基于FPGA的回波抵消器设计【毕业论文】

《基于FPGA的回波抵消器设计【毕业论文】》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。

本科毕业设计（20届）基于FPGA的回波抵消器设计摘要 现代通信系统中都不同程度的存在回波现象，从而影响了通信质量。而随着通讯、数字信号处理和大规模集成电路技术的飞速发展，人们对通信质量的要求越来越高，回波抵消技术也因此得到快速的发展，在数字通信、卫星通信等系统中起着越来越大的作用。回波抵消器主要是根据自适应滤波器模拟回波路径，可以跟踪回波路径的变化这一原理设计的。而自适应回波抵消器有最小均方算法（LMS）（LeastMeanSquare）,最小二乘算法（RLS）（RecursiveLeast-squares）和DLMS自适应滤波器算法这三种典型算法。RLS算法是在牛顿优化算法基础上改进的，该算法对输入的数据矢量无任何限制，在FIR滤波和阵列处理中都可使用，具有较高数值精度；LMS较RLS算法收敛速度慢，但算法教简单，计算量小易于实时处理，通过参数调节仍可取得较好滤波效果。论文根据自适应回波抵消器的典型算法理论最小均方算法（LMS），采用Altera公司的DSPBuilder开发平台，设计了自适应回波抵消器的系统模块，给出回波抵消系统的模块图，介绍了部分关键参数的设置，给出详细的仿真结果，最终得到系统模块的正确波形，并对模块进行了仿真和系统正确性的验证。论文还记录和整理了在设计与调试中出现的问题，并给出笔者的分析。关键词：回波抵消器;LMS;RLS;DLMSAbstractTherearedifferentlevelsofechophenomenoninthemoderncommunicationsystems,whichaffectsthecommunicationquality.Withthecommunications,digital signalprocessingandtherapiddevelopmentoflargescaleintegratedcircuittechnology,peopleareincreasinglydemandingqualityofcommunication,echocancellationtechnologyissorapiddevelopmentsindigitalcommunications,satellitecommunicationssystemsfromanincreasinglylargerole.Adaptiveechocancellerfiltersimulationismainlybasedontheechopath,youcantrackchangesintheechopathdesignprinciples.Theadaptiveechocancellerhastheleastmeansquarealgorithm(LMS)(LeastMeanSquare),leastsquares(RLS)(RecursiveLeast-squares)adaptivefilteralgorithmandDLMSalgorithmforthethreetypical.RLSalgorithmisbasedontheimprovedNewtonalgorithm,andthealgorithmontheinputdatavectorswithoutanylimitations,intheFIRfilteringandarrayprocessingcanbeusedwithhighnumericalprecision;LMSoverRLSalgorithmisslowconvergence,butthealgorithmteachsimple,easyreal-timeprocessingcomputation,throughparameteradjustmentcanstillgetbetterfilteringeffect.Thedesignofatypicalofadaptiveechocancelleralgorithmstheoreticalminimummeansquarealgorithm(LMS),usingAltera'sDSPBuilderdevelopmentplatformdesignedforthesystemofadaptiveechocancellationmodule,themodulegivestheechocancellationsystemFigure,describesthesettingsofsomekeyparameters,givesdetailsofthesimulationresults,finallygetthecorrectwaveformsystemmodule,andmodulesforthecorrectnessofthesimulationandsystemverification,thepaperalsorecordsandputtogetherinthedesignandCommissioningProblems,andgivestheauthor'sanalysis.Keywords:EchoCanceller;LMS;RLS;DLMS目录1引言11.1课题背景和意义1 1.2论文的内容与组织结构22自适应滤波器概述32.1滤波器概念32.2自适应滤波器概述42.3自适应滤波器算法分类62.3.1最小均方算法(LMS)62.3.2递推最小二乘算法(RLS)72.3.3DLMS自适应滤波器算法83基于DSPBuilder的回波抵消器设计93.1DSPBuilder概述93.1.1DSPBuilder平台综述93.1.2DSPBuilder设计流程93.2加权系数模型的建模103.3加权分量模型的建模113.4自适应回波抵消器的建模123.5自适应回波抵消器系统建模134系统仿真与调试164.1信号模块的正弦波输出164.2自适应回波抵消器系统的输出波形165设计总结18致谢19参考文献20 1引言1.1课题背景和意义回波信号是在通信过程中产生的反射干扰信号，它会使接收到的信号产生混乱。但在数字通信、卫星通信等系统中，不同程度的存在回波现象，影响了通信质量。随着通讯、数字信号处理和大规模集成电路技术的飞速发展，人们对语音通信质量的要求越来越高。因此，从理论设计到工程应用对回波抵消技术进行的深入研究，都有着积极的意义。随着人们对语音通信质量要求的提高，回波抵消技术越来越受到人们的重视，并为世界各大通讯公司竞争的热点技术之一。从20世纪80年代兴起以来，人们一直致力于收敛快，稳态误差小，近端干扰下收敛稳健，回波路径变化时追踪速度快以及算法计算量小的回波抵消器的研究。回波抵消器能估计回波路径的特征参数，以产生一个模拟的回波信号，然后从接收到的信号中减去该模拟信号，以实现回波抵消的效果。而一般采用自适应滤波器模拟回波路径，因其可以跟踪回波路径的变化[1]。随着数字超大规模集成(VLSI)技术的发展,自适应信号处理技术在许多领域(例如:数字通信、雷达、生物医学、地震学、导航系统等)得到了广泛应用。通过语音消噪技术来提高语音质量是语音通信的一个重要环节，语音处理的根本目的就是准确的获取信号特征值，一切处理的前提保障就是消噪。自适应滤波器就是一种有效的语音消噪模型，其中自适应滤波器的算法决定了滤波性能，根据滤波算法优化准则不同，自适应滤波器的主要算法可分为两类基本算法：最小均方误差（LMS）算法和递归最小二乘（RLS）算法。RLS（RecursiveLeast-squares）算法是在牛顿优化算法基础上改进的，该算法对输入的数据矢量无任何限制，在FIR滤波和阵列处理中都可使用，具有较高数值精度；LMS较RLS算法收敛速度慢，但算法教简单，计算量小易于实时处理，通过参数调节仍可取得较好滤波效果。两种自适应滤波器算法具有很高的工程应有价值[2]。 1.2论文的内容与组织结构围绕课题，论文主要做了以下工作：1.熟悉Simulink开发工具及DSPBuilder开发平台，熟悉基于DSPBuilder的一般设计流程；2.了解与熟悉数字滤波器的原理、自适应滤波器原理，查阅相关的基于FPGA实现的数字滤波器、自适应滤波器一般实现方案；3.查阅了解自适应滤波器原理理论内容，掌握LMS、RLS、NLMS三种算法原理和特点。结合自己的专业知识，采用LMS算法实现基于自适应滤波器。对该算法进行DSPBuilder建模；4.提出基于DSPBuilder的自适应滤波器设计方案，将整个设计分为加权系数建、加权分量建模和系统建模等三部分。分别完成每个模块的设计和DSPBuilder仿真、FPGA验证，最终完成顶层的系统建模与仿真。5.对设计与调试过程中出现的问题进行整理和分析。本文一共有五章，第一章为引言，简述了本课题的相关背景和论文的组织结构；第二章介绍了自适应滤波器的原理,自适应滤波器实现的算法，LMS、RLS、NLMS的算法原理和各自的特点。第三章为DSPBuilder平台综述，并对基本设计流程做了相关介绍。进行DSPBuilder的自适应回波抵消器的加权系数模型的建模和加权分量模型的建模以及自适应回波抵消器的系统设计；第四章为本设计的仿真与调试及其验证；第五章简述了设计过程中遇到的困难和解决过程。 2自适应滤波器概述2.1滤波器概念凡是有能力进行信号处理的装置都可以称为滤波器。在近代电信装备和各类控制系统中，滤波器应用极为广泛。滤波器的优劣直接决定产品的优劣，所以，对滤波器的研究和生产历来为各国所重视，为世界各大通讯公司竞争的热点技术之一。滤波器一般分为模拟滤波器和数字滤波器。目前主流的滤波器均为数字滤波器。而模拟滤波器是一种用来消除干扰杂讯的器件，将输入或输出经过过滤而得到纯净的交流电。可以通过基本的滤波器积木块——二阶通用滤波器传递函数，推导出最通用的滤波器类型：低通、带通、高通、陷波和椭圆型滤波器。传递函数的参数——f0、d、hHP、hBP和hLP，可用来构造所有类型的滤波器。设计者只需这5个参数即可定义一个滤波器[3]。从输入信号中滤出噪声和干扰以提取有用信息的过程称为滤波，相应的装置称为滤波器。如果滤波器的输入和输出均为离散信号，称该滤波器为数字滤波器。当滤波器的输出信号为输入端的线性函数时，该滤波器称为线性滤波器，否则就称为非线性滤波器。一个典型的数字滤波器的框图如图2-1所示。图2-1数字滤波器设输入信号为x(n)，输出信号为y(n)，该数字滤波器可用以下差分方程来表示：(2-1)式中，称为滤波器系数。当时，上式变为：(2-2) 这种滤波器称为全零点滤波器。如果，时，则称为全极点滤波器或递归滤波器。由2-2式，可知数字滤波器的传递函数为：(2-3)其单位冲击响应函数为：(2-4)(2-5)如果当n<0时，有h(n)=0，这样的滤波器系统称之为因果系统。如果冲激响应函数是有限长的，即(2-6)则称此滤波器为有限冲激响应FIR(FiniteImpulseResponse)滤波器，否则，称之为无限冲激响应IIR(InfiniteImpulseResponse)滤波器。如果h(n)满足如下条件：(2-7)则称此滤波器是因果的，并且是稳定的。2.2自适应滤波器概述所谓的自适应滤波，就是利用前一时刻以获得的滤波器参数的结果，自动的调节现时刻的滤波器参数，以适应信号和噪声未知的或随时间变化的统计特性，从而实现最优滤波。自适应滤波器实质上就是一种能调节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，特别适用于实时处理。由于无法预先知道信号和噪声的特性或者它们是随时间变化的，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。在这种情况下，必须设计自适应滤波器，以跟踪信号和噪声的变化。自适应滤波器的特性变化是由自适应算法通过调整滤波器系数来实现的。一般而言，自适应滤波器由两部分组成，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用FIR或IIR结构均可，由于IIR滤波器存在稳定性问题，因此一般采用FIR滤波器作为自适应滤波器的结构[4]。图2-2示出了自适应滤波器的一般结构。图2-2为自适应滤波器结构的一般形式，图中x(k)输入信号，通过权系数可调的数字滤波器后产生输出信号y(k)，将输出信号y(k)与标准信号（又称期望信号）d(k)进行比较，得到误差信号e(k)，e(k)和x(k)通过自适应算法对滤波器的权系数进行调整。图2-2自适应滤波器结构图调整的目的使得误差信号e(k)最小。重复上面过程，滤波器在自己的工作过程中逐渐了解到输入信号和噪声的统计规律，并以此为根据自动调整滤波器权系数，从而达到最佳的滤波效果。一旦输入的统计规律发生了变化，滤波器能够自动跟踪输入信号变化，自动调整滤波器的权系数，最终达到滤波效果，实现自适应过程。图2-3是使用自适应滤波器的系统识别原理图。 图2-3自适应滤波器的系统识别框图自适应滤波器的结构可以采用FIR或IIR滤波器存在稳定性问题，因此一般采用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)以及格型结构(LatticeStruture)。本文采用自适应滤波器设计中最常用的FIR横向型结构。2.3自适应滤波器算法分类2.3.1最小均方算法(LMS)感知器和自适应线性元件在历史上几乎是同时提出的，并且两者在对权值的调整的算法非常相似。它们都是基于纠错学习规则的学习算法。感知器算法存在如下问题：不能推广到一般的前向网络中；函数不是线性可分时，得不出任何结果。而由美国斯坦福大学的Widrow和Hoff在研究自适应理论时提出的LMS算法，由于其容易实现而很快得到了广泛应用，成为自适应滤波的标准算法[5]。典型的LMS自适应滤波器结构如图2-4所示。LMS算法步骤如下：1、设置变量和参量：X(n)为输入向量，或称为训练样本，W(n)为权值向量，b(n)为偏差，　　d(n)为期望输出，y(n)为实际输出，η为学习速率，n为迭代次数　　2、初始化，赋给w(0)各一个较小的随机非零值，令n=0　3、对于一组输入样本x(n)和对应的期望输出d，计算e(n)=d(n)-X^T(n)W(n)　　(2-8)W(n+1)=W(n)+ηX(n)e(n)　　(2-9) 3、判断是否满足条件，若满足算法结束，若否n增加1，转入第3步继续执行[6]。图2-4LMS自适应滤波器算法2.3.2递推最小二乘算法(RLS)基于MMSE准则的自适应算法目标在于使滤波器输出与需要信号的误差的平方的统计平均最小，根据输入数据的长期统计特性寻求最佳滤波。但在实际中通常已知的仅是一组数据，因此只能对长期统计特性进行估计或近似。最小二乘算法可以直接根据一组数据寻求最佳值，根据MMSE准则得到的是对一类数据的最佳滤波器，而根据最小二乘法得到的是对一组已知数据的最佳滤波器。因此常说最小二乘法导出的最佳滤波器是“精确”的[7]。根据最小二乘法算法，w(n)的最佳值应使累计平方误差性能函数最小，常数L是遗忘因子，且0