[發(fā)明專(zhuān)利]基于多態(tài)可變步長(zhǎng)歸一化均方的自適應(yīng)信號(hào)濾波方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010877607.3
• 申請(qǐng)日: 2020-08-27
• 公開(kāi)（公告）號(hào): CN112003588A
• 公開(kāi)（公告）日: 2020-11-27
• 發(fā)明（設(shè)計(jì)）人: 張紅升;孟金;張國(guó)棟;衛(wèi)中陽(yáng)
• 申請(qǐng)（專(zhuān)利權(quán)）人: 重慶郵電大學(xué)
• 主分類(lèi)號(hào): H03H21/00
• 分類(lèi)號(hào): H03H21/00
• 代理公司: 成都行之專(zhuān)利代理事務(wù)所(普通合伙) 51220
• 代理人: 林菲菲

本發(fā)明公開(kāi)了基于多態(tài)可變步長(zhǎng)歸一化均方的自適應(yīng)信號(hào)濾波方法，涉及數(shù)字信號(hào)處理技術(shù)領(lǐng)域，解決現(xiàn)有自適應(yīng)濾波方法在信號(hào)降噪過(guò)程中難以持續(xù)的快速收斂，其工作效率低、穩(wěn)定性差的問(wèn)題，其技術(shù)方案要點(diǎn)是：第一階段，計(jì)算濾波器系數(shù)W(n)與最佳濾波器系數(shù)H(n)之間的穩(wěn)態(tài)MSD，設(shè)定步長(zhǎng)因子μ₁、μ₂，并根據(jù)μ₁、μ₂分別計(jì)算出初始態(tài)的穩(wěn)態(tài)MSD₁、最終態(tài)的穩(wěn)態(tài)MSD₂；第二階段，在初始態(tài)MSD₁與最終態(tài)MSD₂之間添加多個(gè)暫態(tài)MSDP_i，根據(jù)MSD₁與MSD₂的倍數(shù)因子來(lái)調(diào)節(jié)暫態(tài)MSDP_i，并得到暫態(tài)步長(zhǎng)因子μp_i，μ₂＜μp_i＜μ₁：第三階段，以步長(zhǎng)因子μ₂獲得低的穩(wěn)態(tài)，μ₂＜μp_i。定義為MVSS?NLMS，可以持續(xù)的快速收斂，能彌補(bǔ)現(xiàn)有自適應(yīng)濾波方法在第二階段收斂速度慢的不足。

技術(shù)領(lǐng)域

本發(fā)明涉及數(shù)字信號(hào)處理技術(shù)領(lǐng)域，更具體地說(shuō)，它涉及基于多態(tài)可變步長(zhǎng)歸一化均方的自適應(yīng)信號(hào)濾波方法。

背景技術(shù)

自適應(yīng)濾波是近年以來(lái)發(fā)展起來(lái)的一種最佳濾波方法。它是在維納濾波，Kalman濾波等線(xiàn)性濾波基礎(chǔ)上發(fā)展起來(lái)的一種最佳濾波方法。由于它具有更強(qiáng)的適應(yīng)性和更優(yōu)的濾波性能。從而在工程實(shí)際中，尤其在信息處理技術(shù)中得到了廣泛的應(yīng)用，如：信號(hào)處理、通信處理、圖像處理等。

在1960年，Widrow和Hoff提出了自適應(yīng)濾波的典型算法：最小均方算法(LMS)，此算法是基于最小均方誤差準(zhǔn)則。此算法在近幾十年得到了廣泛的發(fā)展，已應(yīng)用在了通信、控制、雷達(dá)信號(hào)處理、系統(tǒng)辨識(shí)、回波抵消等領(lǐng)域。研究發(fā)現(xiàn)，LMS算法在信號(hào)降噪過(guò)程中的復(fù)雜度低、性能穩(wěn)定，但是收斂速率慢；為了克服LMS上述缺點(diǎn)，Nagumo和Noda提出了一種歸一化均方算法(Normalized Least Mean Square，NLMS)，但是其步長(zhǎng)平穩(wěn)，不能同時(shí)滿(mǎn)足收斂速度快和穩(wěn)態(tài)誤差低；基于NLMS算法，Sulyman和Zerguine提出一種簡(jiǎn)單而健壯的可變步長(zhǎng)歸一化均方算法(Variable Step Size Normalized Least Mean Square，VSS-NLMS)，它能同時(shí)滿(mǎn)足收斂速度快和穩(wěn)態(tài)誤差低，但是需要調(diào)整多個(gè)參數(shù)且難以實(shí)現(xiàn)；然后，又衍生出許多VSS-NLMS算法，不同的系統(tǒng)采用不同的VSS-NLMS算法。眾所周知，更快(慢)的收斂速度會(huì)產(chǎn)生更大(小)的穩(wěn)態(tài)均方差(Mean Square Deviation，MSD)。

目前，針對(duì)于系統(tǒng)識(shí)別模型，如圖1所示，Prob-LMS算法的性能最好，不過(guò)它的復(fù)雜度過(guò)高。在Prob-LMS算法上又衍生出Switched VSS-NLMS算法，此算法應(yīng)用于信號(hào)降噪過(guò)程中分為兩個(gè)階段，研究發(fā)現(xiàn)，第一個(gè)階段的收斂速度超越了大部分應(yīng)用VSS-NLMS算法的收斂速度，但是在第二個(gè)階段的收斂速度不如大多數(shù)應(yīng)用VSS-NLMS算法的收斂速度，導(dǎo)致收斂速度慢。

發(fā)明內(nèi)容

為解決現(xiàn)有自適應(yīng)濾波方法收斂速度慢的問(wèn)題，本發(fā)明的目的是提供一種基于多態(tài)可變步長(zhǎng)歸一化均方的自適應(yīng)信號(hào)濾波方法，定義為MVSS-NLMS算法。

本發(fā)明的上述技術(shù)目的是通過(guò)以下技術(shù)方案得以實(shí)現(xiàn)的：

第一方面，提供了基于多態(tài)可變步長(zhǎng)歸一化均方的自適應(yīng)信號(hào)濾波方法，該方法應(yīng)用于輸入信號(hào)的快速收斂調(diào)節(jié)過(guò)程，包括：

第一階段，計(jì)算濾波器系數(shù)W(n)與最佳濾波器系數(shù)H(n)之間的穩(wěn)態(tài)MSD，設(shè)定步長(zhǎng)因子μ₁、μ₂，并根據(jù)μ₁、μ₂分別計(jì)算出初始態(tài)的穩(wěn)態(tài)MSD₁、最終態(tài)的穩(wěn)態(tài)MSD₂；