WO2012139357A1 - 一种构建子带自适应滤波器方法 - Google Patents
一种构建子带自适应滤波器方法 Download PDFInfo
- Publication number
- WO2012139357A1 WO2012139357A1 PCT/CN2011/079024 CN2011079024W WO2012139357A1 WO 2012139357 A1 WO2012139357 A1 WO 2012139357A1 CN 2011079024 W CN2011079024 W CN 2011079024W WO 2012139357 A1 WO2012139357 A1 WO 2012139357A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- stage
- signal
- adaptive
- filter
- decomposition
- 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.)
- Ceased
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
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
- H03H21/00—Adaptive networks
- H03H21/0012—Digital adaptive filters
- H03H21/0025—Particular filtering methods
- H03H2021/0041—Subband decomposition
Definitions
- the invention belongs to the field of signal processing, and in particular relates to a method for constructing a subband adaptive filter.
- Adaptive filters can be applied in many fields, such as system identification, channel equalization, echo cancellation, beamforming, and the like.
- the general method of constructing an adaptive filter is to first set the initial filter coefficients to arbitrary conditions, and then update the filter coefficients step by step according to the input signal and the desired signal to obtain Optimal filter coefficient setting.
- the least mean square is often used to construct adaptive filters ( The Least mean square (LMS) algorithm updates the filter coefficients.
- LMS Least mean square
- the algorithm's further filter coefficients produce a problem of slow convergence. For colored inputs, such as speech signals, especially when the order of the adaptive filter to be constructed is very long, higher computational overhead is required.
- a good way to improve the convergence speed and reduce the computational overhead is to construct a subband adaptive filter, which decomposes the input signal into multiple subband signals and performs adaptive filtering on each subband, so that the input colored signal can be whitened. , improve the convergence speed.
- the structure of the existing constructed polyphase decomposition subband adaptive filter is shown in Fig. 1.
- the input signals N 'times the subband decomposition the colored band by dividing the input signal, the input signal corresponding to a whitened, can reduce the correlation of the input signals, to improve the convergence of the adaptive algorithm Sex.
- the input signal N 'extraction times the data rate can be reduced subband, thereby reducing the computational overhead of updating the adaptive filter coefficients.
- the polyphase decomposition of the adaptive filter to be constructed can reduce the order of the adaptive filter and improve the convergence speed. For the finite impulse response, it can also completely reconstruct the finite impulse response of any order ( Finite Impulse Response, FIR) system.
- FIR Finite Impulse Response
- the subband adaptive filter of this structure only decomposes the subbands first, in order to obtain a faster convergence speed, the number of subbands needs to be increased, and the filter length in the filter bank is correspondingly Growth.
- the computational overhead required for subband decomposition is greatly increased, which necessitates a compromise between computational complexity and convergence speed.
- the purpose of embodiments of the present invention is to solve the existing sub-bands for constructing polyphase decomposition.
- the adaptive filter needs to make a compromise between computational complexity and convergence speed, and provides a method for constructing a subband adaptive filter, which can further improve the convergence speed and reduce the computational complexity.
- a method for constructing a subband adaptive filter includes the following steps:
- the filter adjustment coefficient that is adaptively filtered at the next time is updated according to the filter adjustment coefficient that is currently adaptively filtering the input signal, and the difference between the obtained adaptive filtered output signal and the two-stage decomposed desired signal.
- the filter adjustment coefficient for adaptive filtering is updated at the next moment, thereby realizing Species
- the method of constructing a subband adaptive filter can further improve the convergence speed and reduce the computational complexity.
- FIG. 1 is a schematic structural diagram of a multi-phase decomposed sub-band adaptive filter provided by the prior art
- FIG. 2 is a flowchart of an implementation of a method for constructing a subband adaptive filter according to an embodiment of the present invention
- FIG. 3 is a schematic structural diagram of performing two-stage subband decomposition and adaptive filtering on an input signal according to an embodiment of the present invention
- FIG. 4 is a structural diagram of two-stage subband decomposition of a desired signal according to an embodiment of the present invention.
- FIG. 5 is a block diagram of the entire model of system identification provided by an embodiment of the present invention.
- the filter adjustment coefficient that is currently adaptively filtered on the input signal, and the difference between the obtained adaptive filtered output signal and the two-stage decomposed desired signal are updated to the next time for adaptive filtering.
- Filter adjustment factor a kind of A method of constructing a subband adaptive filter.
- FIG. 2 is a flowchart showing an implementation process of constructing a subband adaptive filter method according to an embodiment of the present invention, which is described in detail as follows:
- step S201 the input signal is subjected to two-stage decomposition and adaptive filtering
- step S202 the desired signal is subjected to two-stage sub-band decomposition
- step S203 The filter adjustment coefficient that is adaptively filtered at the next time is updated according to the filter adjustment coefficient that is currently adaptively filtering the input signal, and the difference between the obtained adaptive filtered output signal and the two-stage decomposed desired signal.
- the input signal is subjected to two-stage sub-band decomposition and adaptive filtering using the structure shown in FIG. Specifically, the steps S201 includes:
- Step S2011 performing N-times first-order sub-band decomposition and N-times extraction on the input signal
- Step S2012 respectively performing the second-level sub-band decomposition of the obtained first-level sub-band signal by M times;
- Step S2013 performing adaptive filtering and M-time extraction on each second-level sub-band signal to obtain a second-stage output signal.
- Step S202 is:
- step S203 a filter adjustment coefficient for adaptively filtering each of the second-level sub-band signals, and a step The difference between each second-stage output signal obtained in S2013 and the corresponding two-stage decomposed second-order expected signal obtained in step S202 is updated with the filter adjustment coefficient that is adaptively filtered at the next time.
- step S2011 the input signal is first Pass through the first stage N-channel filter bank , , ..., Filtering, and performing a time unit z -1 delay; then, respectively, N-times extraction of the obtained first-level sub-band signal.
- step S2012 the first-level sub-band signals after the N-time extraction are respectively passed through the second-stage M-channel filter bank. , , ..., Filtering, can get N ⁇ N ⁇ M second-level sub-band signals , , « , , , .... , ; ; accompanied that is, the input signal loss of N ⁇ N ⁇ M adaptive filters.
- each second-level sub-band signal is respectively passed through an adaptive filter bank.
- step S202 the desired signal is applied to the structure shown in FIG. Perform two-stage subband decomposition: first expect the signal Pass through the first stage N-channel filter bank , , ..., Filtering, then N is extracted; then, the obtained first-stage desired signal is passed through the second-stage M-channel filter bank , , ..., Filtering, and then M is extracted to obtain the second-order expected signal after two-stage decomposition , , ..., .
- the filter adjustment coefficient of the adaptive filter bank adaptively filtered according to the current time, that is, the time k , , ..., And the error signal obtained , , ..., Update the filtering adjustment coefficient of the adaptive filter bank for adaptive filtering at the next moment, ie, k+1 time , , ..., .
- n represents the data rate of the input signal
- k represents the data rate of the input signal and the output signal corresponding to each sub-band
- k n/N.
- the N-phase decomposition is performed as follows:
- the second-stage output signal y i (k) obtained by adaptively filtering each second-level sub-band signal is:
- the superscript T indicates that the adaptive filter adjustment coefficient matrix wj(k) is transposed.
- Subband error signal for:
- an update algorithm of the filter adjustment coefficient of the adaptive filter is calculated based on the principle of minimizing interference.
- the principle of minimizing interference is to ensure the total amount of change in the adaptive filter adjustment coefficient when the desired signal constraint is met at two iterations. f is the smallest.
- the amount of change f of the total adaptive filter adjustment coefficient is defined as:
- the principle of minimizing interference can be expressed as: (5) When the formula is satisfied, the equation (4) is minimized.
- the cost function can be constructed using the Lagrangian multiplier method. ,which is:
- the adaptive filter bank does not have a large aliasing, the cross-correlation of its output signal is much smaller than its autocorrelation, so when i ⁇ l Time,
- the formula (12) is the step S203 The calculation formula of the filter adjustment coefficient for adaptive filtering according to the current filter adjustment coefficient for adaptively filtering the input signal and the difference between the obtained adaptive filtered output signal and the expected signal of the two-stage decomposition .
- the block diagram of the model for implementing system identification is shown in Figure 5.
- the input signal is , will input signal Through unknown systems After getting the desired signal , For observation The effect of noise received.
- the desired sub-band adaptive filter method is provided by the embodiment of the present invention to the desired signal Perform two-stage subband decomposition and input signal Subband adaptive filtering is performed.
- the polyphase decomposition is as follows, the unknown system It is also decomposed into N parts s j . If the length of the unknown system is set to L, the length of the polyphase decomposition component s j is L/N.
- the error vector for the filter adjustment coefficient that defines the sub-band adaptive filtering at time k is:
- the mean mean square deviation (MSD) c(k) is ,
- E Indicates the expectation, here is the sum of the squares of the inner products of the error vectors of all subband adaptive filter filter adjustment coefficients, used to represent the statistical value of the magnitude of the entire coefficient error vector.
- the coefficient update equation (12) is substituted into (14) and then substituted into (15) to obtain the step size parameter.
- the range of values is:
- the coefficient vector of the full band can also be obtained.
- N The multiphase component can in turn find the full band coefficient vector.
- the complexity of the adaptive filtering structure using the two-stage decomposition can be decomposed, considering the number of multiplications of each input sample, including subband decomposition of the input signal and the desired signal, filtering of the input signal, and the second level of each
- the integration with the output signal, as well as the filter adjustment factor of the adaptive filter is calculated in five parts.
- the length of the filter is a multiple of the number of subbands. If the number of subbands is m, the length of the filter is . In this way, the computational complexity of the entire structure can be obtained as:
- L is the length of the full-band adaptive filter; (4, 1) represents the use of level one 4
- the filter adjustment coefficient for adaptive filtering is updated at the next moment, thereby realizing Species
- the method of constructing a subband adaptive filter can further improve the convergence speed and reduce the computational complexity.
- the filter adjustment coefficient that is adaptively filtered at the next time is updated according to the filter adjustment coefficient that is currently adaptively filtering the input signal, and the difference between the obtained adaptive filtered output signal and the two-stage decomposed desired signal.
Landscapes
- Filters That Use Time-Delay Elements (AREA)
Abstract
本发明适用于MACROBUTTON MACROBUTTON信号处理领域，提供了一种构建子带自适应滤波器方法，所述方法包括：将输入信号进行两级分解和自适应滤波；将期望信号进行两级子带分解；根据当前对输入信号进行自适应滤波的滤波调整系数，以及得到的自适应滤波后输出信号与两级分解后的期望信号的差值更新下一时刻进行自适应滤波的滤波调整系数。在本发明实施例中，根据当前对输入信号进行自适应滤波的滤波调整系数，以及得到的自适应滤波后输出信号与两级分解后的期望信号的差值更新下一时刻进行自适应滤波的滤波调整系数，实现了一种构建子带自适应滤波器的方法，能够进一步提高收敛速度、降低计算复杂性。
Description
本发明属于信号处理领域，尤其涉及一种构建子带自适应滤波器方法。
自适应滤波器可以应用于许多领域，例如系统辨识、信道均衡、回声消除、波束形成等。在不知道环境任何先验知识的情况下，一般构建自适应滤波器的方法是先将初始的滤波器系数设置为任意条件，然后一步一步地根据输入信号和期望信号更新滤波器系数，以得到最优滤波器系数设置。由于实现的简单性和鲁棒性，构建自适应滤波器时常采用最小均方（
Least mean square ， LMS ）算法更新滤波器系数。但是，采用 LMS
算法更行滤波器系数会产生收敛速度慢的问题，在有色输入下，例如语音信号，尤其当待构建的自适应滤波器的阶数很长时，则需要更高的计算开销。提高收敛速度和降低计算开销的一个好方法是构建子带自适应滤波器，将输入信号分解成多个子带信号，在各个子带上分别进行自适应滤波，这样就可以把输入的有色信号白化，提高收敛速度。
现有构建的多相分解子带自适应滤波器的结构如图 1 所示。通过滤波器组对输入信号进行 N
'
倍的子带分解，把有色的输入信号按频带进行分割，相当于对输入信号进行了白化，可以减小输入信号的相关性、提高自适应算法的收敛性。并且，对输入信号进行 N
'
倍抽取，可以降低子带的数据速率，从而降低更新自适应滤波器系数时的计算开销。另外，通过对待构建的自适应滤波器多相分解，可以降低自适应滤波器的阶数、提高收敛速度；对于有限冲激响应，还可以保持完全重建任意阶的有限脉冲响应（
Finite Impulse Response ， FIR ）系统。总之，相比于全带结构，多相分解的子带自适应滤波器具有潜在的快收敛性。
但是，由于这种结构的子带自适应滤波器仅对子带进行了一级分解，为了获得更快的收敛速度，则子带数就需要增多，滤波器组中的滤波器长度也要相应地增长。这样，子带分解所需要的计算开销也就大大增加了，这就需要在计算复杂性与收敛速度两者中进行折中。
现有构建 多相分解的 子带 自适应滤波器需要在计算复杂性与收敛速度两者中进行折衷 。
本发明实施例的目的旨在解决现有构建 多相分解的 子带
自适应滤波器需要在计算复杂性与收敛速度两者中进行折衷 的问题，提供一种构建子带自适应滤波器的方法，能够进一步提高收敛速度、降低计算复杂性。
本发明实施例是这样实现的，一种构建子带自适应滤波器的方法，包括下述步骤：
将输入信号进行两级分解和自适应滤波；
将期望信号进行两级子带分解；
根据当前对输入信号进行自适应滤波的滤波调整系数，以及得到的自适应滤波后输出信号与两级分解后的期望信号的差值更新下一时刻进行自适应滤波的滤波调整系数。
在本发明实施例中，
根据当前对输入信号进行自适应滤波的滤波调整系数，以及得到的自适应滤波后输出信号与两级分解后的期望信号的差值更新下一时刻进行自适应滤波的滤波调整系数，实现了一种
构建子带自适应滤波器的方法，能够进一步提高收敛速度、降低计算复杂性。
图 1 是现有技术提供的多相分解的子带自适应滤波器的结构示意图；
图 2 是本发明 实施例提供的构建子带自适应滤波器方法的实现流程图；
图 3 是本发明实施例提供的对输入信号进行两级子带分解和自适应滤波的结构示意图；
图 4 是本发明实施例提供的对期望信号的两级子带分解的结构图；
图 5 是本发明实施例提供的系统辨识的整个模型框图。
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，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仅用以解释本发明，并不用于限定本发明。
在本发明实施例中，根据当前对输入信号进行自适应滤波的滤波调整系数，以及得到的自适应滤波后输出信号与两级分解后的期望信号的差值更新下一时刻进行自适应滤波的滤波调整系数，实现了一种
构建子带自适应滤波器的方法。
图 2 示出了本发明实施例提供的构建 子带自适应滤波器 方法 的实现流程，详述如下：
在步骤 S201 中，将输入信号进行两级分解和自适应滤波；
在步骤 S202 中，将期望信号进行两级子带分解；
在步骤 S203
中，根据当前对输入信号进行自适应滤波的滤波调整系数，以及得到的自适应滤波后输出信号与两级分解后的期望信号的差值更新下一时刻进行自适应滤波的滤波调整系数。
在本发明实施例中，采用图 3 所示的结构对输入信号进行两级子带分解和自适应滤波。具体地，步骤
S201 包括：
步骤 S2011 ，将输入信号进行 N 倍的第一级子带分解和 N 倍抽取；
步骤 S2012 ，分别将得到的第一级子带信号进行 M 倍的第二级子带分解；
步骤 S2013 ，分别对各第二级子带信号进行自适应滤波和 M 倍抽取，得到第二级输出信号。
对应地，采用图 4 所示的结构对期望信号进行两级子带分解，第一级为 N 倍，第二级为 M
倍，可以得到 N*M 个子带期望信号。步骤 S202 即为：
对期望信号进行 N 倍和 M 倍的两级子带分解。
进一步，在步骤 S203 中，根据当前对各第二级子带信号进行自适应滤波的滤波调整系数，以及步骤
S2013 中得到的各第二级输出信号与对应的步骤 S202 中得到的两级分解后的第二级期望信号的差值更新下一时刻进行自适应滤波的滤波调整系数。
下面，对应图 3 、 4 ，对本发明提供的构建 子带自适应滤波器 方法的过程进行说明。
在步骤 S2011 中，先将输入信号
依次通过第一级 N 通道滤波器组
、
、 …… 、
的滤波，并进行一个时间单位
z-1 的延时；接着，分别对得到的第一级子带信号进行 N 倍抽取。在步骤 S2012 中，将进行 N
倍抽取后的第一级子带信号分别通过第二级 M 通道滤波器组
、
、 …… 、
的滤波，可以得到 N
×N×M个第二级子带信号
、
、 ……
、
、
、 ……
、 ……
，也即N×N×M个自适应滤波器的输入信号失量。在步骤S2013中， 分别将各第二级子带信号通过自适应滤波器组
、
、 …… 、
进行自适应滤波，得到第二级子带输出信号；再将各第二级子带输出信号进行 M 倍抽取，得到第二级输出信号
、
、 …… 、
。在步骤S202中， 采用图 4
所示的结构对期望信号
进行两级子带分解：先将期望信号
依次通过第一级 N 通道滤波器组
、
、 …… 、
的滤波，再进行 N
被抽取；接着，再将得到的第一级期望信号通过第二级 M 通道滤波器组
、
、 …… 、
的滤波，再进行 M
被抽取，得到两级分解后的第二级期望信号
、
、 …… 、
。将各第二级输出信作号
、
、 …… 、
与对应的第二级期望信号
、
、 …… 、
的差值
、
、 …… 、
作为误差信号。根据当前时刻，即 k
时刻，进行自适应滤波的自适应滤波器组的滤波调整系数
、
、 …… 、
，以及得到的误差信号
、
、 …… 、
更新下一时刻，即 k+1
时刻，进行自适应滤波的自适应滤波器组的的滤波调整系数
、
、 …… 、
。
这里，两级滤波器组
、
、 …… 、
和
、
、 …… 、
均使用能够满足完全重建条件的性能较好的余弦调制滤波器组。在上面的参数表示中， n 表示输入信号的数据速率， k 表示各子带对应的输入信号和输出信号的数据速率，
k=n/N 。
具体地，上面对各第二级子带信号进行自适应滤波的自适应滤波器组
、
、 …… 、
是相当于把一个全带滤波器
多相分解为 N
个子带滤波器得到的，对全带滤波器
进行 N 相分解是按下式进行的：
各第二级子带信号进行自适应滤波后得到的第二级输出信号 yi(k) 为：
其中，
，上标 T
表示对自适应滤波调整系数矩阵 wj(k) 求转置。
子带误差信号
为：
在本发明实施例中，基于最小化干扰原理，计算自适应滤波器的滤波调整系数的更新算法。最小化干扰原理是在两次迭代时，在满足期望信号约束时，保证总的自适应滤波调整系数的变化量
f 最小。这里，总的自适应滤波调整系数的变化量 f 定义为：
约束条件为：
其中，
。
最小化干扰原理可以表达为：(5) 式得到满足时，使 (4)
式最小。于是，使用拉格朗日乘数法，可构造代价函数
，即：
计算上式的偏导数，并令其为零，可得到自适应滤波器的滤波调整系数的更新计算公式，即，令
计算上式可得：
下面求参数
，首先，将 (7)
式代入到约束条件(5) 式，得：
结合上式与(2) 式，可得：
由于自适应滤波器组没有很大的混叠，其输出信号的互相关要远远小于其自相关，因此当 i ≠ l
时，
把上式的结果代入到 (9) ，可解得参数
再把上式结果代入 (7) 式，可得到最终的自适应滤波器的滤波调整系数向量的更新计算公式为：
其中，
为正步长参数，通过加入正步长参数
，可以避免从一个时刻到下一个时刻系数产生太大的变动。
该公式 (12) 即为步骤 S203
中根据当前对输入信号进行自适应滤波的滤波调整系数，以及得到的自适应滤波后输出信号与两级分解后的期望信号的差值更新下一时刻进行自适应滤波的滤波调整系数的计算公式。
下面，证明算法的收敛条件，即正步长参数
的大小范围。实现系统辨识的模型框图如图
5 所示，输入信号为
，将输入信号
通过未知系统
后得到期望信号
，
为观测
时受到的噪声的影响。这里，将
建模为加性白噪声。通过本发明实施例提供的构建 子带自适应滤波器 方法来对期望信号
进行两级子带分解和对输入信号
进行子带自适应滤波。
同样，定义未知系统
的多相分解如下，把未知系统
也多相分解为 N 个部分 s
j 。设定未知系统的长度为 L ，则其多相分解分量 s
j 的长度均为 L/N 。
定义第 k 时刻进行子带自适应滤波的滤波调整系数的误差向量为 ：
其中，
。
总的均方系数偏差（ mean-square deviation ， MSD ） c(k) 为
,
其中， E
表示求期望，这里是对所有的子带自适应滤波器滤波调整系数的误差向量的内积的平方的和求期望，用以表示整个系数误差向量的大小的统计值。
要使系统收敛，则均方系数偏差 c(k) 将不断减小，即：
为了求解上式，把系数更新等式(12) 代入 (14) ，再代入 (15) ，可求得步长参数
的取值范围为：
在无噪声干扰时，即可得到：
将上式代入 (17) 式，可得到简化的形式：
因此，在上述更新自适应滤波器的滤波调整系数向量的计算公式 (12) 中，
取（ 0 ， 2 ）之间的任一值。
当然，根据不同的应用场合，还可以得到全带的系数向量，按照多相分解的原理，根据 N
个多相分量反过来可以求得全带系数向量，
下面，可以分解采用二级分解的自适应滤波结构的复杂性，考虑每个输入采样的乘法次数，包括对输入信号和期望信号的子带分解、对输入信号的滤波、对各第二级子带输出信号的整合，以及自适应滤波的滤波调整系数计算五个部分。
假设图 3 、 4 中的余弦滤波器组
、
、 …… 、
和
、
、 …… 、
中，滤波器的长度是子带数的倍数，假设子带数为 m ，则滤波器的长度为
。这样，可以得到整个结构的计算复杂度为：
而对使用一级分解的自适应滤波结构，其复杂度为：
如下表 I 所示， L 是全带自适应滤波器的长度；（ 4 ， 1 ）代表的是使用一级 4
子带分解的结构， N=4 ；（ 2 ， 2 ）代表使用两级分解的结构，第一级是 N =2 子带分解，第二级也是 M=2 子带分解。由表 1
可知，采用两级分解，在相同子带数的情况下，收敛速度相同、所需要的计算量更小。
| (N, M) | L=128 | L=1024 |
| (2, 2) | 593 | 3281 |
| (4, 1) | 772 | 3460 |
表 1
在本发明实施例中，
根据当前对输入信号进行自适应滤波的滤波调整系数，以及得到的自适应滤波后输出信号与两级分解后的期望信号的差值更新下一时刻进行自适应滤波的滤波调整系数，实现了一种
构建子带自适应滤波器的方法，能够进一步提高收敛速度、降低计算复杂性。
本领域普通技术人员可以理解，实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，所述的程序可以在存储于一计算机可读取存储介质中，所述的存储介质，如
ROM/RAM 、磁盘、光盘等，该程序用来执行如下步骤：
将输入信号进行两级分解和自适应滤波；
将期望信号进行两级子带分解；
根据当前对输入信号进行自适应滤波的滤波调整系数，以及得到的自适应滤波后输出信号与两级分解后的期望信号的差值更新下一时刻进行自适应滤波的滤波调整系数。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (7)
- 一种构建子带自适应滤波器的方法，其特征在于，所述方法包括下述步骤：将输入信号进行两级分解和自适应滤波；将期望信号进行两级子带分解；根据当前对输入信号进行自适应滤波的滤波调整系数，以及得到的自适应滤波后输出信号与两级分解后的期望信号的差值更新下一时刻进行自适应滤波的滤波调整系数。
- 如权利要求 1 所述的方法，其特征在于，所述将输入信号进行两级分解和自适应滤波的步骤包括：将输入信号进行 N 倍的第一级子带分解和 N 倍抽取；分别将得到的第一级子带信号进行 M 倍的第二级子带分解；分别对各第二级子带信号进行自适应滤波和 M 倍抽取，得到第二级输出信号。
- 如权利要求 2 所述的方法，其特征在于 ，所述将期望信号进行两级子带分解的步骤具体为：对期望信号进行 N 倍和 M 倍的两级子带分解。
- 如权利要求 3 所述的方法，其特征在于，所述根据当前对输入信号进行自适应滤波的滤波调整系数，以及得到的自适应滤波后输出信号与两级分解后的期望信号的差值更新下一时刻进行自适应滤波的滤波调整系数的步骤具体为：根据当前对各第二级子带信号进行自适应滤波的滤波调整系数，以及得到的各第二级输出信号与对应的两级分解后的第二级期望信号的差值更新下一时刻进行自适应滤波的滤波调整系数。
- 如权利要求 4 所述的方法，其特征在于，根据当前对各第二级子带信号进行自适应滤波的滤波调整系数，以及得到的各第二级输出信号与对应的两级分解后的第二级期望信号的差值更新下一时刻进行自适应滤波的滤波调整系数时，采用下式更新滤波调整系数：；
其中，表示
时刻的滤波调整系数，
表示
时刻的滤波调整系数，
表示
时刻的第二级子带信号，
表示子带误差信号，即第二级输出信号与对应第二级期望信号的差值，
为正步长参数。
- 如权利要求 5 所述的方法，其特征在于，所述取（ 0 ， 2 ）之间的任一值。
- 如权利要求 1 至 6 任一项所述的方法，其特征在于，采用余弦调制滤波器组对输入信号进行两级分解。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201110096158.X | 2011-04-15 | ||
| CN201110096158XA CN102281045A (zh) | 2011-04-15 | 2011-04-15 | 一种构建子带自适应滤波器方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| WO2012139357A1 true WO2012139357A1 (zh) | 2012-10-18 |
Family
ID=45106266
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| PCT/CN2011/079024 Ceased WO2012139357A1 (zh) | 2011-04-15 | 2011-08-28 | 一种构建子带自适应滤波器方法 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN102281045A (zh) |
| WO (1) | WO2012139357A1 (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115842532A (zh) * | 2022-12-21 | 2023-03-24 | 哲库科技(上海)有限公司 | 信号滤波方法、装置以及电子设备 |
| CN121077542A (zh) * | 2025-10-30 | 2025-12-05 | 北京理工大学 | 多波束信号动态截位方法、装置、电子设备及存储介质 |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104427144B (zh) * | 2013-09-11 | 2017-06-13 | 联芯科技有限公司 | 一种线性回声消除方法及其装置 |
| CN103762958B (zh) * | 2014-01-07 | 2016-09-28 | 南京信息工程大学 | 一种改进的仿射组合自适应滤波方法 |
| CN103929150B (zh) * | 2014-03-27 | 2017-02-01 | 苏州大学 | 一种子带自适应滤波器的权值向量更新方法 |
| CN108574459B (zh) * | 2017-03-14 | 2022-04-01 | 南京理工大学 | 一种高效时域宽带波束形成电路及方法 |
| CN111211759B (zh) * | 2019-12-31 | 2022-03-25 | 京信网络系统股份有限公司 | 滤波器系数确定方法、装置和数字das系统 |
| CN112803921B (zh) * | 2021-04-13 | 2021-09-07 | 浙江华创视讯科技有限公司 | 自适应滤波器、方法、介质及电子设备 |
| CN119995346B (zh) * | 2025-02-18 | 2026-04-10 | 电子科技大学 | 一种具有高响应速度特性的开关直流变换器控制方法 |
| CN120185583B (zh) * | 2025-05-22 | 2025-08-19 | 成都必控科技有限责任公司 | 基于多频段融合的自适应信号滤波方法及系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0903899A2 (de) * | 1997-09-12 | 1999-03-24 | Siemens Aktiengesellschaft | Verfahren und Einrichtung zur Auswertung von Mehrfrequenz-Tonsignalen unter Einsatz von adaptiven Notch-Wellendigitalfiltern |
| CN1790902A (zh) * | 2004-12-13 | 2006-06-21 | 上海无线通信研究中心 | 一种自适应滤波方法及装置 |
-
2011
- 2011-04-15 CN CN201110096158XA patent/CN102281045A/zh active Pending
- 2011-08-28 WO PCT/CN2011/079024 patent/WO2012139357A1/zh not_active Ceased
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0903899A2 (de) * | 1997-09-12 | 1999-03-24 | Siemens Aktiengesellschaft | Verfahren und Einrichtung zur Auswertung von Mehrfrequenz-Tonsignalen unter Einsatz von adaptiven Notch-Wellendigitalfiltern |
| CN1790902A (zh) * | 2004-12-13 | 2006-06-21 | 上海无线通信研究中心 | 一种自适应滤波方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| ZHANG, YINHANG: "FPGA Realization of Self-adaptive Filter Based on Subband Decomposition", SOUTHWEST JIAOTONG UNIVERSITY MASTER DEGREE THESIS, 18 May 2010 (2010-05-18) * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115842532A (zh) * | 2022-12-21 | 2023-03-24 | 哲库科技(上海)有限公司 | 信号滤波方法、装置以及电子设备 |
| CN121077542A (zh) * | 2025-10-30 | 2025-12-05 | 北京理工大学 | 多波束信号动态截位方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN102281045A (zh) | 2011-12-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2012139357A1 (zh) | 一种构建子带自适应滤波器方法 | |
| Arce | A general weighted median filter structure admitting negative weights | |
| Leahy et al. | Adaptive filtering of stable processes for active attenuation of impulsive noise | |
| Aslam et al. | A new adaptive strategy to improve online secondary path modeling in active noise control systems using fractional signal processing approach | |
| CN112017679A (zh) | 用于自适应滤波器系数更新的方法及装置、设备 | |
| TW201222527A (en) | Speech audio processing | |
| CN113078884B (zh) | 添加非线性拟合的自适应算法 | |
| CN102811267A (zh) | 近端语音干扰消除系统及移动通信终端 | |
| CN110491405B (zh) | 基于协同非线性自适应滤波的麦克风阵列语音增强方法 | |
| CA2455820C (en) | Method and apparatus for generating a set of filter coefficients for a time updated adaptive filter | |
| Bose et al. | The Euclidean direction search algorithm in adaptive filtering | |
| Ni et al. | Efficient implementation of the affine projection sign algorithm | |
| CN109658947A (zh) | 一种同步建模和控制的主动噪声控制方法 | |
| CN111755020A (zh) | 一种立体声回声消除方法 | |
| Mikhael et al. | A fast frequency-domain adaptive algorithm | |
| Bouchard et al. | The multichannel gauss-seidel fast affine projection algorithm for active noise control | |
| CN113972912A (zh) | 一种直流捕获及直流消除电路、高通滤波器及芯片 | |
| SHIN et al. | Bias-free adaptive IIR filtering | |
| Albu et al. | A low-cost and fast convergence Gauss-Seidel pseudo affine projection algorithm for multichannel active noise control | |
| Sulyman et al. | Echo cancellation using a variable step-size NLMS algorithm | |
| WO2022031061A1 (ko) | 심화신경망 기반의 가상 채널 확장을 이용한 wpe 기반 잔향 제거 장치 | |
| Treichler | γ-LMS and its use in a noise-compensating adaptive spectral analysis technique | |
| WO2025254497A1 (ko) | 적응형 음향 피드백 제거 시스템 및 방법 | |
| Wang et al. | Adaptive combination of filtered-X NLMS and affine projection algorithms for active noise control | |
| WO2023008710A1 (en) | Simultaneous deconvolution of loudspeaker-room impulse responses with linearly-optimal techniques |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| 121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 11863479 Country of ref document: EP Kind code of ref document: A1 |
|
| NENP | Non-entry into the national phase |
Ref country code: DE |
|
| 122 | Ep: pct application non-entry in european phase |
Ref document number: 11863479 Country of ref document: EP Kind code of ref document: A1 |