[發(fā)明專利]一種快速迭代自適應(yīng)濾波方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201710115303.1
• 申請(qǐng)日: 2017-02-27
• 公開(kāi)（公告）號(hào): CN108510996B
• 公開(kāi)（公告）日: 2020-08-07
• 發(fā)明（設(shè)計(jì)）人: 趙風(fēng)光
• 申請(qǐng)（專利權(quán)）人: 上海聞通信息科技有限公司
• 主分類號(hào): G10L21/0208
• 分類號(hào): G10L21/0208;G10L21/0216;G10L19/26
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

本發(fā)明公開(kāi)一種快速迭代自適應(yīng)濾波方法，該方法采用如下步驟實(shí)現(xiàn)：步驟1：對(duì)雙信道數(shù)字信號(hào)進(jìn)行數(shù)據(jù)采集；步驟2：采用改進(jìn)的LMS自適應(yīng)迭代濾波對(duì)采集的數(shù)據(jù)進(jìn)行濾波降噪處理；步驟3：調(diào)節(jié)步長(zhǎng)因子直至獲得最佳目標(biāo)數(shù)字信號(hào)。本發(fā)明摒除了權(quán)向量迭代公式中殘差標(biāo)量e(n)作為乘法因子的使用，代之以e(n)的符號(hào)控制調(diào)節(jié)方向，使收斂速度大大提高，且簡(jiǎn)化了計(jì)算的復(fù)雜度，適用于任何LMS運(yùn)行的環(huán)境和算法，尤其適用于各種16位MCU上實(shí)時(shí)運(yùn)行。

技術(shù)領(lǐng)域

本發(fā)明屬于自適應(yīng)濾波降噪領(lǐng)域，尤其涉及一種快速迭代、簡(jiǎn)化計(jì)算復(fù)雜度、增強(qiáng)誤差跟蹤能力的自適應(yīng)濾波方法。

背景技術(shù)

自適應(yīng)濾波技術(shù)可以用來(lái)檢測(cè)平穩(wěn)和非平穩(wěn)信號(hào)，具有很強(qiáng)的自學(xué)習(xí)和跟蹤能力，算法簡(jiǎn)單易于實(shí)現(xiàn)。在噪聲干擾抵消，線性預(yù)測(cè)編碼，回聲抵消，通信均衡，未知系統(tǒng)自適應(yīng)參數(shù)辨識(shí)等領(lǐng)域有著廣發(fā)應(yīng)用。

自適應(yīng)濾波規(guī)則是利用前一時(shí)刻捕獲的濾波參數(shù)，自動(dòng)調(diào)節(jié)現(xiàn)時(shí)刻的濾波器系數(shù)，以適應(yīng)信號(hào)和噪聲未知的統(tǒng)計(jì)特性，從而實(shí)現(xiàn)最優(yōu)濾波。根據(jù)優(yōu)化準(zhǔn)則的不同，自適應(yīng)濾波器可分為最小二乘均方誤差(LMS)和遞推最小二乘(RLS)兩類最基本算法。

LMS算法最早由維納針對(duì)平穩(wěn)信號(hào)提出，用于處理兩路信道的自適應(yīng)濾波，一路為主信道，一路為參考信道，主信道含有信號(hào)和噪聲，參考信道只含噪聲，通過(guò)最小二乘準(zhǔn)則，達(dá)到把噪聲信號(hào)從主信道去除的目的。其數(shù)學(xué)模型為，主信道表示為一時(shí)間序列d(n)，噪聲信道表示為一時(shí)間序列x(n)。基于最速下降法的LMS迭代公式如下：

e(n)＝d(n)-W(n)X(n)

W(n+1)＝W(n)+2μe(n)X(n)

在LMS的執(zhí)行中，最難的是μ的選取問(wèn)題，μ選的太小收斂速度慢，跟蹤能力差；μ選的太大，往往不收斂，導(dǎo)致濾波器產(chǎn)生更強(qiáng)的噪聲。因此在目前大部分真實(shí)應(yīng)用中，都采用歸一化LMS，簡(jiǎn)寫(xiě)為NLMS，其迭代公式修改為：

e(n)＝d(n)-W(n)X(n)

W(n+1)＝W(n)+2μe(n)X(n)/||Xn||²

不同之處是把輸入向量X(n)做歸一化處理，雖然收斂條件一樣，但μ的選擇更容易收斂。

很多學(xué)者和專利工作者對(duì)μ的選取做了大量的研究，有使用EXP函數(shù)的，其修正如下：

μ＝β(1-exp(-αe(n)²))

也有使用LOG函數(shù)的，其修改如下：

μ＝βlog(1+αe(n)²)

當(dāng)然也有很多使用這些函數(shù)的變種和其他類似函數(shù)，這類技術(shù)的出發(fā)點(diǎn)都是考慮如何用殘差信號(hào)更好的控制參數(shù)μ的選擇，達(dá)到參數(shù)精度和跟蹤能力的提高。本專利研究表明，無(wú)論是使用NLMS還是控制函數(shù)，都增加了算法的復(fù)雜度，同時(shí)對(duì)跟蹤能力的提升，帶來(lái)的變化有限。譬如NLMS使用了除法，而除法在很多嵌入式芯片中是不存在的，只能用減法和移位仿真，造成復(fù)雜度提升。而基于函數(shù)的方法，要么計(jì)算速度下降，要么需要使用一張很大的表格，對(duì)存貯和計(jì)算都是不利的。RLS算法雖然收斂速度快，但計(jì)算量較大，數(shù)據(jù)處理不實(shí)時(shí)，同樣不適合嵌入式芯片中的使用。而本發(fā)明對(duì)這些問(wèn)題，做了本質(zhì)上的修正。

發(fā)明內(nèi)容

(1)發(fā)明目的

本發(fā)明解決了原始LMS算法中存在的μ選擇不易及常用的改進(jìn)算法中存在的計(jì)算復(fù)雜度提升或計(jì)算速度下降等方面的問(wèn)題，不僅收斂速度大大提升，更簡(jiǎn)化了計(jì)算的復(fù)雜度，增強(qiáng)了誤差跟蹤能力，實(shí)現(xiàn)了跟蹤能力本質(zhì)上的提升。

(2)技術(shù)方案