基于FPGA的自适应噪声消除DLMS算法.pdf

《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