关于CDMA系统自适应滤波器的综述【文献综述】

《关于CDMA系统自适应滤波器的综述【文献综述】》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

毕业论文文献综述通信工程关于CDMA系统自适应滤波器的综述摘要：自适滤波器是信号处理的重要基础，近年来发展速度很快，广泛应用在CDMA系统等各个领域中。在实际问题当中，迫切需要研究有效，实用的自适应滤波算法。围绕这个课题，本文从国内外对自适应滤波的研究发展状况入手，综述了几种主要的自适应滤波算法及应用，分析了他们的实现方法和性能，对自适应滤波系统的未来进行了展望。关键词：自适应滤波；适应滤波算法；自适应噪声消除；自适应均衡；LMS算法；自适应滤波器是统计信号处理的一个重要组成部分。在实际应用中，由于没有充足的信息来设计固定系数的数字滤波器，或者设计规则会在滤波器正常运行时改变，因此我们需要研究自适应滤波器[1]。凡是需要处理未知统计环境下运算结果所产生的信号或需要处理非平稳信号时，自适应滤波器可以提供一种吸引人的解决方法，而且其性能通常远优于用常方法设计的固定滤波器。此外，自适应滤波器还能提供非自适应方法所不可能提供的新的信号处理能力[2]。自适应滤波器是在维纳滤波，卡尔曼滤波[3]等线性滤波的基础上发展起来的一种最佳滤波方法。由于其具有更强的适应性以及更优的滤波性能，从而在工程实际尤其是信息处理技术中得到了广泛的应用[4]。自适应滤波的研究对象是具有不确定性的系统或信息过程。“不确定”是指所研究的处理信息过程及其环境的数学模型是不完全确定的，其中还包含了一些未知因数和随机因数。任何一个实际的信息过程都是具有不同程度的不确定性的，这些不确定性时而表现在过程内部，时而表现在过程外部。从过程内部来说，描述信息动态过程的数学模型的结构和参数都是事先所不知道的。作为外部环境对过程的影响，可以等效的用扰动来表示，这些扰动通常是不可测的，它们可能是最确定的，也可能是随机的。此外一些测量噪音也是以不同的途径来影响信息过程的。这些扰动和噪声的统计特性通常是未知的。面对这些客观存在的各种不确定性，如何综合处理信息过程，并使某些指定的性能指标达到最优或者近似最优，这就是自适应滤波所要解决的问题。一.国内外研究发展状况自适应滤波的基本理论通过几十年的发展已日趋成熟，近十几年来自适应滤波器的研究主要针对算法与硬件实现[5][6]。算法研究主要是对算法速度和精度的改进，其方法大都采用软件C、MATLAB等仿真软件对算法的建模和修正。随着信息化的进程加快和计算机科学与技术、信号处理理论与方法等的迅速发展，需要处理的数据量越来越大，对实时性和精度的要求越来越高。5 以迅速发展的移动通信技术为例，从1G时代只能传送语音的模拟通信，到2G时代的传送语音和数据的GSM、TDMA与CDMA1595，到2.5G时代传送语音、数据、图片、彩信MMS、简短视频、收发E-mail、网页浏览等的GPRS与CDMA2000lX，到目前正处于研发与测试阶段的能够传送图像、音乐、视频流等多种媒体形式，提供包括网页浏览、电话会议、电子商务的3G通信，以及目前正在研发与憧憬中的能够传送高质量流畅的视频流与多种实时流媒体业务的4G通信。系统的功能是越来越强大，但对数据传送与处理的速率要求也是越来越高。目前广泛使用的GSM系统的数据传输速率只有9.6kbit/s，窄带CDMA传输速率也只有14.4kbit/s，但到2.5G的GPRS系统数据传输速率达到了150kbit/t左右，而根据IMT2000协议，3G通信室内或静止状态下的数据传输速率将达到2Mbit/s，到了基于全IP网络的4G时代，在慢速或静止状态下数据传输速率将达到100Mbit/s。而自适应接收技术包括自适应均衡器、智能天线、自适应调制、自适应编码等，是数字通信系统中的关键技术之一。二.自适应滤波算法（1）基子维纳滤波理论的方法维纳滤波器(Wienerfilter)是一种早期所提出的滤波器，在某个时间点n，线性滤波器产生一个输出信号y(n)，此输出信号是为了用来估测某一个我们想要估测的信号d(n)，因此所要估计的信号和滤波器输出信号之差便称为估测误差e(n)。也就是说e(n)=d(n)-y(n)在线性滤波理论中，维纳滤波器所要解决的是最小均方误差(LMS)准则[7]下的线性滤波问题。这种滤波方法是在已知信号与噪声的相关函数或功率谱的情况下，通过求解维纳一霍夫(Wiener--hopf)方程，对平稳随机信号进行最优预测和滤波。利用抽头延迟线做成的横向滤波结构的自适应滤波器，通常被称为自适应横向滤波器，或自适应FIR滤波器，其抽头加权系数集正好等于它的冲激响应。在输入平稳随机信号时，所期望的响应信号与横向滤波器输出信号之间的差值的均方值是滤波参数或权矢量的二次方函数。因此，自适应滤波器的均方误差与权矢量的关系是一个凹型的超抛物体的曲面，它具有唯一的极小下点。可以用梯度方法沿着该曲线面调节权矢量的各元素。得到这个均方误差的最小点，对应于此最小点的权矢量称为最佳维纳解。由Widrow和Hoff提出的最小均方误差(LMS)算法，因为其具有计算量小、易于实现等优点而在实践中被广泛采用。典型的应用领域有系统识别、信号处理和自适应控制。LMS算法的基本原理是基于最速下降法，即沿着权值的梯度估值的负方向进行搜索，达到权值最优，实现均方误差最小意义下的自适应滤波。初始收敛速度、时变系统跟踪能力及稳态失调是衡量自适应滤波算法优劣的三个重要的技术指标。由于主输入端不可避免地存在干扰噪声，自适应滤波算法将产生参数失调噪声。干扰噪声越大，则引起的失调噪声就越大。减小步长因子Ⅳ5 可降低自适应滤波算法的稳态失调，提高算法的收敛精度。（2）基于卡尔曼滤波理论的方法为了使自适应滤波器能工作在平稳的或非平稳的环境下，可以借助于卡尔曼滤波器来推导自适应滤波算法。卡尔曼滤波是线性无偏最小方差滤波，它的估计性能是最优的，而递推计算形式又能适应实时处理的需要。对于一个线性动态系统的卡尔曼滤波问题，可以用状态方程与测量方程来描述，前者以状态矢量来刻划系统的动态，后者表述系统中的测量误差。根据估计理论，可知最小误差熵估计准则与最小方差估计准则等价，而卡尔曼滤波是线性无偏最小方差估计，故有不同的方法推演卡尔曼的递推公式。（3）基于最小二乘准则的方法[8]维纳滤波器个卡尔曼滤波器所导出的自适应滤波算法理论是基于统计概念的，而最小二乘估计算法是以最小误差平方和为优化目标，这里误差就是自适应滤波器的期望响应d(n)与真实滤波输出y(n)之差。根据这类自适应滤波器的实现结构，可以得到以下三种不同的最小二乘自适应滤波算法：(1)自适应递归最小二乘算法(2)自适应最小二乘格型算法(3)QR分解最小算法三．自适应滤波算法的应用（1）自适应滤波器图3．1自适应滤波器模型图3．1举例说明一种普通形式的自适应滤波器，输入信号x(n)和d(n)，输出信号y(n)。这种自适应滤波器应用在具有不同的输入输出结构的不同的应用中。自适应滤波器最重要的特点就是能够在未知的环境和对具有沿时间变化特征的输入信号进行有效的操作[9]。这种自适应滤波器成功的应用在通信，雷达，声纳，控制和图像处理。（2）自适应均衡器5 图3．2自适应均衡器模型图3．2所示为一个自适应均衡器的模型。定义这个自适应模型信号为x(n)接收信号(传输信号的滤波器版本)脉冲信道噪声，检测数据信号(数据模)或者假的随机数(训练模)，使用均衡信号来检测接收数据和剩余的干扰脉冲信号。使用自适应均衡器能够消除由通信信道产生的幅度和相位失真，这是自适应滤波器在无线电通信中的应用[10]。每个传输信号作用在时间离散的信道延伸超过了时间间隔的信号，导致覆盖接收信号。由于大多数信道是时间变化和未知的，自适应信道均等设计用来对付码间干扰，并广泛的应用在电话和无线电信道的有效宽带传输。（3）自适应噪声消除图3．3自适应噪声消除模型一种最简单但是最有效的自适应信号处理技术就是自适应噪声消除[11]。图3．3原始的输入信号d(n)包括信号和噪声，当x(n)是噪声参考输入。使用自适应滤波器来预测噪声是在原始信噪中减去d(n)和噪声预置值y(n)。噪声消除输出是误差信号e(n)5 。噪声消除的应用包括各种形式的干扰如心电图仪，语音信号噪声，无线电干扰。在这些噪声消除的应用多数使用LMS算法[12]。四．总结自适应滤波器是统计信号处理的一个重要组成部分，是近30年以来在维纳滤波，卡尔曼滤波等线性滤波基础上发展起来的一种最佳滤波方法。出于它具有更强的适应性和更优的滤波性能以及近年来通信技术的飞速发展，从而在CDMA系统[13][14]等各个信息处理技术中得到广泛的应用。在实际问题当中，迫切需要研究有效，实用的自适应滤波算法。本文在阅读大量文献的基础上，从国内外对自适应滤波的研究发展状况入手，简单的介绍了几种现有的自适应滤波算法及应用，取得了一些有益的进展和收获。参考文献：[1]郑宝玉.自适应滤波器原理[M]．北京：电子工业出版社，2006.[2]沈福民．自适应信号处理．第一版。西安：西安电子科技大学出版社．2001.[3]李毅．自适应滤波及滤波算法研究．西北工业大学硕士论文．2003，3.[4]《数字通信》[M]，普罗科斯，电子工业出版社，2006年.[5]WISSCH."ThePrinciplesofSpreadSpectrumTechnology."http://cas.et.tudelft.[6]S.H.Qureshi,"Adaptiveequalization,"[J]Proc.IEEE,vol.73,pp.1349-1387,Sep.1985.htm.4/14/02.[7]KAMayyas，TAboulnasr．TheleakyLMSalgorithm：MSEanalysisforOaussianData[J]．IEEETrans．onSP．1997，45：927-934.[8]高鹰，一种基于最小二乘准则的自适应滤波算法[J]．广州大学学报．2001，15(2)：32-34．nl/~glas/ssc/techn/techniques.html.4/5/02.[9]邵玉斌，Matlab/Simulink通信系统建模与仿真实例分析，清华大学出版社2008年6月.[10]邓华等，MATLAB通信仿真及应用实例详解[专著]2003.9.[11]何振亚.自适应信号处理.北京:科学出版社，2002.[12]黄振远.朱剑平.HUANGZhenyuan.ZHUJianping自适应滤波LMS类算法探究-现代电子技术2006,29(24).[13]UMTSWorld."CDMAOverview."http://www.umtsworld.com/technology/cdmabasics.[14]李恩圣，CDMA网络性能分析及优化[D]，北京：北京邮电大学，2008：1-66.5