自适应滤波器的课程设计.docx

自适应滤波器的课程设计.docx

《自适应滤波器的课程设计.docx》由会员分享，可在线阅读，更多相关《自适应滤波器的课程设计.docx（20页珍藏版）》请在冰豆网上搜索。

自适应滤波器的课程设计

引言

滤波是电子信息处置领域的一种最大体而又极为重要的技术。

在有效信号的传输进程中，通常会受到噪声或干扰的污染。

利用滤波技术能够从复杂的信号中提取所需要的信号，同时抑制噪声或干扰信号，以便更有效地利用原始信号。

滤波器事实上是一种选频系统，它对某些频率的信号予以很小的衰减，让该部份信号顺利通过；而对其他不需要的频率信号那么予以专门大的衰减，尽可能阻止这些信号通过。

在电子系统中滤波器是一种大体的单元电路，利用很多，技术也较为复杂，有时滤波器的好坏直接决定产品的性能，因此很多国家超级重视滤波器的理论研究和产品开发。

最近几年来，尤其数字滤波技术利用普遍，数字滤波理论的研究及其产品的开发一直受到很多国家的重视。

从总的来讲滤波可分为经典滤波和现代滤波。

经典滤波要求已知信号和噪声的统计特性，如维纳滤波和卡尔曼滤波。

现代滤波那么不要求己知信号和噪声的统计特性，如自适应滤波。

自适应滤波的原理确实是利用前一时刻己取得的滤波参数等结果，自动地调剂现时刻的滤波参数，从而达到最优化滤波。

自适应滤波具有很强的自学习、自跟踪能力，适用于平稳和非平稳随机信号的检测和估量。

自适应滤波一样包括3个模块：

滤波结构、性能判据和自适应算法。

其中，自适应滤波算法一直是人们的研究热点，包括线性自适应算法和非线性自适应算法，非线性自适应算法具有更强的信号处置能力，但计算比较复杂，实际应用最多的仍然是线性自适应滤波算法。

线性自适应滤波算法的种类很多，有LMS自适应滤波算法、R路自适应滤波算法、变换域自适应滤波算法、仿射投影算法、共扼梯度算法等[1]。

1自适应滤波器简介

自适应滤波器属于现代滤波器的范围，自适应滤波器是相对固定滤波器而言的，固定滤波器属于经典滤波器，它滤波的频率是固定的，自适应滤波器滤波的频率那么是自动适应输入信号而转变的，因此其适用范围更广。

在没有任何关于信号和噪声的先验知识的条件下，自适应滤波器利用前一时刻已取得的滤波器参数来自动调剂现时刻的滤波器参数，以适应信号和噪声未知或随机转变的统计特性，从而实现最优滤波。

所谓自适应滤波，确实是利用前一时刻已取得的滤波器参数等结果，自动地调剂现时刻的滤波器参数，以适应信号和噪声未知的或随时刻转变的统计特性，从而实现最优滤波。

自适应滤波器实质上确实是一种能调剂其自身传输特性以达到最优化的维纳滤波器。

2自适应滤波原理

所谓的自适应滤波，确实是利用前一时刻以取得的滤波器参数的结果，自动的调剂现时刻的滤波器参数，以适应信号和噪声未知的或随时刻转变的统计特性，从而实现最优滤波。

自适应滤波器实质上确实是一种能调剂其自身传输特性以达到最优的维纳滤波器。

自适应滤波器不需要关于输入信号的先验知识，计算量小，专门适用于实时处置。

由于无法预先明白信号和噪声的特性或它们是随时刻转变的，仅仅用FIR和II种具有固定滤波系数的滤波器无法实现最优滤波。

在这种情形下，必需设计自适应滤波器，以跟踪信号和噪声的转变。

自适应滤波器的特性转变是由自适应算法通过调整滤波器系数来实现的。

一样而言，自适应滤波器由两部份组成，一是滤波器结构，二是调整滤波器系数的自适应算法。

自适应滤波器的结构采纳FIR或IIR结构都可，由于IIR滤波器存在稳固性问题，因此一样采纳FIR滤波器作为自适应滤波器的结构。

图1给出了自适应滤波器的一样结构。

图2-1自适应滤波器的一样结构

图1为自适应滤波器结构的一样形式，图中x（n）为输入信号，通过参数可调的数字滤波器后产生输出信号y（n），将输出信号y（n）与标准信号（或为期望信号）d（n）进行比较，取得误差信号e（n）。

e（n）和x（n）通过自适应算法对滤波器的参数进行调整，调整的目的使得误差信号e（n）最小。

自适应滤波器设计中最经常使用的是FIR横向型结构。

图2是横向型滤波器的结构示用意。

图2-2横向型滤波器的结构示用意

其中：

x（n）为自适应滤波器的输入；w（n）为自适应滤波器的冲激响应：

w（n）={w（O），w

（1），…，

w（N-1）}；y（n）为自适应

自适应滤波器的结构能够采纳FIR或IIR滤波器存在稳固性问题，因此一样采纳FIR滤波器作为自适应滤波器的结构。

自适应FIR滤波器结构又可分为3种结构类型：

横向型结构（TransversalStructure）、对称横向型结构（SymmetricTransversalStructure）和格型结构（LatticeStruture）。

本文采纳自适应滤波器设计中最经常使用的FIR横向型结构。

3自适应滤波算法

自适应滤波器除包括一个依照某种结构设计的滤波器，还有一套自适应的算法。

自适应算法是依照某种判定来设计的。

自适应滤波器的算法主若是以各类判据条件作为推算基础的。

通常有两种判据条件：

最小均方误差判据和最小二乘法判据。

LMS算法是以最小均方误差为判据的最典型的算法，也是应用最普遍的一种算法。

最小均方误差（LeastMeanSquare，LMS）算法是一种易于实现、性能稳健、应用普遍的算法。

所有的滤波器系数调整算法都是设法使y（n）接近d（n），所不同的只是关于这种接近的评判标准不同。

LMS算法的目标是通过调整系数，使输出误差序列e（n）=d（n）-y（n）的均方值最小化，而且依照那个判据来修改权系数，该算法因此而得名。

误差序列的均方值又叫“均方误差”（MeanSqluareError，MSE）。

理想信号d（n）与滤波器输出y（n）之差e（n）的期望值最小，而且依照那个判据来修改权系数wi（n）。

由此产生的算法称为LMS。

均方误差ε表示为：

关于横向结构的滤波器，代入y（n）的表达式：

其中：

R=E[X（n）XT（n）]为N×N的自相关矩阵，它是输入信号采样值间的相关性矩阵。

P=E[d（n）X（n）]为N×1相互关矢量，代表理想信号d（n）与输入矢量的相关性。

在均方误差ε

达到最小时，取得最正确权系数：

它应知足下式：

，，

这是一个线形方程组，若是R矩阵为满秩的，R-1存在，可取得权系数的最正确值知足：

W*=R-1p。

用完整的矩阵表示为：

显然φx（m）=E[x（n）x（n-m）]为x（n）的自相关值，φxd（R）=E[x（n）d（n一k）]为x（n）与d（n）相互关值。

在有些应用中，把输入信号的采样值分成相同的一段（每段称为一帧），再求出R，P的估量值取得每帧的最正确权系数。

这种方式称为块对块自适应算法。

如语音信号的线性预测编码LPC确实是把语音信号分成帧进行处置的。

R，P的计算，要求出期望值E，在现实运算中不容易实现，为此可通过下式进行估量：

用以上方式取得最正确W*的运算量专门大，关于一些在线或实时应用的场合，无法知足其时刻要求。

大多数场合利用迭代算法，对每次采样值就求出较佳权系数，称为采样值对采样值迭代算法。

迭代算法能够幸免复杂的R-1和P的运算，又能实时求得近似解，因此切实可行。

LMS算法是以最快下降法为原那么的迭代算法，即W（n+1）矢量是W（n）矢量按均方误差性能平面的负斜率大小调剂相应一个增量：

W（n+1）=W（n）-μ▽（n），那个“是由系统稳固性和迭代运算收敛速度决定的自适应步长。

▽（n）为n次迭代的梯度。

关于LMS算法▽（n）为下式

即E[e2（n）]的斜率：

由上式产生了求解最正确权系数W*的两种方式，一种是最陡梯度法。

其思路为：

设计初始权系数W（0），用W（n+1）=W（n）一μ▽（n）迭代公式计算，到W（n+1）与W（n）误差小于规定范围。

其中▽（n）计算可用估量值表达式：

上式K取值应足够大。

若是用瞬时一2e（n）X（n）来代替上面对-2E[e（n）X（n）]的估量运算，就产生了另一种算法——随机梯度法，即Widrow-Hoft的LMS算法。

现在迭代公式为：

W（n+1）=W（n）+2ue（n）X（n）

以后讨论的LMS算法都是基于WidrOW-Hoff的LMS算法。

上式的迭代公式假定滤波器结构为横向结构。

关于对称横向型结构也可推出类似的迭代公式：

W（n+1）=W（n）+2ue（n）[X（n）+X（n一N+1）]

4自适应滤波算法的理论仿真与DSP实现

MATLAB仿真

MATLAB程序仿真

利用MATLAB编程，采纳自适应滤波器技术实现语音去噪进程，程序如下：

clearall;

clf;

pi=;

signal=sin（2*pi**[0:

999]'）;%产生输入信号

noise=randn（1,1000）;%产生随机噪声

nfilt=fir1（11,;%产生11阶低通滤波，截止频率为

fnoise=filter（nfilt,1,noise）;%噪声信号进行FIR滤波

d=signal.'+fnoise;%将噪声叠加到信号中

w0=nfilt.';%设置初始化滤波器系数

mu=;%设置算法的步长

s=initse（w0,mu）;%初始化自适应FIR结构滤波

[y,e,s]=adaptse（noise,d,s）;%进行自适应滤波

t=1:

200;

plot（t,signal（1:

200））

figure

（2）;

plot（t,d（1:

200）,'.-',t,y（1:

200）,'-'）;

仿真结果

（1）为了确保噪声的相关性，第一让噪声通过一个11阶的低通FIR滤波器然后将滤波后的噪声加到信号中去；

（2）对程序中所利用的一些函数的详细说明，请参考MATLAB的函数说明，这些函数包括：

FIR、INITSE、FILTER、PLOT、ADAPTSE等。

图4-1为原始信号的信号图；图4-2为滤波前信号和滤波后信号时域图。

比较图4-1和图4-2能够看出，采纳自适应滤波后的滤波输出信号和原始信号大体相似，噪声完全滤除。

图4-1原始信号时域图

图4-2滤波前信号和滤波后信号时域图

对照图4-2中滤波前和滤波后的信号能够看出，信号中的噪声完全滤除，信号完全恢复，通过Matlab仿真结果分析，自适应滤波器具有专门好的性能。

DSP的理论基础

数字信号处置（DSP）是指人们利用运算机或专用途理设备，以数字的形式对信号进行搜集，变换，滤波，估值，增强，紧缩，识别等处置，以取得符合人们需要的信号形式。

其框图如图4-3所示。

DSP内部一样都包括多个处置单元,如算术逻辑运算单元,辅助寄放器运算单元,累加器等。

另外DSP芯片也有很多种，那个地址着重介绍TMS320C5000系列。

目前TMS320C5000系列芯片包括了TMS320C54XX和TMS320C55XX两大类。

这两类芯片的软件相互兼容。

可是本文选择TMS320C55XX系列DSP芯片。

1.结构特点比较

（1）TMS320C54XX和TMS320C55XX均为16bit定点DSP

（2）C55XX有双MAC单元；C54XX只有单MAC单元。

（3）C55XX的指令长度可变，且没有排队的限制；C54X的指令长度固定。

（4）C55XX有12组总线；C54XX只有8组总线。

（5）C55XX提供了EMIF外部存储器扩展接口，能够直接利用SDRAM，而C54XX那么不能直接利用。

2.内部结构对照

（1）C54XX关注于低功耗，而C55XX那么将低功耗提高到一个新水平：

300MHZ的C55XX和120MHZ的C54XX相较，性能提高了5倍，而功耗那么降到1/6。

（2）C55XX总线的宽度为32bit,而C54XX总线宽度为16bit。

C55XX有三组数据读总线和两组数据写总线，而C54XX有两组数据读总线和一组数据写总线。

（3）C55XX包括一个40bit的ALU。

用户能够用ALU作32bit的运算。

C54XX包括一个分开40bit的ALU。

它的ALU能够做成两个16bit的配置。

（4）C55XX能够执行可变长度的指令，这和C54XX有显著的不同。

C54XX的指令长度为固定的16bit，而C55XX的指令长度那么为8～48bit。

3.寻址模式对照

C54XX支持单数据存储器操作数寻址和32bit操作数寻址，还利用并行指令支持双数据存储器操作数寻址。

它也提供当即数寻址，循环寻址和位倒序寻址。

在C54XX的基础上，C55XX还支持绝对值寻址，寄放器间接寻址，直接寻址。

C55XX的ADFU包括专门的寄放器，支持利用间接寻址指令的循环寻址。

能够同时利用5个独立的循环缓冲器和3个独立的缓冲器长度。

这些循环缓冲器没有地址排队的限制。

自适应滤波算法的DSP实现

为了提高LMS算法的处置速度及减小系统的硬件规模,在实现滤波器算法时,采纳了TMS320C54xx作为核心芯片。

由于该处置器采纳改良型结构,具有高度并行性,同时拥有高度集成的指令系统,简化编程进程,模块化结构程序设计增强了程序的可移植性。

利用TMS320C54xx实现LMS自适应算法时,存储器中数据的寄存形式对DSP的有效运用有着特殊的意义,合理的寄存形式,能够使算法实现起来加倍速速和高效,为了实现算法中输入样值x（n）和滤波器系数W（n）的对应项相乘,他们在存储器中的寄存形式如图4-4所示。

图4-4TMS320C54xx自适应滤波器存储器组织形式

依照算法和DSP汇编语言程序（见附录）,在CCS环境下编译,连接生成公共目标代码文件,在线下载到DSP中运行。

为了能观看到相应的波形,在CCS环境下选择View\Graph\Time\Freqency进入图形观看窗口,在“GraphPropertyDialog”窗口当选定相应类型的值。

将编译产生的可执行文件下载到DSP芯片中，通过运行取得图4-5为输入信号的时域图，由图能够看到，正弦信号中叠加了噪声，致使正弦信号显现了较大的畸变。

通过对输入信号进行FFT变换，能够取得其频谱图如图4-6，由图4-6能够看出，低频的信号中叠加了比较多的高频噪声，要取得比较好的原始低频正弦信号，必需要进行滤波。

图4-5输入波形

图4-6输入波形FFT

如图4-7所示，能够看出输入波形中的高频噪声大体上取得了滤除，为了更方便，更直接的看出滤波成效，对滤波后的波形进行了FFT变换，得出信号的频谱图如图4-8所示。

图4-8的输出信号的频谱图中仅剩余了低频信号，滤除高频成份。

通过对照图4-6和图4-8，更清楚地看到高频区的噪声大体上被排除。

可是由于参数设置不够精准等缘故造成高频噪声得不到完全排除，但也很明显的显现了低通滤波的目的。

图4-7输出波形

图4-8滤波后波形FFT

5结语

自适应滤波器是比较成心思的一个课程设计，当它真的做出来的时候，仍是有点成绩感的。

在这次课程设计中碰到了很多的问题，这是平常上课的时候所可不能碰到的，当碰到问题是，我和我的其他两个组员通过网上查阅有关自适应滤波器的知识、问身旁的同窗、问指导教师等渠道把碰到的问题都解决了，在这当中，我学到了很多知识。

自适应滤波器却能专门好地排除叠加在信号上的噪声，尽管也能够用固定滤波器来实现，但设计固定滤波器时需要预先明白信号和噪声的统计特性，而自适应滤波器那么不需要，而且当信号和噪声的统计特性发生转变时，自适应滤波器也能自动地调剂其冲激响应特性来适应新的情形，因此，自适应滤波器具有加倍广漠的应用前景。

自适应滤波技术的核心问题是自适应算法的性能问题，研究自适应算法是自适应滤波器的一个关键内容，算法的特性直接阻碍滤波器的成效。

通过本课程设计加深了对DSP原理的明白得，初步把握了DSP芯片的开发应用，为接下来的深切学习打下了坚实的基础。

可是同时还有很多的问题还有待于进一步深切研究，我将在尔后的学习工作中，要增强学习，不断进取。

在做课程设计的日子里取得了何海浪教师的悉心指导和同窗的帮忙，在此向他们致以真挚的谢意。

感激提供相关技术帮忙的教师和同窗，你们的支持和鼓舞使我对这次的设计完成有了信心和动力，我在此深表谢意。

参考文献

[1]胡广书．数字信号处置－理论、算法与实现[M]．清华大学，2004．

[2]彭启琼，李玉柏．DSP技术[M]．第4版．电子科技大学，2002．

[3]邓重一．滤波器的过去、此刻与以后[J]．中国电子报社，2003，17（4）：

513～523．

[4]张宏伟（等）．DSP芯片的原理与开发应用[M]．第四版．北京：

电子工业出版社．2008．

[5]高西全（等）．数字信号处置[M]．第三版．西安电子科技大学出版社．2008．

附录自适应滤波子程序

DATA_SIZE.set256;

FILTER.set10;

STACK_SIZE.set256;

STACK.usect“stack”,STACK_SIZE

SYSTEM_STACK.setSTACK_SIZE+STACK

DATA_DP.usect“filter_vars”,0

filter.usect“filter_vars”,FILTER*2

outputdata.usect“filter_vars”,DATA_SIZE

errrordata.usect“filter_vars”,DATA_SIZE

.defstart

.data

.globalinputdata

Inputdata

.word10408,16451,10820,12227,18146,13106,11485

.word15737,9840,3644,8171,4118,-4355,-624

.word-2443,-11575,-10290,-8288,-16156,-16663,-10543

.word-15433,-17113,-8010,-11188,-11286,-3102,-2176

.word-3726,4075,8836,3665,10937,16347,11278

.word13449,19214,13116,11330,16515,10916,4581

.word7920,4852,-3773,-1259,-2437,-12459,-10499

.word-8657,-16091,-15654,-11133,-15864,-17015,-8342

.word-10862,-11228,-2376,-1394,-3423,4160,7802

.word5087,10683,16178,11318,12040,18459,13601

.word10019,16146,10320,4708,9071,3873,-4214

.word-704,-3586,-11606,-9998,-8837,-17008,-16095

.word-10402,-15357,-16675,-8536,-11140,-11943,-2908

.word-1887,-4719,5099,7887,5169,10683,16744

.word-10076,-8626,-17231,-15279,-10646,-16684,-17179

.word-7936,-10141,-11216,-2285,-903,-3720,5052

.word7833,3880,10946,16387,10515,12519,18743

.word12257,10662,16038,10388,3906,9196,4417

.word-4219,-912,-2419,-11865,-11209,-9233,-16353

.word-15469,-10824,-15744,-17280,-9320,-10469,-11427

.word-2313,-875,-4650,4739,8016,4821,9834

.word15507,10613,12142,18944,12333,11383,15673

.word10308,4892,8156,4732,-4849,-955,-2853

.word-11303,-11279,-9263,-16185,-15864,-9999,-16150

.word-16554,-8656,-10620,-12215,-2220,-836,-3474

.word4939,9086,4804,10259,15884,10219,12041

.word18582,13394,10321,15635,10087,4313,8034

.word5145,-4469,-908,-2155,-12436,-11063,-8792

.word-16193,-16849,-10633,-15990,-16297,-8395,-10178

.word-11597,-2151,-600,-3487,3862,9267,5004

.word9600,15632,10160,13017,18309,13654,9879

.word15890,9795,4551,8900,4029,-4107,-1672

.word-3324,-11575,-9976,-8166,-17320,-15900,-10976

.word-15948,-15898,-8530,-10618,-11542,-2163,-1343

.word-4333,5094,8127,4794

.globalreferdata

Referdata

.word10408,16451,10820,12227,18146,13106

.word15737,9840,3644,4118,-4355,-624

.word-2443,-11575,-10290,-8288,-16156,-16663,-10543

.word-15433,-17113,-8010,-11188,-11286,-3102,-2176

.word-3726,4075,8836,3665,10937,16347,11278

.word13449,19214,13116,11330,16515,10916,4581

.word7920,4852,-3773,-1259,-2437,-12459,-10499

.word-8657,-16091,-15654,-11133,-15864,-17015,-8342

.word-10862,-11228,-2376,-1394,-3423,4160,7802

.word5087,10683,16178,11318,12040,18459,13601

.word10019,16146,10320,4708,9071,3873,-4214

.word-704,-3586,-11606,-9998,-8837,-17008,-16095

.word-10402,-15357,-16675,-8536,-11140,-11943,-2908

.word-1887,-4719,5099,7887,5169,10683,16744

.word11122,12021,18500,12911,10354,16272,10118

.word5139,8244,3601,-3640,-574,-3111,-12231

.word-10076,-8626,-17231,-15279,-10646,-16684,-17179

.word-7936,-10141,-11216,-2285,-903,-3720