欢迎来到天天文库
浏览记录
ID:55975621
大小:209.41 KB
页数:3页
时间:2020-03-23
《基于FPGA的自适应噪声消除DLMS算法.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
2012焦仪表技术与传感器2012第10期InstrumentTechniqueandSensorNo.1O基于FPGA的自适应噪声消除DLMS算法郭来功,欧阳名三,蔡俊(安徽理工大学电气与信息工程学院,安徽淮南232001)摘要:研究了自适应噪声消除DLMS(DelayLeastMeanSquare)算法在实现时的速度和运算复杂度问题,提出了二进制树直接结构实现DLMS算法。算法采用了割集重定时技术和流水线结构,对延迟模块重新分割,使系统关键路径降到最低的同时具有较快的收敛速度。仿真结果表明与原有结构相比,新算法结构提高运算速度近3倍,较好地消除了含噪信号中的噪声。关键词:延迟最小均方算法;自适应滤波器;割集重定时;关键路径中图分类号:TN911.72文献标识吗:A文章编号:1002—1841(2012)10—0091—03DLMSAlgorithmforAdaptiveNoiseCancellationBasedonFPGAGUOLai·gong,OUYANGMing—san,CA1Jun(CoHegeofelectronicallyandInformationEngineering,AnHlliUniversityofScienceandTechnology,Huainan232001,China)Abstract:ThispaperstudiedtheproblemsofspeedandcomputationalcomplexitywhichtheDLMS(delayleastmeansquare)al—gorithminrealizationforadaptivenoisecancellation,presentedthebinarytreedirectformrealizationofDLMSalgorithm.Thealgo-rithmadoptedcut—setretimedtechniquesandpipelinestructure,repartitionthedelaymodules,madethesystemcriticalpathtoamin—imumandatthesaraetimewithhisherconvergencerate.Thesimulationresultsshowthatcomparedwiththeoriginalstructure,thestructureofthenewalgorithmtoimproveoperationspeednearlythreetimes,Caneliminatethenoiseinthesignalcontainingnoise.Keywords:delayleastmeansquare;adaptivefilter;cut—setretimed;criticalpath0引言2E[S(n∞一Y)](2)自适应滤波器具有较强的适应性和滤波性能而在数字信由于s与n不相关,E[s(/7,一Y)]=0,所以式(2)结果为:号处理领域有广泛的应用。自适应噪声消除是自适应滤波器E[e]=E[s]+E[(n一Y)](3)的典型应用之一,如电力线干扰、卫星电话噪声消除,自适应噪由式(3)可得,调节自适应滤波器使得E[e]最小,也即使E声消除助听器,生物医学工程等。自适应滤波算法是自适应滤[(n一Y)]最小。由于e一s=rt一Y,所以就是待提取波器的核心。最小均方算法是Widrow-Hof求解Wiener—Hopf的信号s的最佳估计。方程提出的一种近似精确解的实用算法,具有结构简单,性能稳定,计算复杂度低,易于硬件实现等优点而在实际中广泛采输出用。收敛速度、时变跟踪能力、稳态误差与算法复杂度是衡量自适应滤波算法性能的4个主要技术指标。文中采用一种流水线二进制树结构,基于FPGA实现延迟LMS算法,该结构仅需少数的延迟单元和移位寄存器,在节省图1目适应噪声消除结构模型逻辑资源的基础上获得更高速度,在自适应噪声消除方面有较对于一个(N一1)阶的自适应滤波器,LMS算法可以表述好的应用前景。为⋯:1自适应噪声消除自适应噪声消除是采用基于LMS算法的系数自动调整的Yk=∑.一(4)有限冲激响应滤波器(FIR)来实现的,其基本原理是将含有噪其中声的信号d与参考信号C进行抵消运算,从而消除噪声。如图1所示,这里参考信号要求与噪声n具有相关性,而与待提{Wk=+=1d-~W..ky+(5)取的信号不相关,输出信号为:式中:=[W0⋯,WⅣ_1.]为n时刻的滤波器系数;为e=s+n∞一Y(1),步长因子。输出误差的均方值为:大收敛速度较快,但是会带来较大的静态误差,为了同时E[e]=E[(S+一Y)]=E[s]+E[(n—Y)]+获得算法较快的收敛速度和较小的稳态误差,提出了变步长LMS算法的思想,采用时变的步长或步长矩阵来提高算法的瞬基金项目:安徽高校省级自然科学研究项目(KJ2011Z091)收稿日期:2012—06—29收修改稿日期:2012—07—31时收敛速度并减小稳态误差。 InstrumentTechniqueandSensorOct.2012LMS算法复杂度不高,但是滤波器的系数的更新需要误差=下m+4rc计算、FIR计算等大量的时间。为了提高实现LMS算法的速式中:r为乘法器的延迟时间;7-。为加法器的延迟时间。度,可以采用延迟LMS(DelayLMS,DLMS)算法。当延迟小于为了提高算法的速度,可以采用割集重定时法对电路进行系统阶数时,误差梯度V[n]=ekX一V[n—D]=ek-DX一。,此改变。在电路优化的过程中,可以插入确定的延时以充分利时延迟后的数据不降低收敛速度J。如果只是系数计算上引用流水线技术,但是延迟太小会导致收敛速度降低。优化后的入延迟,并不改变整个系统,图2给出了DLMS算法的白适应电路采用二进制数直接结构(binarytreedirectform,BTDF)实现滤波器结构。式(5)可以表示为:形式,如图4所示。滤波器的阶数仍为4,矩形虚线框为延迟e,o=dk--D-Yk-DD,为了平衡寄存器间的逻辑延迟,使速度达到最大,在二进制c6:加法器树后插入三级延迟(椭圆虚线框),使得在得到误差计算一。结果前的延迟一致。收敛速度与图3相比有提高,而速度可以达到最优。此时插入的延时D=3+log:N,随着滤波器阶数的提高,所需要的延迟数减小,电路的关键路径(Jr=)减小,实现的速度和算法的收敛速度的优势就越明显。表1对优化前后的算法结构的比较,可以看出,论文提出的BTDF结构需要的延迟单元增加,但是关键路径减小为r,速度优势明显。表1基于DLMS算法的Ⅳ阶自适应滤波器图2DLMS算法的自适应滤波器结构2DLMS算法结构优化及分析一个基本的并行结构的DLMS算法如图3所示。滤波器阶数为N:4,延迟D=4。关键路径(从到e)是决定电路能够达到的最高速度。图3所示电路的关键路径为:图3基本的并行结构的DLMS算法3DLMS算法的实现表2优化前后的FPGA实现对比对上述结构的DLMS算法进行FPGA实现,硬件采用cyclo—neII系列FPGA,直接结构的算法与BTDF结构实现的速度和资源的比较如表2所示。可以看出,由于采用了流水线结构和割集重定时,系统的延时模块减少,相应地消耗的资源也减少,而在Matlab环境下对改进后的BTDF结构的DLMS进行仿系统的速度提高了280%。显然优化后的算法与原算法相比,真,将一段信号加入高斯白噪声,经由自适应噪声消除得到消以微弱的收敛性能的减小为代价,获得最快的运算速度。图4噪的信号。结果如图6所示。其中图6(a)为原始信号;图6的QuartusII仿真结果如图5所示。(b)为加入高斯白噪声的污染信号;图6(e)为消噪后的信号。信噪比(SNR)提高量是衡量自适应噪声抵消的一个重要指标, 第l0期郭来功等:基于FPGA的自适应噪声消除DLMS算法图4BTDF结构的DLMS算法图5FPGA实现BTDF结构的DLMS的仿真图dB.说明该自适应信号抵消器对含噪信号具有较好的消除噪声的能力。4结束语LMS算法是自适应噪声抵消器最常用的自适应滤波器算法。文中对延迟LMS算法直接实现的结构进行分析,采用割集重定时技术对延迟模块重新分解,用全流水线在FPGA上实现BTDF结构的DLMS算法。仿真结果表明改进后的算法由于减少了延迟模块的使用,算法消耗的逻辑资源减少,速度可以提高280%。在Matlab下的仿真结果表明对噪声有较好的消除能力。参考文献:[1]BAHOURAM.EZZAIDIH.FPGA—ImplementationofParallelandSe-quentialArchitecturesforAdaptiveNoiseCancelation.CircuitsSystem图6Matlab环境下BTDF结构的DLMS算法仿真SignalProcess,2011,30:1521—1548.三定义为:[2]李宁.LMS自适应滤波算法的收敛性能研究与应用:[学位论文].ASNR=SNRIN—SNRouT(7)哈尔滨:哈尔滨工程大学,2009.[3]吴高奎.数字信号处理算法的FPGA高速实现研究:[学位论文].成都:电子科技大学,2008.中:SNRIN=lOlg(8)[4]李善姬.一种用于自适应噪声抵消的变步长LMS算法.电讯技术,2010(11):3O一33.[5]REDDYEP,DASDP,PRABHUKMM.FastexactmuhichannelFSLMSalgorithmforactivenoisecontro1.Sis~alProcessing,2OO9,89:952-956.SNR0uT=101g(9)[6]AKHTARMT,MITSUHASHIW.Variablestep·sizebasedmethodforacousticfeedbackmodelingandneutralizationinactivenoisecontrol在输入SNR为一3dB时,直接实现DLMS算法的输出SNRsystems.AppliedAcoustics.2011,72:297—304.作者简介:郭来功(1980一),硕士,讲师,研究方向为无线通信、数字系5.7dB,改进的BTDF结构的DLMS算法的输出SNR为6.8统设计。E—mail:lgguo@aust.edu.ell
此文档下载收益归作者所有
举报原因
联系方式
详细说明
内容无法转码请点击此处