて加算器４から整相方位に最大感度を有する整相出力ｄ（ｆ，θ1 ）を入力し、式（９）により相互相関ベクトルＲdy（ｆ，θ1 ）を算出し、その結果を相互相関ベクトル格納メモリ３５に出力する。
【０１００】
相互相関ベクトル格納メモリ３５は現在の時刻から一定時間さかのぼった時刻までの式（９）で算出された相互相関ベクトルが格納されたＦＩＦＯ形式のメモリで、相互相関ベクトル算出器３３から最新時刻の相互相関ベクトルを入力すると、最も過去の時刻の相互相関ベクトルを廃棄する。さらに、相互相関ベクトル格納メモリ３５は接続端子３８を通じて更新周期発生器１２から前記タイミング信号を入力すると、メモリ内の最新時刻から後段の積分器で必要とされる時間分の相互相関ベクトルを積分器３７に出力する。
【０１０１】
積分器３７は相互相関ベクトル格納メモリ３５から指定された積分時間に相当する時間分の相互相関ベクトルを入力すると、ベクトルの各要素毎に加算平均処理を実施し、その結果Ｅ［Ｒdy（ｆ，θ1 ）］（Ｅ［・］は時間平均）を重み係数算出器４０に出力する。
【０１０２】
重み係数算出器４０は計算精度評価器４２から逆行列の計算精度の信頼性の判定結果と前記逆行列Ｅ［Ｒyy（ｆ，θ1 ）］-1を、積分器３７からは時間平均された相互相関ベクトルＥ［Ｒdy（ｆ，θ1 ）］を入力し、該計算精度の信頼性の判定結果が高いと判定された場合についてのみ、式（１０）により重み係数の最適解を求め、その結果を接続端子４１及び接続端子２４を通じて重み係数逐次更新器１０内の重み係数メモリ２３に出力する。
【０１０３】
重み係数メモリ２３は、接続端子２４を通じて前記式（１０）の計算結果である重み係数の最適解が重み係数初期化処理器１１から入力されると、重み係数メモリ２３内の重み係数の内容をこの最適解に置き換えることにより重み係数の初期化を図る。これにより、重み係数逐次更新器１０の次回の更新では重み係数算出器４０で算出した重み係数の最適解に対して更新が図られることになる。
【０１０４】
このように第３実施例によれば、第１実施例と同様に、重み係数逐次更新器１０の更新時間間隔よりも十分遅い間隔で、前記適応フィルタの入力信号の自己相関行列の時間平均値の逆行列を求めると共に、該逆行列の計算精度の信頼性の判定を行い、信頼性が高いと判定された場合についてのみ該適応フィルタの入力信号と参照信号との相互相関ベクトルの時間平均値を用いて重み係数の最適解を求め、該重み係数の最適解を用いて前記重み係数逐次更新器１０の初期化処理を行うようにしたので、処理量の大幅な増加無しで適応整相器の性能の大幅な向上を期待できるとともに、入力信号の特性と演算器の精度に依存して前記逆行列が正しく求まらなかった場合においても、適応整相器の性能の劣化を最小限に抑えることが期待できる。
【０１０５】
次に、本発明の第４実施例について説明する。第１実施例と第４実施例の相違点は、重み係数逐次更新器１０の詳細構成が図２ではなく、図３に示すような重み係数逐次更新器１０の詳細構成を有する点と、重み係数初期化処理器１１の詳細構成が図４ではなく図５に示すような重み係数逐次更新器１０を有する点である。
【０１０６】
重み係数逐次更新器１０及び及び初期化処理器１１以外の動作は第１実施例と全く同一であり、重み係数逐次更新器１０の動作は第２実施例と、重み係数初期化処理器１１の動作は第３実施例と全く同一となる。よって、第４実施例においては、前記逆行列の計算精度の信頼性が評価された重み係数の最適解が重み係数逐次更新器１０に出力され、重み係数逐次更新器１０内では、ＬＭＳ重み更新器２２で更新した最新の重み係数と前記逆行列の計算精度の信頼性が評価された重み係数の最適解との誤差から該最新の重み係数の信頼性を判定し、信頼性が低いと判定された場合には、重み係数メモリ２３内の重み係数の内容をこの最適解に置き換えることにより重み係数の初期化を図るようになっている。
【０１０７】
このように、第４実施例によれば、第２実施例と第３実施例の双方の特徴を兼ね備えるように構成したので、処理量の大幅な増加無しで適応整相器の性能の大幅な向上が期待できるとともに、適応フィルタが発散したり、入力信号の状態の変化に適応フィルタが追随できなかった場合や、入力信号の特性と演算器の精度に依存して前記逆行列が正しく求まらなかった場合においても、適応整相器の性能の劣化を最小限に抑えることが期待できる。
【０１０８】
第１〜第４実施例では、適応整相器は周波数領域で実現した場合の周波数ビン１ビンの処理についてのみ記載したが、前記実施例を複数段並列に保有することで複数の周波数ビンに対する適応整相器を構成することができる。
【０１０９】
第１〜第４実施例では、適応整相器を周波数領域で実現した場合についてのみ記載したが、適応フィルタをＦＩＲ型のフィルタで構成すれば、適応整相器を時間領域で実現した場合でも全く同様の手法で本実施例を実現することができる。
【０１１０】
第１〜第４実施例では、適応整相器は１つの整相方位についてのみ記載したが、前記実施例を複数段並列に保有することで、複数の整相方位に対する待受け型適応整相器を構成することができる。
【０１１１】
第１〜第４実施例において、重み係数逐次更新器１０の更新アルゴリズムとしてＬＭＳアルゴリズムと学習アルゴリズムの２種類に関して説明したが、適応フィルタの入力信号の瞬時値と参照信号から適応フィルタの出力信号を減算した誤差信号の瞬時値から逐次的に更新する方法であれば、如何なるアルゴリズムを用いても構わない。
【０１１２】
第１〜第４実施例では、積分器３６及び３７は加算平均型の積分器の場合を用いて説明したが、積分器３６及び３７を指数積分型の積分器を適用しても構わない。その場合には、自己相関行列格納メモリ３４と相互相関ベクトル格納メモリ３５は不要となり、更新周期発生器１２との接続端子３８は積分器３６及び３７と接続されるようになる。すなわち、積分器３６は自己相関行列算出器３２から最新の自己相関行列を入力すると指数積分により積分結果の更新を図り、更新周期発生器１２からのタイミング信号に基づき積分結果を逆行列算出器３９に出力する。積分器３７も全く同様の動作となる。この場合においても第１〜第４実施例とほぼ同様の効果を得ることができる。
【０１１３】
第２及び第４実施例において、重み係数Ｗｊ（ｋ，ｆ）の信頼性を判定する手法として重み係数初期化処理器１１から入力した重み係数の最適解Ｗ 0ｊ（ｆ）［ｊ＝１，２，３，・・・，Ｊ］とＬＭＳ重み更新器２２から入力した最新の重み係数Ｗｊ（ｋ，ｆ）の誤差の２乗和を判定の評価量として使用していたが、評価量として絶対値の和や個々の重み係数の絶対値の差が全て一定の範囲内になっていること等、両者の差が明確に現れる評価量であれば、どんな手法を用いても構わない。
【０１１４】
第３及び第４実施例において、逆行列の計算精度の信頼性を判定する手法として自己相関行列Ｅ［Ｒyy（ｆ，θ1 ）］とその逆行列Ｅ［Ｒyy（ｆ，θ1 ）］-1の行列積を求め、単位行列との差を判定の評価量として使用していたが、逆行列が正しく得られているかどうかわかる手法であればどんな手法を用いても構わない。
【０１１５】
上記した実施例の装置は、集積回路を用いた個別回路で構成しても構わないし、ディジタル・シグナル・プロセッサ（ＤＳＰ）やマイコン等でソフト的に構成しても構わない。
【０１１６】
なお、本発明は上記実施例に限定されるものではなく、本発明の趣旨に基づいて種々の変形が可能であり、それらを本発明の範囲から除外するものではない。
【０１１７】
【発明の効果】
以上、詳細に説明したように、本発明によれば、以下のような効果を奏することができる。
【０１１８】
従来の適応整相器において、重み係数の更新処理を逐次更新型の手法を採用した場合には、最適解への収束速度を速くすると適応整相器としての性能が劣化し、適応整相器としての性能を重視して収束速度を遅くすると信号の方位の変化に追随できなくなるという問題があった。また、収束係数の選び方と入力信号の特性によっては適応フィルタが発散し、一度発散すると復帰するまでに多大な時間がかかるという問題もあった。
【０１１９】
また、重み係数の更新処理を適応フィルタへの入力信号の自己相関行列の時間平均値と入力信号と参照信号の相互相関ベクトルの時間平均値からダイレクトに最適解を求める手法を採用した場合には、適応整相器は最大の性能を発揮するものの、ハード規模が非常に増大し、入力信号の特性と演算器の精度によっては、適応整相器が全く機能しなくなるという場合が発生するという問題があった。
【０１２０】
これらの問題に対して、
（Ａ）第１の発明によれば、前記適応フィルタの入力信号の自己相関行列の時間平均値の逆行列と、該適応フィルタの入力信号と参照信号との相互相関ベクトルの時間平均値から、平均を求めた時間幅における重み係数の最適解を算出する（第１の重み係数）手段と、該適応フィルタの入力信号の瞬時値と、該適応フィルタの参照信号から該適応フィルタの出力信号を減算した誤差信号の瞬時値とを用いて、その時刻における前記適応フィルタの重み係数を逐次的に更新する（第２の重み係数）手段とを設け、該第１の重み係数を初期値として前記第２の重み係数の初期化処理を定期的に行うようにしたので、信号の方位が変化した場合でも、処理量の大幅な増加無しで適応整相器の性能の大幅な向上が期待できる。
【０１２１】
（Ｂ）第２の発明においては、第１の発明に加えて、前記第１の重み係数と第２の重み係数との誤差から、前記第２の重み係数の信頼性を判定する手段を追加し、前記第１の重み係数と第２の重み係数との誤差が一定のしきい値を超え、第２の重み係数の信頼性が低いと判定された場合に関してのみ、前記第１の重み係数を初期値として前記第２の重み係数の初期化処理を適宜行うようにしたので、処理量の大幅な増加無しで適応整相器の性能の大幅な向上を期待できるとともに、適応フィルタが発散したり、入力信号の状態の変化に適応フィルタが追随できなかった場合でも、適応整相器の性能の劣化を最小限に抑えることが期待できる。
【０１２２】
（Ｃ）第３の発明においては、第１の発明に加えて、前記自己相関行列の時間平均値の逆行列の計算精度を評価する手段を追加し、前記逆行列の計算精度が一定の誤差以内であると判定された場合についてのみ、前記第１の重み係数を初期値として前記第２の重み係数の初期化処理を適宜行うようにしたので、処理量の大幅な増加無しで適応整相器の性能の大幅な向上を期待できるとともに、入力信号の特性と演算器の精度に依存して前記逆行列が正しく求まらなかった場合においても、適応整相器の性能の劣化を最小限に抑えることが期待できる。
【０１２３】
（Ｄ）第４の発明においては、第２の発明に加えて、前記自己相関行列の時間平均値の逆行列の計算精度を評価する手段を追加し、前記第１の重み係数と第２の重み係数との誤差が一定のしきい値を超え、第２の重み係数の信頼性が低いと判定された場合で、かつ前記逆行列の計算精度が一定の誤差以内であると判定された場合についてのみ、前記第１の重み係数を初期値として前記第２の重み係数の初期化処理を適宜行うようにしたので、処理量の大幅な増加無しで適応整相器の性能の大幅な向上を期待できるとともに、適応フィルタが発散したり、入力信号の状態の変化に適応フィルタが追随できなかった場合や、入力信号の特性と演算器の精度に依存して前記逆行列が正しく求まらなかった場合においても、適応整相器の性能の劣化を最小限に抑えることが期待できる。
【図面の簡単な説明】
【図１】本発明の第１〜第４実施例に共通な適応整相器の構成図である。
【図２】本発明の第１実施例及び第３実施例における重み係数逐次更新器の詳細構成図である。
【図３】本発明の第２実施例及び第４実施例における重み係数逐次更新器の詳細構成図である。
【図４】本発明の第１実施例及び第２実施例における重み係数初期化処理器の詳細構成図である。
【図５】本発明の第３実施例及び第４実施例における重み係数初期化処理器の詳細構成図である。
【図６】従来の適応整相器の第１構成例を示す図である。
【図７】従来の適応整相器の第２構成例を示す図である。
【図８】従来の適応整相器の重み係数更新器の詳細構成例を示す図である。
【符号の説明】
１−１〜１−Ｎ 音響センサに対応した入力端子
２ 位相補償器
３ 空間窓乗算器
４，８ 加算器
５ 減算器
６ ＢＭ乗算器
７ 適応フィルタ
９ 出力端子
１０ 重み係数逐次更新器
１１ 重み係数初期化処理器
１２ 更新周期発生器
２０，２１，２４，２５，３０，３１，３８，４１ 接続端子
２２ ＬＭＳ重み更新器
２３ 重み係数メモリ
２７ 重み係数選択器
３２ 自己相関行列算出器
３３ 相互相関ベクトル算出器
３４ 自己相関行列格納メモリ
３５ 相互相関ベクトル格納メモリ
３６，３７ 積分器
３９ 逆行列算出器
４０ 重み係数算出器
４２ 計算精度評価器
【発明の属する技術分野】
本発明は、ソーナー等において、目標の方位等の推定のために、複数のセンサで構成されたセンサアレイを用い、干渉波を適応的に除去することによって、目標信号のみを抽出する適応整相システムに関するものである。
【０００２】
【従来の技術】
従来、この種の適応整相方法の一つとして、拘束マトリックス（Ｂｌｏｃｋ Ｍａｔｒｉｘ）による適応整相システムがある。
【０００３】
図６は従来の適応整相システムの適応整相器の第１構成例であり、１−１〜１−Ｎは音響センサに対応した入力端子、２は位相補償器、３は空間窓乗算器、４及び８は加算器、５は減算器、６はＢＭ（Ｂｌｏｃｋ Ｍａｔｒｉｘ）乗算器、７は適応フィルタ、９は出力端子、１３は重み係数更新器である。
【０００４】
適応整相システムとしては、周波数領域で実現した場合の適応整相システムと、時間領域で実現した場合の適応整相システムの２種類が考えられるが、ここでは周波数領域で実現した場合の適応整相システムを例にして述べる。
【０００５】
まず、その適応整相システムの適応整相器の動作について説明する。
【０００６】
Ｎ個のセンサアレイで受信された信号は、デジタル信号の時系列データとして入力され、フーリエ変換等の手法で複数の周波数ビンに分割される。図６の構成例はこの周波数ビン１ビンの適応整相処理を行う構成例となっている。
【０００７】
位相補償器２は、入力端子１−１〜１−Ｎを通じて、Ｎ個のセンサアレイで受信した信号のフーリエ変換結果を取り込み、指定された整相方位θ1 の方向に対してＮ個のチャネルの位相を合わせるように、次式の位相補償を行い、その結果を空間窓乗算器３及びＢＭ乗算器６に出力する。
【０００８】
ＸＢｎ（ｆ，θ1 ）＝Ｘｎ（ｆ）・ｅｘｐ｛−ｊ２πｆτ（θ1 ，ｎ）｝
〔ｎ＝１，２，３，・・・，Ｎ〕 …（１）
τ（θ1 ，ｎ）＝＜ｐ（ｎ），ｅ（θ1 ）＞／ｃ …（２）
ただし、
Ｘｎ（ｆ）：ｎ番目のセンサの位相補償器への入力
ＸＢｎ（ｆ，θ1 ）：ｎ番目のセンサのθ1 方位への位相補償結果
ｐ（ｎ）：ｎ番目のセンサの音響中心からの位置ベクトル
ｅ（θ1 ）：整相方位θ1 への単位ベクトル
＜ａ，ｂ＞：ベクトルａとベクトルｂの内積
ｃ：音速
ｆ：処理する周波数ビンの中心周波数
空間窓乗算器３は位相補償器２から入力した位相補償結果に対して、各センサ毎にシェーディング係数ａ１〜ａＮをそれぞれ乗算し、その結果を、加算器４に出力する。
【０００９】
加算器４は空間窓乗算器３から入力した各センサ毎のシェーディング結果に対して、加算処理を行うことにより、整相方位に最大感度を有するビームを形成し、その結果を減算器５に出力する。
【００１０】
一方、ＢＭ乗算器６は位相補償器２から入力した位相補償結果に対して、次式に示すように拘束マトリックスを乗算することにより、整相方位に零感度を有するナル（ＮＵＬＬ）整相出力をＪビーム分作成し、その結果を、適応フィルタ７及び重み係数更新器１３に出力する。
【００１１】
【数１】
ただし、
ＸＢｎ（ｆ，θ1 ）：ｎ番目のセンサのθ1 方位への位相補償結果
Ｙｊ（ｆ，θ1 ）：θ1 方位に関するｊ番目のＮＵＬＬ整相出力
Ｂｊｎ：ｊ番目のＮＵＬＬに対するｎ番目のセンサの拘束係数
ここで、拘束マトリックスの要素である拘束係数Ｂｊｎは、整相方位の感度を零にする条件である次式（４）を満足する限り、０次拘束、１次微係数拘束等、その他の任意の拘束をかけることができる。
【００１３】
【数２】
適応フィルタ７は、ＢＭ乗算器６から整相方位に零感度を有するＮＵＬＬ整相出力をＪビーム分入力するとともに、重み係数更新器１３より時刻ｋにおける各ＮＵＬＬ整相出力に対する重み係数Ｗｊ（ｋ，ｆ）を入力し、フィルタリング処理を行った後、その結果を加算器８に出力する。ここで、周波数領域でのフィルタリング処理は次式で与えられるように適応フィルタへの入力データと重み係数の乗算で与えられる。
【００１５】
Ｙｆｊ（ｆ，θ1 ）＝Ｙｊ（ｆ，θ1 ）・Ｗｊ（ｋ，ｆ）
［ｊ＝１，２，３，・・・，Ｊ］ …（５）
ただし、
Ｙｆｊ（ｆ，θ1 ）：θ1 方位に関するｊ番目の適応フィルタリング結果
Ｗｊ（ｋ，ｆ）：時刻ｋでのｊ番目の適応フィルタの重み係数
加算器８は、適応フィルタ７からＪビーム分の適応フィルタリング結果を入力し、次式により、これらの加算処理を行い、その結果を減算器５に出力する。
【００１６】
【数３】
減算器５は加算器４から入力された前記整相方位に最大感度を有する整相出力から、加算器８から入力された前記整相方位に零感度を有するＮＵＬＬ整相出力の適応フィルタリング結果を減算することにより、整相方位以外から到来する信号成分の低減を図り、その結果である適応整相出力ｐ（ｆ，θ1 ）を出力端子９に出力すると共に、重み係数更新器１３に出力する。
【００１８】
重み係数更新器１３は、前記整相方位以外から到来する信号成分の更なる低減化を図るため、ＢＭ乗算器６からは整相方位に零感度を有するＮＵＬＬ整相出力Ｙｊ（ｆ，θ1 ）［ｊ＝１，２，３，・・・，Ｊ］を、加算器５からは適応整相出力ｐ（ｆ，θ1 ）を入力し、次式により重み係数Ｗｊ（ｋ，ｆ）の更新処理を行い、更新した重み係数Ｗｊ（ｋ＋１，ｆ）を次の時刻の重み係数として適応フィルタ７に出力する。ここで、正規化係数Ａの設定方法により、各種の更新アルゴリズムを選択することができる。次式（７）で与えられる重み係数の更新式は逐次的に重み係数を更新していくことにより最適解を求める方法である。
【００１９】
【数４】
ただし、
Ｙｊ* （ｆ，θ1 ）：θ1 方位に関するｊ番目のＮＵＬＬ整相出力Ｙｊ（ｆ，θ1 ）の共役複素数
Ｗｊ（ｋ，ｆ）：時刻ｋでのｊ番目の適応フィルタの重み係数
ｐ（ｆ，θ1 ）：θ1 方位に関する適応整相出力
μ：収束係数
Ａ：正規化係数
Ａ＝１（ＬＭＳアルゴリズム）
Ａ＝Ｅ［｜Ｙｊ（ｆ，θ1 ）｜2 ］（学習アルゴリズム）
Ｅ［・］：時間平均
また、出力端子９から出力された適応整相出力ｐ（ｆ，θ1 ）は、周波数分析やパワー算出等、各種の信号処理の入力信号として使用される。
【００２１】
次に、従来技術の第２構成例として、重み係数更新器において重み係数の最適解をその都度算出する方法について述べる。図７に従来技術の第２構成例を、図８に従来技術の第２構成例の重み係数更新器の詳細構成例を示す。
【００２２】
第２構成例が第１構成例と異なる点は、第１構成例の重み係数更新器１３が減算器５の出力と接続されていたのに対し、第２構成例は重み係数更新器１４としてその内部構成を変え、減算器５への入力すなわち加算器４からの出力と接続した点である。 図８において、３０はＢＭ乗算器６に接続された接続端子、３１は加算器４に接続された接続端子、３２は自己相関行列算出器、３３は相互相関ベクトル算出器、４３は自己相関行列格納メモリ、４４は相互相関ベクトル格納メモリ、３６及び３７は積分器、３９は逆行列算出器、４０は重み係数算出器、４１は適応フィルタ７に接続された接続端子である。
【００２３】
図７において、ＢＭ乗算器６はＪ本の出力ラインで重み係数更新器１４と接続されているが、図８においてはこれらＪ本のラインを接続端子３０で束ねて１本のラインとして自己相関行列算出器３２と相互相関ベクトル算出器３３へ接続している。接続端子４１に関しても同様である。加算器４が加算結果を減算器５以外に、重み係数更新器１４に出力するという点を除けば、重み係数更新器１４以外の動作は従来の第１構成例の場合と全く同じであるため、ここでは重み係数更新器１４の動作についてのみ説明する。
【００２４】
自己相関行列算出器３２は接続端子３０を通じてＢＭ乗算器６から整相方位に零感度を有するＮＵＬＬ整相出力Ｙｊ（ｆ，θ1 ）［ｊ＝１，２，３，…，Ｊ］を入力し、次式により自己相関行列Ｒyy（ｆ，θ1 ）を算出し、その結果を自己相関行列格納メモリ４３に出力する。
【００２５】
【数５】
自己相関行列格納メモリ４３は現在の時刻から一定時間さかのぼった時刻までの式（８）で算出された自己相関行列Ｒyyが格納されたＦＩＦＯ形式のメモリで、自己相関行列算出器３２から最新時刻の自己相関行列を入力すると、最も過去の時刻の自己相関行列を廃棄するとともに、後段の積分器で必要とされる時間分の自己相関行列を積分器３６に出力する。
【００２７】
積分器３６は自己相関行列格納メモリ４３から指定された積分時間に相当する時間分の自己相関行列を入力すると、行列の各要素毎に加算平均処理を実施し、その結果Ｅ［Ｒyy（ｆ，θ1 ）］（Ｅ［・］は時間平均）を逆行列算出器３９に出力する。
【００２８】
逆行列算出器３９は積分器３６からの時間平均された自己相関行列Ｅ［Ｒyy（ｆ，θ1 ）］の逆行列をＬＵ分解やＣｈｏｌｅｓｋｙ分解等を用いた一般に良く知られた逆行列の解法のアルゴリズムを使用して算出し、その結果Ｅ［Ｒyy（ｆ，θ1 ）］-1を重み係数算出器４０に出力する。
【００２９】
一方、相互相関ベクトル算出器３３は接続端子３０を通じてＢＭ乗算器６から整相方位に零感度を有するＮＵＬＬ整相出力Ｙｊ（ｆ，θ1 ）［ｊ＝１，２，３，…，Ｊ］を入力するとともに、接続端子３１を通じて加算器４から整相方位に最大感度を有する整相出力ｄ（ｆ，θ1 ）を入力し、次式により相互相関ベクトルＲdy（ｆ，θ1 ）を算出し、その結果を相互相関ベクトル格納メモリ４４に出力する。
【００３０】
【数６】
相互相関ベクトル格納メモリ４４は現在の時刻から一定時間さかのぼった時刻までの式（９）で算出された相互相関ベクトルが格納されたＦＩＦＯ形式のメモリで、相互相関ベクトル算出器３３から最新時刻の相互相関ベクトルを入力すると、最も過去の時刻の相互相関ベクトルを廃棄するとともに、後段の積分器で必要とされる時間分の相互相関ベクトルを積分器３７に出力する。
【００３２】
積分器３７は相互相関ベクトル格納メモリ４４から指定された積分時間に相当する時間分の相互相関ベクトルを入力すると、ベクトルの各要素毎に加算平均処理を実施し、その結果Ｅ［Ｒdy（ｆ，θ1 ）］（Ｅ［・］は時間平均）を重み係数算出器４０に出力する。
【００３３】
重み係数算出器４０は逆行列算出器３９からは時間平均された自己相関行列Ｅ［Ｒyy（ｆ，θ1 ）］の逆行列Ｅ［Ｒyy（ｆ，θ1 ）］-1を、積分器３７からは時間平均された相互相関ベクトルＥ［Ｒdy（ｆ，θ1 ）］を入力し、次式により重み係数の最適解を求め、その結果を接続端子４１を通じて適応フィルタ７に出力する。
【００３４】
Ｗｊ（ｋ，ｆ）＝｛Ｅ［Ｒyy（ｆ，θ1 ）］-1｝・Ｅ［Ｒdy（ｆ，θ1 ）］ …（１０）
以下、第１構成例と同じように処理されていく。
【００３５】
【発明が解決しようとする課題】
しかしながら、従来の適応整相システムでは、以下のような問題が存在した。
【００３６】
従来技術の第１構成例における重み係数の更新処理は、適応フィルタの重み係数を逐次的に更新して最適解に近づけていく手法である。この最適解に近づけていく速度（収束速度）は式（７）のμの値に依存し、μの値が大きいほどその収束速度は速いが、適応フィルタの残留誤差は多くなり、結果として適応整相器としての能力は劣化する。μの値を小さくすると適応フィルタの残留誤差が小さくなることから適応整相器としての能力は改善されるが、重み係数の初期値の選び方によっては収束までに多大な時間がかかるようになる。ここで、重み係数が収束している時間において、受信している信号の方位が移動する等、入力信号の状態が変化すれば、適応フィルタはμの値が小さいことからそれに十分追随できず、結果として適応整相器の能力は劣化してしまうことになる。
【００３７】
また、μの値の選び方と入力信号の特性によっては適応フィルタ７が発散することもあり、一度発散すると適応フィルタが正しい重み係数に収束するまでには莫大な収束時間が必要となることもある。
【００３８】
従来技術の第２構成例における重み係数の更新処理は、適応フィルタへの入力信号の自己相関行列の時間平均値と、入力信号と参照信号の相互相関ベクトルの時間平均値とからダイレクトに最適解を求める手法である。
【００３９】
この手法は、最適解がダイレクトに得られることから、適応整相器は最大の能力を発揮することが期待できる。しかしながら、前記入力信号の自己相関行列の時間平均値の逆行列を算出するのに莫大な処理量がかかり、ハード規模が増大する。また、入力信号の特性と演算器の精度によっては正しく逆行列が求まらないこともあり、その場合には適応整相器は全く機能を果たさなくなる。
【００４０】
本発明は、上記問題点を除去し、適応整相器の能力を向上させることができる適応整相システムを提供することを目的とする。
【００４１】
【課題を解決するための手段】
本発明は、上記目的を達成するために、
〔１〕第１の発明においては、複数のセンサで構成されるセンサアレイで受信した信号を用いて、整相方位に最大感度を有する整相出力と整相方位に零感度を有するＮＵＬＬ整相出力を作成し、前記整相方位に最大感度を有する整相出力を適応フィルタの参照信号とし、前記整相方位に零感度を有するＮＵＬＬ整相出力を適応フィルタの入力信号として、整相方位以外から到来する信号を適応フィルタを用いて適応的に除去する適応整相システムにおいて、前記適応フィルタの入力信号の自己相関行列の時間平均値の逆行列と、前記適応フィルタの入力信号と参照信号との相互相関ベクトルの時間平均値から、平均を求めた時間幅における重み係数の最適解を算出する（以下、第１の重み係数とする）手段と、前記適応フィルタの入力信号の瞬時値と前記適応フィルタの参照信号から前記適応フィルタの出力信号を減算した誤差信号の瞬時値とを用いて、その時刻における前記適応フィルタの重み係数を逐次的に更新する（以下、第２の重み係数とする）手段とを設けたもので、前記第２の重み係数の更新時間間隔よりも十分遅い間隔で前記第１の重み係数を算出し、前記第１の重み係数が算出される毎に前記第１の重み係数を初期値として前記第２の重み係数の初期化処理を行うようにし、前記定期的に初期化される第２の重み係数を用いて前記適応フィルタのフィルタリング処理をするようにしたものである。
【００４２】
〔２〕第２の発明においては、第１の発明に加えて、前記第１の重み係数と第２の重み係数との誤差から、前記第２の重み係数の信頼性を判定する手段を追加したもので、適応フィルタが発散したり、入力信号の状態の変化に適応フィルタが追随できなかった場合に第１の重み係数と第２の重み係数が大きく変わることに着目して、前記第１の重み係数と第２の重み係数との誤差が一定の閾値を超え、第２の重み係数の信頼性が低いと判断された場合に関してのみ、前記第１の重み係数を初期値として前記第２の重み係数の初期化処理を行うようにし、適宜初期化される第２の重み係数を用いて前記適応フィルタのフィルタリング処理をするようにしたものである。
【００４３】
〔３〕第３の発明においては、第１の発明に加えて、前記自己相関行列の時間平均値の逆行列の計算精度を評価する手段を追加したもので、入力信号の特性と演算器の精度によっては正しく逆行列が算出されず、結果として適応整相器の能力劣化が発生するという問題を避けるため、前記逆行列の計算精度が一定の誤差以内であると判定された場合についてのみ、前記第１の重み係数を初期値として前記第２の重み係数の初期化処理を行うようにし、適宜初期化される第２の重み係数を用いて前記適応フィルタのフィルタリング処理をするようにしたものである。
【００４４】
〔４〕第４の発明においては、第２の発明に加えて、前記自己相関行列の時間平均値の逆行列の計算精度を評価する手段を追加したもので、前記第１の重み係数と第２の重み係数との誤差が一定の閾値を超え、第２の重み係数の信頼性が低いと判定された場合で、かつ前記逆行列の計算精度が一定の誤差以内であると判定された場合についてのみ、前記第１の重み係数を初期値として前記第２の重み係数の初期化処理を行うようにし、適宜初期化される第２の重み係数を用いて前記適応フィルタのフィルタリング処理をするようにしたものである。
【００４５】
【発明の実施の形態】
以下、本発明の実施の形態について図を参照しながら詳細に説明する。
【００４６】
以下に本発明の第１実施例について説明する。
【００４７】
図１は本発明の第１〜第４実施例に共通な適応整相器の構成図である。第１実施例から第４実施例までの相違点は重み係数逐次更新器１０と重み係数初期化処理器１１の詳細構成である。
【００４８】
図１において、１−１〜１−Ｎは音響センサに対応した入力端子、２は位相補償器、３は空間窓乗算器、４及び８は加算器、５は減算器、６はＢＭ乗算器、７は適応フィルタ、９は出力端子、１０は重み係数逐次更新器、１１は重み係数初期化処理器、１２は更新周期発生器である。
【００４９】
図２は本発明の第１実施例及び第３実施例における重み係数逐次更新器１０の詳細構成図で、２０はＢＭ乗算器６との接続端子、２１は減算器５との接続端子、２２はＬＭＳ重み更新器、２３は重み係数メモリ、２４は重み係数初期化処理器１１との接続端子、２５は適応フィルタ７との接続端子である。
【００５０】
図４は本発明の第１実施例及び第２実施例における重み係数初期化処理器の詳細構成図で、３０はＢＭ乗算器６に接続された接続端子、３１は加算器４に接続された接続端子、３２は自己相関行列算出器、３３は相互相関ベクトル算出器、３４は自己相関行列格納メモリ、３５は相互相関ベクトル格納メモリ、３６及び３７は積分器、３８は更新周期発生器１２に接続された接続端子、３９は逆行列算出器、４０は重み係数算出器、４１は適応フィルタ７に接続された接続端子である。
【００５１】
ここで、従来技術と同じ構成要素には同じ番号を付与している。図１において、ＢＭ乗算器６はＪ本の出力ラインで重み係数逐次更新器１０及び重み係数初期化処理器１１と接続されているが、図２においてはこれらＪ本のラインを接続端子２０で束ねて１本のラインとしてＬＭＳ重み更新器２２に、図４においてはこれらＪ本のラインを接続端子３０で束ねて１本のラインとして自己相関行列算出器３２及び相互相関ベクトル算出器３３と接続している。接続端子２５及び４１に関しても同様である。
【００５２】
次に、この適応整相器の動作について説明する。
【００５３】
Ｎ個のセンサアレイで受信された信号は、デジタル信号の時系列データとして入力され、フーリエ変換等の手法で複数の周波数ビンに分割される。図１の構成例はこの周波数ビン１ビンの適応整相処理を行う構成例となっている。
【００５４】
位相補償器２は、入力端子１−１〜１−Ｎを通じて、Ｎ個のセンサアレイで受信した信号のフーリエ変換結果を取り込み、指定された整相方位の方向に対してＮ個のチャネルの位相を合わせるように、式（１）及び式（２）による位相補償を行い、その結果を空間窓乗算器３及びＢＭ乗算器６に出力する。
【００５５】
空間窓乗算器３は位相補償器２から入力した位相補償結果に対して、各センサ毎にシェーディング係数ａ１〜ａＮをそれぞれ乗算し、その結果を加算器４に出力する。
【００５６】
加算器４は空間窓乗算器３から入力した各センサ毎のシェーディング結果に対して、加算処理を行うことにより、整相方位に最大感度を有するビームを形成し、その結果を減算器５及び重み係数初期化処理器１１に出力する。
【００５７】
一方、ＢＭ乗算器６は位相補償器２から入力した位相補償結果に対して、式（３）を用いて拘束マトリックスを乗算することにより、整相方位に零感度を有するナル（ＮＵＬＬ）整相出力をＪビーム分作成し、その結果を適応フィルタ７、重み係数逐次更新器１０及び重み係数初期化処理器１１に出力する。
【００５８】
ここで、従来技術と同様に拘束マトリックスの要素である拘束係数Ｂｊｎは、整相方位の感度を零にする条件である次式（４）を満足する限り、０次拘束、１次微係数拘束等、その他の任意の拘束をかけることができる。
【００５９】
適応フィルタ７は、ＢＭ乗算器６から整相方位に零感度を有するＮＵＬＬ整相出力をＪビーム分入力するとともに、重み係数逐次更新器１０より時刻ｋにおける各ＮＵＬＬ整相出力に対する重み係数Ｗｊ（ｋ，ｆ）を入力し、フィルタリング処理を行った後、その結果を加算器８に出力する。ここで、周波数領域でのフィルタリング処理は式（５）で与えられるように適応フィルタへの入力データと重み係数の乗算で与えられる。
【００６０】
加算器８は、適応フィルタ７からＪビーム分の適応フィルタリング結果を入力し、式（６）によりこれらの加算処理を行い、その結果を減算器５に出力する。
【００６１】
減算器５は加算器４から入力された前記整相方位に最大感度を有する整相出力から、加算器８から入力された前記整相方位に零感度を有するＮＵＬＬ整相出力の適応フィルタリング結果を減算することにより、整相方位以外から到来する信号成分の低減化を図り、その結果である適応整相出力ｐ（ｆ，θ1 ）を出力端子９に出力すると共に、重み係数逐次更新器１０に出力する。
【００６２】
重み係数逐次更新器１０内のＬＭＳ重み更新器２２は、前記整相方位以外から到来する信号成分の更なる低減化を図るため、接続端子２０を通じてＢＭ乗算器６からは整相方位に零感度を有するＮＵＬＬ整相出力Ｙｊ（ｆ，θ1 ）［ｊ＝１，２，３，…，Ｊ］を、接続端子２１を通じて減算器５からは適応整相出力ｐ（ｆ，θ1 ）を入力するとともに、重み係数メモリ２３からは１時刻前の重み係数Ｗｊ（ｋ，ｆ）［ｊ＝１，２，３，…，Ｊ］を入力し、式（７）により重み係数Ｗｊ（ｋ，ｆ）の更新処理を行い、更新した重み係数Ｗｊ（ｋ＋１，ｆ）を重み係数メモリ２３に出力すると共に、接続端子２５を通じて適応フィルタ７に出力する。ここで、従来技術の場合と同様に、式（７）の正規化係数Ａの設定方法により、各種の更新アルゴリズムを選択することができる。
【００６３】
出力端子９から出力された適応整相出力ｐ（ｆ，θ1 ）は、周波数分析やパワー算出等、各種の信号処理の入力信号として使用される。
【００６４】
一方、更新周期発生器１２は前記重み係数逐次更新器１０の更新周期に比べて十分遅い周期で重み係数初期化のタイミング信号を作成し、該タイミング信号を重み係数初期化処理器１１に出力する。
【００６５】
重み係数初期化処理器１１内の自己相関行列算出器３２は接続端子３０を通じてＢＭ乗算器６から整相方位に零感度を有するＮＵＬＬ整相出力Ｙｊ（ｆ，θ1 ）［ｊ＝１，２，３，…，Ｊ］を入力し、式（８）により自己相関行列Ｒyy（ｆ，θ1 ）を算出し、その結果を自己相関行列格納メモリ３４に出力する。
【００６６】
自己相関行列格納メモリ３４は現在の時刻から一定時間さかのぼった時刻までの式（８）で算出された自己相関行列が格納されたＦＩＦＯ形式のメモリで、自己相関行列算出器３２から最新時刻の自己相関行列を入力すると、最も過去の時刻の自己相関行列を廃棄する。さらに、自己相関行列格納メモリ３４は接続端子３８を通じて更新周期発生器１２から前記タイミング信号を入力すると、メモリ内の最新時刻から後段の積分器で必要とされる時間分の自己相関行列を積分器３６に出力する。
【００６７】
積分器３６は自己相関行列格納メモリ３４から指定された積分時間に相当する時間分の自己相関行列を入力すると、行列の各要素毎に加算平均処理を実施し、その結果Ｅ［Ｒyy（ｆ，θ1 ）］（Ｅ［・］は時間平均）を逆行列算出器３９に出力する。
【００６８】
逆行列算出器３９は積分器３６からの時間平均された自己相関行列Ｅ［Ｒyy（ｆ，θ1 ）］の逆行列をＬＵ分解やＣｈｏｌｅｓｋｙ分解等を用いた一般に良く知られた逆行列の解法のアルゴリズムを使用して算出し、その結果Ｅ［Ｒyy（ｆ，θ1 ）］-1を重み係数算出器４０に出力する。
【００６９】
一方、相互相関ベクトル算出器３３は接続端子３０を通じてＢＭ乗算器６から整相方位に零感度を有するＮＵＬＬ整相出力Ｙｊ（ｆ，θ1 ）［ｊ＝１，２，３，…，Ｊ］を入力するとともに、接続端子３１を通じて加算器４から整相方位に最大感度を有する整相出力ｄ（ｆ，θ1 ）を入力し、式（９）により相互相関ベクトルＲdy（ｆ，θ1 ）を算出し、その結果を相互相関ベクトル格納メモリ３５に出力する。
【００７０】
相互相関ベクトル格納メモリ３５は現在の時刻から一定時間さかのぼった時刻までの式（９）で算出された相互相関ベクトルが格納されたＦＩＦＯ形式のメモリで、相互相関ベクトル算出器３３から最新時刻の相互相関ベクトルを入力すると、最も過去の時刻の相互相関ベクトルを廃棄する。さらに、相互相関ベクトル格納メモリ３５は接続端子３８を通じて更新周期発生器１２から前記タイミング信号を入力すると、メモリ内の最新時刻から後段の積分器で必要とされる時間分の相互相関ベクトルを積分器３７に出力する。
【００７１】
積分器３７は相互相関ベクトル格納メモリ３５から指定された積分時間に相当する時間分の相互相関ベクトルを入力すると、ベクトルの各要素毎に加算平均処理を実施し、その結果Ｅ［Ｒdy（ｆ，θ1 ）］（Ｅ［・］は時間平均）を重み係数算出器４０に出力する。
【００７２】
重み係数算出器４０は逆行列算出器３９からは時間平均された自己相関行列Ｅ［Ｒyy（ｆ，θ1 ）］の逆行列Ｅ［Ｒyy（ｆ，θ1 ）］-1を、積分器３７からは時間平均された相互相関ベクトルＥ［Ｒdy（ｆ，θ1 ）］を入力し、式（１０）により重み係数の最適解を求め、その結果を接続端子４１及び接続端子２４を通じて重み係数逐次更新器１０内の重み係数メモリ２３に出力する。
【００７３】
重み係数メモリ２３は、接続端子２４を通じて前記式（１０）の計算結果である重み係数の最適解が重み係数初期化処理器１１から入力されると、重み係数メモリ２３内の重み係数の内容をこの最適解に置き換えることにより重み係数の初期化を図る。これにより、重み係数逐次更新器１０の次回の更新では重み係数算出器４０で算出した重み係数の最適解に対して更新が図られることになる。
【００７４】
このように第１実施例によれば、重み係数逐次更新器１０の更新時間間隔よりも十分遅い間隔で、前記適応フィルタ７の入力信号の自己相関行列の時間平均値の逆行列と該適応フィルタ７の入力信号と参照信号との相互相関ベクトルの時間平均値から重み係数の最適解を算出し、該重み係数の最適解を用いて前記重み係数逐次更新器１０の初期化処理を定期的に行うようにしたので、処理量の大幅な増加無しで適応整相器の性能の大幅な向上が期待できる。
【００７５】
次に、本発明の第２実施例について説明する。第１実施例と第２実施例の相違点は重み係数逐次更新器１０の詳細構成が図２ではなく、図３を用いている点である。なお、第１実施例と同じ部分については同一の番号を付与している。図３において、２０はＢＭ乗算器６との接続端子、２１は減算器５との接続端子、２２はＬＭＳ重み更新器、２３は重み係数メモリ、２７は重み係数選択器、２４は重み係数初期化処理器１１との接続端子、２５は適応フィルタ７との接続端子である。図３は第４実施例における重み係数逐次更新器１０の詳細構成例でもある。
【００７６】
図３において、ＢＭ乗算器６からのＪ本の出力ラインが接続端子２０で束ねて１本のラインとしてＬＭＳ重み更新器２２に接続されているのは第１実施例と同じである。接続端子２５に関しても同様である。図３の重み係数逐次更新器１０の詳細構成が第１実施例と異なる点は、重み係数選択器２７を重み係数初期化処理器１１との接続端子２４の出力側と重み係数メモリ２３の入力側間に設け、さらに重み係数選択器２７にＬＭＳ重み更新器２２の出力を入力するようにした点である。
【００７７】
重み係数逐次更新器１０以外の動作は第１実施例と全く同一であるので、以下、第１実施例と異なる点を中心に、その動作を説明する。
【００７８】
重み係数逐次更新器１０内のＬＭＳ重み更新器２２は、前記整相方位以外から到来する信号成分の更なる低減化を図るため、接続端子２０を通じてＢＭ乗算器６からは前記整相方位に零感度を有するＮＵＬＬ整相出力Ｙｊ（ｆ，θ1 ）［ｊ＝１，２，３，…，Ｊ］を、接続端子２１を通じて減算器５からは適応整相出力ｐ（ｆ，θ1 ）を入力するとともに、重み係数メモリ２３からは１時刻前の重み係数Ｗｊ（ｋ，ｆ）［ｊ＝１，２，３，…，Ｊ］を入力し、式（７）により重み係数Ｗｊ（ｋ，ｆ）の更新処理を行い、更新した重み係数Ｗｊ（ｋ＋１，ｆ）を重み係数メモリ２３及び重み係数選択器２７に出力すると共に、接続端子２５を通じて適応フィルタ７に出力する。ここで、従来技術の場合と同様に、式（７）の正規化係数Ａの設定方法により、各種の更新アルゴリズムを選択することができる。
【００７９】
出力端子９から出力された適応整相出力ｐ（ｆ，θ1 ）は、周波数分析やパワー算出等、各種の信号処理の入力信号として使用される。
【００８０】
一方、更新周期発生器１２は前記重み係数逐次更新器１０の更新周期に比べて十分遅い周期で重み係数初期化のタイミング信号を作成し、該タイミング信号を重み係数初期化処理器１１に出力する。
【００８１】
重み係数初期化処理器１１は更新周期発生器１２から前記タイミング信号が入力されると、第１実施例と同様の処理で、式（１０）により、重み係数の最適解Ｗ 0ｊ（ｆ）［ｊ＝１，２，３，…，Ｊ］を求め、その結果を重み係数逐次更新器１０内の重み係数選択器２７に接続端子２４を通じて出力する。
【００８２】
重み係数選択器２７は重み係数初期化処理器１１から入力された重み係数の最適解Ｗ 0ｊ（ｆ）［ｊ＝１，２，３，…，Ｊ］とＬＭＳ重み更新器２２から入力した最新の重み係数Ｗｊ（ｋ，ｆ）［ｊ＝１，２，３，…，Ｊ］を入力し、両者の誤差から重み係数Ｗｊ（ｋ，ｆ）の信頼性を判定し、重み係数Ｗｊ（ｋ，ｆ）の信頼性が低いと判定された場合には、重み係数初期化処理器１１から入力した重み係数の最適解Ｗ 0ｊ（ｆ）［ｊ＝１，２，３，…，Ｊ］を重み係数メモリ２３に出力する。例えば、重み係数Ｗｊ（ｋ，ｆ）の信頼性は次式で判定することができる。
【００８３】
【数７】
重み係数メモリ２３は、重み係数の最適解Ｗ 0ｊ（ｆ）［ｊ＝１，２，３，…，Ｊ］が重み係数選択器２７から入力されると、重み係数メモリ２３内の重み係数の内容をこの最適解に置き換えることにより重み係数の初期化を図る。
【００８５】
これにより、重み係数逐次更新器１０の次回の更新では重み係数初期化処理器１１で算出した重み係数の最適解に対して更新が図られることになる。
【００８６】
このように、第２実施例によれば、第１実施例と同様に、重み係数逐次更新器１０の更新時間間隔よりも十分遅い間隔で、前記適応フィルタ７の入力信号の自己相関行列の時間平均値の逆行列と該適応フィルタの入力信号と参照信号との相互相関ベクトルの時間平均値から重み係数の最適解を求め、該重み係数の最適解と前記重み係数逐次算出器１０の最新の重み係数の更新結果との誤差を算出し、該誤差がある値以上になった場合、前記重み係数逐次算出器１０の最新の重み係数の信頼性が低いとして前記重み係数の最適解を用いて前記重み係数逐次更新器１０の初期化処理を行うようにしたので、処理量の大幅な増加無しで適応整相器の性能の大幅な向上を期待できるとともに、適応フィルタ７が発散したり、入力信号の状態の変化に適応フィルタ７が追随できなかった場合でも、適応整相器の性能の劣化を最小限に抑えることが期待できる。
【００８７】
次に、本発明の第３実施例について説明する。
【００８８】
第１実施例と第３実施例の相違点は重み係数初期化処理器１１の詳細構成が図４ではなく、図５に示すような重み係数初期化処理器１１の詳細構成を有する点である。なお、第１実施例と同じ部分については同一の番号を付与している。
【００８９】
図５は本発明の第３実施例および第４実施例における重み係数初期化処理器の詳細構成例でもある。
【００９０】
図５において、３０はＢＭ乗算器６に接続された接続端子、３１は加算器４に接続された接続端子、３２は自己相関行列算出器、３３は相互相関ベクトル算出器、３４は自己相関行列格納メモリ、３５は相互相関ベクトル格納メモリ、３６及び３７は積分器、３８は更新周期発生器１２に接続された接続端子、３９は逆行列算出器、４２は計算精度評価器、４０は重み係数算出器、４１は適応フィルタ７に接続された接続端子である。
【００９１】
図５の重み係数初期化処理器１１の詳細構成が第１実施例と異なる点は、計算精度評価器４２を逆行列算出器３９の出力側と重み係数算出器４０の入力側に設け、さらに計算精度評価器４２に積分器３６の出力を入力するようにした点である。
【００９２】
重み係数初期化処理器１１以外の動作は第１実施例と全く同一であるので、以下、第１実施例と異なる点を中心に、その動作を説明する。
【００９３】
更新周期発生器１２は前記重み係数逐次更新器１０の更新周期に比べて十分遅い周期で重み係数初期化のタイミング信号を作成し、該タイミング信号を重み係数初期化処理器１１に出力する。
【００９４】
重み係数初期化処理器１１内の自己相関行列算出器３２は接続端子３０を通じてＢＭ乗算器６から整相方位に零感度を有するＮＵＬＬ整相出力Ｙｊ（ｆ，θ1 ）［ｊ＝１，２，３，・・・，Ｊ］を入力し、式（８）により自己相関行列Ｒyy（ｆ，θ1 ）を算出し、その結果を自己相関行列格納メモリ３４に出力する。
【００９５】
自己相関行列格納メモリ３４は現在の時刻から一定時間さかのぼった時刻までの式（８）で算出された自己相関行列が格納されたＦＩＦＯ形式のメモリで、自己相関行列算出器３２から最新時刻の自己相関行列を入力すると、最も過去の時刻の自己相関行列を廃棄する。さらに、自己相関行列格納メモリ３４は接続端子３８を通じて更新周期発生器１２から前記タイミング信号を入力すると、メモリ内の最新時刻から後段の積分器で必要とされる時間分の自己相関行列を積分器３６に出力する。
【００９６】
積分器３６は自己相関行列格納メモリ３４から指定された積分時間に相当する時間分の自己相関行列を入力すると、行列の各要素毎に加算平均処理を実施し、その結果Ｅ［Ｒyy（ｆ，θ1 ）］（Ｅ［・］は時間平均）を逆行列算出器３９及び計算精度評価器４２に出力する。
【００９７】
逆行列算出器３９は積分器３６からの時間平均された自己相関行列Ｅ［Ｒyy（ｆ，θ1 ）］の逆行列をＬＵ分解やＣｈｏｌｅｓｋｙ分解等を用いた一般に良く知られた逆行列の解法のアルゴリズムを使用して算出し、その結果Ｅ［Ｒyy（ｆ，θ1 ）］-1を計算精度評価器４２に出力する。
【００９８】
計算精度評価器４２は積分器３６から時間平均された自己相関行列Ｅ［Ｒyy（ｆ，θ1 ）］を、逆行列算出器３９からはその逆行列Ｅ［Ｒyy（ｆ，θ1 ）］-1を入力し、例えば次式（１２）で逆行列の計算精度の信頼性を判定し、該判定結果と共に逆行列Ｅ［Ｒyy（ｆ，θ1 ）］-1を重み係数算出器４０に出力する。
【００９９】
全ての要素に関して
｜｛Ｅ［Ｒyy（ｆ，θ1 ）］-1｝・Ｅ［Ｒyy（ｆ，θ1 ）］−Ｉ｜＜η
信頼性が高い …（１２）
ただし、Ｉは単位行列
一方、相互相関ベクトル算出器３３は接続端子３０を通じてＢＭ乗算器６から整相方位に零感度を有するＮＵＬＬ整相出力Ｙｊ（ｆ，θ1 ）［ｊ＝１，２，３，…，Ｊ］を入力するとともに、接続端子３１を通じて加算器４から整相方位に最大感度を有する整相出力ｄ（ｆ，θ1 ）を入力し、式（９）により相互相関ベクトルＲdy（ｆ，θ1 ）を算出し、その結果を相互相関ベクトル格納メモリ３５に出力する。
【０１００】
相互相関ベクトル格納メモリ３５は現在の時刻から一定時間さかのぼった時刻までの式（９）で算出された相互相関ベクトルが格納されたＦＩＦＯ形式のメモリで、相互相関ベクトル算出器３３から最新時刻の相互相関ベクトルを入力すると、最も過去の時刻の相互相関ベクトルを廃棄する。さらに、相互相関ベクトル格納メモリ３５は接続端子３８を通じて更新周期発生器１２から前記タイミング信号を入力すると、メモリ内の最新時刻から後段の積分器で必要とされる時間分の相互相関ベクトルを積分器３７に出力する。
【０１０１】
積分器３７は相互相関ベクトル格納メモリ３５から指定された積分時間に相当する時間分の相互相関ベクトルを入力すると、ベクトルの各要素毎に加算平均処理を実施し、その結果Ｅ［Ｒdy（ｆ，θ1 ）］（Ｅ［・］は時間平均）を重み係数算出器４０に出力する。
【０１０２】
重み係数算出器４０は計算精度評価器４２から逆行列の計算精度の信頼性の判定結果と前記逆行列Ｅ［Ｒyy（ｆ，θ1 ）］-1を、積分器３７からは時間平均された相互相関ベクトルＥ［Ｒdy（ｆ，θ1 ）］を入力し、該計算精度の信頼性の判定結果が高いと判定された場合についてのみ、式（１０）により重み係数の最適解を求め、その結果を接続端子４１及び接続端子２４を通じて重み係数逐次更新器１０内の重み係数メモリ２３に出力する。
【０１０３】
重み係数メモリ２３は、接続端子２４を通じて前記式（１０）の計算結果である重み係数の最適解が重み係数初期化処理器１１から入力されると、重み係数メモリ２３内の重み係数の内容をこの最適解に置き換えることにより重み係数の初期化を図る。これにより、重み係数逐次更新器１０の次回の更新では重み係数算出器４０で算出した重み係数の最適解に対して更新が図られることになる。
【０１０４】
このように第３実施例によれば、第１実施例と同様に、重み係数逐次更新器１０の更新時間間隔よりも十分遅い間隔で、前記適応フィルタの入力信号の自己相関行列の時間平均値の逆行列を求めると共に、該逆行列の計算精度の信頼性の判定を行い、信頼性が高いと判定された場合についてのみ該適応フィルタの入力信号と参照信号との相互相関ベクトルの時間平均値を用いて重み係数の最適解を求め、該重み係数の最適解を用いて前記重み係数逐次更新器１０の初期化処理を行うようにしたので、処理量の大幅な増加無しで適応整相器の性能の大幅な向上を期待できるとともに、入力信号の特性と演算器の精度に依存して前記逆行列が正しく求まらなかった場合においても、適応整相器の性能の劣化を最小限に抑えることが期待できる。
【０１０５】
次に、本発明の第４実施例について説明する。第１実施例と第４実施例の相違点は、重み係数逐次更新器１０の詳細構成が図２ではなく、図３に示すような重み係数逐次更新器１０の詳細構成を有する点と、重み係数初期化処理器１１の詳細構成が図４ではなく図５に示すような重み係数逐次更新器１０を有する点である。
【０１０６】
重み係数逐次更新器１０及び及び初期化処理器１１以外の動作は第１実施例と全く同一であり、重み係数逐次更新器１０の動作は第２実施例と、重み係数初期化処理器１１の動作は第３実施例と全く同一となる。よって、第４実施例においては、前記逆行列の計算精度の信頼性が評価された重み係数の最適解が重み係数逐次更新器１０に出力され、重み係数逐次更新器１０内では、ＬＭＳ重み更新器２２で更新した最新の重み係数と前記逆行列の計算精度の信頼性が評価された重み係数の最適解との誤差から該最新の重み係数の信頼性を判定し、信頼性が低いと判定された場合には、重み係数メモリ２３内の重み係数の内容をこの最適解に置き換えることにより重み係数の初期化を図るようになっている。
【０１０７】
このように、第４実施例によれば、第２実施例と第３実施例の双方の特徴を兼ね備えるように構成したので、処理量の大幅な増加無しで適応整相器の性能の大幅な向上が期待できるとともに、適応フィルタが発散したり、入力信号の状態の変化に適応フィルタが追随できなかった場合や、入力信号の特性と演算器の精度に依存して前記逆行列が正しく求まらなかった場合においても、適応整相器の性能の劣化を最小限に抑えることが期待できる。
【０１０８】
第１〜第４実施例では、適応整相器は周波数領域で実現した場合の周波数ビン１ビンの処理についてのみ記載したが、前記実施例を複数段並列に保有することで複数の周波数ビンに対する適応整相器を構成することができる。
【０１０９】
第１〜第４実施例では、適応整相器を周波数領域で実現した場合についてのみ記載したが、適応フィルタをＦＩＲ型のフィルタで構成すれば、適応整相器を時間領域で実現した場合でも全く同様の手法で本実施例を実現することができる。
【０１１０】
第１〜第４実施例では、適応整相器は１つの整相方位についてのみ記載したが、前記実施例を複数段並列に保有することで、複数の整相方位に対する待受け型適応整相器を構成することができる。
【０１１１】
第１〜第４実施例において、重み係数逐次更新器１０の更新アルゴリズムとしてＬＭＳアルゴリズムと学習アルゴリズムの２種類に関して説明したが、適応フィルタの入力信号の瞬時値と参照信号から適応フィルタの出力信号を減算した誤差信号の瞬時値から逐次的に更新する方法であれば、如何なるアルゴリズムを用いても構わない。
【０１１２】
第１〜第４実施例では、積分器３６及び３７は加算平均型の積分器の場合を用いて説明したが、積分器３６及び３７を指数積分型の積分器を適用しても構わない。その場合には、自己相関行列格納メモリ３４と相互相関ベクトル格納メモリ３５は不要となり、更新周期発生器１２との接続端子３８は積分器３６及び３７と接続されるようになる。すなわち、積分器３６は自己相関行列算出器３２から最新の自己相関行列を入力すると指数積分により積分結果の更新を図り、更新周期発生器１２からのタイミング信号に基づき積分結果を逆行列算出器３９に出力する。積分器３７も全く同様の動作となる。この場合においても第１〜第４実施例とほぼ同様の効果を得ることができる。
【０１１３】
第２及び第４実施例において、重み係数Ｗｊ（ｋ，ｆ）の信頼性を判定する手法として重み係数初期化処理器１１から入力した重み係数の最適解Ｗ 0ｊ（ｆ）［ｊ＝１，２，３，・・・，Ｊ］とＬＭＳ重み更新器２２から入力した最新の重み係数Ｗｊ（ｋ，ｆ）の誤差の２乗和を判定の評価量として使用していたが、評価量として絶対値の和や個々の重み係数の絶対値の差が全て一定の範囲内になっていること等、両者の差が明確に現れる評価量であれば、どんな手法を用いても構わない。
【０１１４】
第３及び第４実施例において、逆行列の計算精度の信頼性を判定する手法として自己相関行列Ｅ［Ｒyy（ｆ，θ1 ）］とその逆行列Ｅ［Ｒyy（ｆ，θ1 ）］-1の行列積を求め、単位行列との差を判定の評価量として使用していたが、逆行列が正しく得られているかどうかわかる手法であればどんな手法を用いても構わない。
【０１１５】
上記した実施例の装置は、集積回路を用いた個別回路で構成しても構わないし、ディジタル・シグナル・プロセッサ（ＤＳＰ）やマイコン等でソフト的に構成しても構わない。
【０１１６】
なお、本発明は上記実施例に限定されるものではなく、本発明の趣旨に基づいて種々の変形が可能であり、それらを本発明の範囲から除外するものではない。
【０１１７】
【発明の効果】
以上、詳細に説明したように、本発明によれば、以下のような効果を奏することができる。
【０１１８】
従来の適応整相器において、重み係数の更新処理を逐次更新型の手法を採用した場合には、最適解への収束速度を速くすると適応整相器としての性能が劣化し、適応整相器としての性能を重視して収束速度を遅くすると信号の方位の変化に追随できなくなるという問題があった。また、収束係数の選び方と入力信号の特性によっては適応フィルタが発散し、一度発散すると復帰するまでに多大な時間がかかるという問題もあった。
【０１１９】
また、重み係数の更新処理を適応フィルタへの入力信号の自己相関行列の時間平均値と入力信号と参照信号の相互相関ベクトルの時間平均値からダイレクトに最適解を求める手法を採用した場合には、適応整相器は最大の性能を発揮するものの、ハード規模が非常に増大し、入力信号の特性と演算器の精度によっては、適応整相器が全く機能しなくなるという場合が発生するという問題があった。
【０１２０】
これらの問題に対して、
（Ａ）第１の発明によれば、前記適応フィルタの入力信号の自己相関行列の時間平均値の逆行列と、該適応フィルタの入力信号と参照信号との相互相関ベクトルの時間平均値から、平均を求めた時間幅における重み係数の最適解を算出する（第１の重み係数）手段と、該適応フィルタの入力信号の瞬時値と、該適応フィルタの参照信号から該適応フィルタの出力信号を減算した誤差信号の瞬時値とを用いて、その時刻における前記適応フィルタの重み係数を逐次的に更新する（第２の重み係数）手段とを設け、該第１の重み係数を初期値として前記第２の重み係数の初期化処理を定期的に行うようにしたので、信号の方位が変化した場合でも、処理量の大幅な増加無しで適応整相器の性能の大幅な向上が期待できる。
【０１２１】
（Ｂ）第２の発明においては、第１の発明に加えて、前記第１の重み係数と第２の重み係数との誤差から、前記第２の重み係数の信頼性を判定する手段を追加し、前記第１の重み係数と第２の重み係数との誤差が一定のしきい値を超え、第２の重み係数の信頼性が低いと判定された場合に関してのみ、前記第１の重み係数を初期値として前記第２の重み係数の初期化処理を適宜行うようにしたので、処理量の大幅な増加無しで適応整相器の性能の大幅な向上を期待できるとともに、適応フィルタが発散したり、入力信号の状態の変化に適応フィルタが追随できなかった場合でも、適応整相器の性能の劣化を最小限に抑えることが期待できる。
【０１２２】
（Ｃ）第３の発明においては、第１の発明に加えて、前記自己相関行列の時間平均値の逆行列の計算精度を評価する手段を追加し、前記逆行列の計算精度が一定の誤差以内であると判定された場合についてのみ、前記第１の重み係数を初期値として前記第２の重み係数の初期化処理を適宜行うようにしたので、処理量の大幅な増加無しで適応整相器の性能の大幅な向上を期待できるとともに、入力信号の特性と演算器の精度に依存して前記逆行列が正しく求まらなかった場合においても、適応整相器の性能の劣化を最小限に抑えることが期待できる。
【０１２３】
（Ｄ）第４の発明においては、第２の発明に加えて、前記自己相関行列の時間平均値の逆行列の計算精度を評価する手段を追加し、前記第１の重み係数と第２の重み係数との誤差が一定のしきい値を超え、第２の重み係数の信頼性が低いと判定された場合で、かつ前記逆行列の計算精度が一定の誤差以内であると判定された場合についてのみ、前記第１の重み係数を初期値として前記第２の重み係数の初期化処理を適宜行うようにしたので、処理量の大幅な増加無しで適応整相器の性能の大幅な向上を期待できるとともに、適応フィルタが発散したり、入力信号の状態の変化に適応フィルタが追随できなかった場合や、入力信号の特性と演算器の精度に依存して前記逆行列が正しく求まらなかった場合においても、適応整相器の性能の劣化を最小限に抑えることが期待できる。
【図面の簡単な説明】
【図１】本発明の第１〜第４実施例に共通な適応整相器の構成図である。
【図２】本発明の第１実施例及び第３実施例における重み係数逐次更新器の詳細構成図である。
【図３】本発明の第２実施例及び第４実施例における重み係数逐次更新器の詳細構成図である。
【図４】本発明の第１実施例及び第２実施例における重み係数初期化処理器の詳細構成図である。
【図５】本発明の第３実施例及び第４実施例における重み係数初期化処理器の詳細構成図である。
【図６】従来の適応整相器の第１構成例を示す図である。
【図７】従来の適応整相器の第２構成例を示す図である。
【図８】従来の適応整相器の重み係数更新器の詳細構成例を示す図である。
【符号の説明】
１−１〜１−Ｎ 音響センサに対応した入力端子
２ 位相補償器
３ 空間窓乗算器
４，８ 加算器
５ 減算器
６ ＢＭ乗算器
７ 適応フィルタ
９ 出力端子
１０ 重み係数逐次更新器
１１ 重み係数初期化処理器
１２ 更新周期発生器
２０，２１，２４，２５，３０，３１，３８，４１ 接続端子
２２ ＬＭＳ重み更新器
２３ 重み係数メモリ
２７ 重み係数選択器
３２ 自己相関行列算出器
３３ 相互相関ベクトル算出器
３４ 自己相関行列格納メモリ
３５ 相互相関ベクトル格納メモリ
３６，３７ 積分器
３９ 逆行列算出器
４０ 重み係数算出器
４２ 計算精度評価器
Claims (4)
- 複数のセンサで構成されるセンサアレイで受信した信号を用いて、整相方位に最大感度を有する整相出力と整相方位に零感度を有するＮＵＬＬ整相出力を作成し、前記整相方位に最大感度を有する整相出力を適応フィルタの参照信号とし、前記整相方位に零感度を有するＮＵＬＬ整相出力を適応フィルタの入力信号として、整相方位以外から到来する信号を適応フィルタを用いて適応的に除去する適応整相システムにおいて、
（ａ）前記適応フィルタの入力信号の自己相関行列の時間平均値の逆行列と、前記適応フィルタの入力信号と参照信号との相互相関ベクトルの時間平均値から、平均を求めた時間幅における重み係数の最適解を算出する第１の重み係数の算出手段と、
（ｂ）前記適応フィルタの入力信号の瞬時値と前記適応フィルタの参照信号から前記適応フィルタの出力信号を減算した誤差信号の瞬時値を用いて、その時刻における前記適応フィルタの重み係数を逐次的に更新する第２の重み係数の更新手段とを具備し、
（ｃ）一定の時間間隔で前記第１の重み係数を算出し、該算出した前記第１の重み係数を前記逐次的に更新する第２の重み係数の初期値として初期化することにより、前記算出時間間隔における前記第１の重み係数の変化を前記逐次的に更新する第２の重み係数によって求め、該求めた第２の重み係数を前記適応フィルタの重み係数としたことを特徴とする適応整相システム。 - 請求項１記載の適応整相システムにおいて、前記適応フィルタの入力信号の自己相関行列の時間平均値の逆行列と、前記適応フィルタの入力信号と参照信号との相互相関ベクトルの時間平均値から、第１の重み係数を算出する手段と、前記適応フィルタの入力信号の瞬時値と前記適応フィルタの参照信号から前記適応フィルタの出力信号を減算した誤差信号の瞬時値を用いて、その時刻における前記適応フィルタの重み係数を逐次的に更新することで第２の重み係数を求める手段と、前記第１の重み係数と第２の重み係数との誤差から、前記第２の重み係数の信頼性を判定する手段とを具備し、前記第１の重み係数と第２の重み係数との誤差が一定の閾値を超え、前記第２の重み係数の信頼性が低いと判定された場合に関してのみ、前記第１の重み係数を前記逐次的に更新する第２の重み係数の初期値として初期化するようにしたことを特徴とする適応整相システム。
- 請求項１記載の適応整相システムにおいて、前記適応フィルタの入力信号の自己相関行列の時間平均値の逆行列と、前記適応フィルタの入力信号と参照信号との相互相関ベクトルの時間平均値から、第１の重み係数を算出する手段と、前記適応フィルタの入力信号の瞬時値と前記適応フィルタの参照信号から前記適応フィルタの出力信号を減算した誤差信号の瞬時値を用いて、その時刻における前記適応フィルタの重み係数を逐次的に更新することにより、第２の重み係数を求める手段と、前記自己相関行列の時間平均値の逆行列の計算精度を評価する手段とを具備し、一定の時間間隔で前記第１の重み係数を算出し、前記逆行列の計算精度が一定の誤差以内であると判定された場合についてのみ、前記算出された第１の重み係数を前記逐次的に更新する第２の重み係数の初期値として初期化することで、前記算出時間間隔における第１の重み係数の変化を前記逐次的に更新する第２の重み係数によって求め、該求めた第２の重み係数を前記適応フィルタの重み係数としたことを特徴とする適応整相システム。
- 請求項１記載の適応整相システムにおいて、前記適応フィルタの入力信号の自己相関行列の時間平均値の逆行列と、前記適応フィルタの入力信号と参照信号との相互相関ベクトルの時間平均値から、第１の重み係数を算出する手段と、前記適応フィルタの入力信号の瞬時値と前記適応フィルタの参照信号から前記適応フィルタの出力信号を減算した誤差信号の瞬時値を用いて、その時刻における前記適応フィルタの重み係数を逐次的に更新することで第２の重み係数を求める手段と、前記自己相関行列の時間平均値の逆行列の計算精度を評価する手段と、前記第１の重み係数と第２の重み係数との誤差から、前記第２の重み係数の信頼性を判定する手段と、を具備し、前記第１の重み係数と第２の重み係数との誤差が一定の閾値を超え、かつ、前記逆行列の計算精度が一定の誤差以内であると判定された場合についてのみ、前記第１の重み係数を前記逐次的に更新する第２の重み係数の初期値として初期化するようにしたことを特徴とする適応整相システム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2000161488A JP4110710B2 (ja) | 2000-05-31 | 2000-05-31 | 適応整相システム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2000161488A JP4110710B2 (ja) | 2000-05-31 | 2000-05-31 | 適応整相システム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2001343441A JP2001343441A (ja) | 2001-12-14 |
| JP4110710B2 true JP4110710B2 (ja) | 2008-07-02 |
Family
ID=18665504
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2000161488A Expired - Fee Related JP4110710B2 (ja) | 2000-05-31 | 2000-05-31 | 適応整相システム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP4110710B2 (ja) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7252086B2 (ja) * | 2019-07-29 | 2023-04-04 | アルパイン株式会社 | 適応同定システム、適応同定装置、及び適応同定方法 |
| JP7367558B2 (ja) * | 2020-02-25 | 2023-10-24 | 沖電気工業株式会社 | 整相処理装置および整相処理方法 |
-
2000
- 2000-05-31 JP JP2000161488A patent/JP4110710B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JP2001343441A (ja) | 2001-12-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4398146B2 (ja) | 適応フィルタ | |
| JP3216704B2 (ja) | 適応アレイ装置 | |
| US5208786A (en) | Multi-channel signal separation | |
| US4951269A (en) | Echo canceller with short processing delay and decreased multiplication number | |
| US5568411A (en) | Method and apparatus for using polarity-coincidence correlators in LMS adaptive filters | |
| US8244787B2 (en) | Optimum nonlinear correntropy filter | |
| CN103229237A (zh) | 信号处理设备、信号处理方法以及信号处理程序 | |
| US20080040037A1 (en) | System and Method for Adaptive Reduced-Rank Parameter Estimation Using an Adaptive Decimation and Interpolation Scheme | |
| JPH10207490A (ja) | 信号処理装置 | |
| EP0654901B1 (en) | System for the rapid convergence of an adaptive filter in the generation of a time variant signal for cancellation of a primary signal | |
| CN105891810A (zh) | 一种快速自适应联合时延估计方法 | |
| Venkatesan et al. | An efficient noise removal technique using modified error normalized LMS algorithm | |
| CN114660562A (zh) | 自适应滤波方法及滤波器 | |
| JP4110710B2 (ja) | 適応整相システム | |
| JP3391373B2 (ja) | 適応等化器 | |
| Gu et al. | Direction of arrival tracking for signals with known waveforms based on block least squares techniques | |
| JP2541044B2 (ja) | 適応フィルタ装置 | |
| 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 | |
| JP4367243B2 (ja) | 適応整相装置、そのプログラム及び適応整相システム | |
| JP2003232849A (ja) | 適応整相方法 | |
| Hofmann et al. | Recent advances on LIP nonlinear filters and their applications: Efficient solutions and significance-aware filtering | |
| Jayapravintha et al. | Design of Systolic architecture for various adaptive filters for noise cancellation | |
| CN117040489B (zh) | 一种稀疏约束的样条自适应滤波器 | |
| JP3001092B2 (ja) | 適応アレイの制御方法および適応アレイ装置 | |
| JP7287189B2 (ja) | カージオイド受波器およびフィルタ係数演算方法、ならびにフィルタ係数演算プログラム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20060125 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20080307 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20080318 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20080331 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 4110710 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110418 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110418 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130418 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140418 Year of fee payment: 6 |
|
| LAPS | Cancellation because of no payment of annual fees |