《通信工程毕业设计（论文）基于FPGA自适应滤波器的设计与研究.doc》由会员分享，可在线阅读，更多相关《通信工程毕业设计（论文）基于FPGA自适应滤波器的设计与研究.doc（28页珍藏版）》请在三一办公上搜索。
1、北京邮电大学世纪学院毕业设计(论文)题 目 基于FPGA自适应滤波器的 设计与研究 学 号 0000000 学生姓名 专业名称 通信工程 所在系（院） 通信与信息工程 指导教师 2012年 5 月 30 日北京邮电大学世纪学院毕业设计（论文）诚信声明本人声明所呈交的毕业设计（论文），题目基于FPGA自适应滤波器的设计与研究是本人在指导教师的指导下，独立进行研究工作所取得的成果，除了文中特别加以标注和致谢中所罗列的内容以外，毕业设计（论文）中不包含其他人已经发表或撰写过的研究成果，也不包含为获得北京邮电大学或其他教育机构的学位或证书而使用过的材料。申请学位论文与资料若有不实之处，本人承担一切相关
2、责任。本人签名： 日期： 毕业设计（论文）使用权的说明本人完全了解北京邮电大学世纪学院有关保管、使用论文的规定，其中包括：学校有权保管、并向有关部门送交学位论文的原件与复印件；学校可以采用影印、缩印或其它复制手段复制并保存论文；学校可允许论文被查阅或借阅；学校可以学术交流为目的，复制赠送和交换学位论文；学校可以公布学位论文的全部或部分内容。本人签名： 日期： 指导教师签名： 日期： 题目 基于FPGA自适应滤波器设计与研究 摘要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
3、波器。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。 本文从自适应滤波器研究的意义入手，介绍了自适应滤波器的基本理论思想，具体阐述了自适应滤波器的基本原理、算法及设计方法。自适应滤波器的算法是整个系统的核心。本文中，对两种最基本的自适应算法，即最小均方误差(LMS)算法和递归最小二乘（RLS)算法进行了详细的介绍和分析，并针对两种算法的优缺点进行了详细的比较。关键词 FPGA LMS RMS自适应滤波器 Title
4、 Design and research of Auto-adapted Filter based on FPGA AbstractThe auto-adapted filter is an important part of the digital signal processing. In practical application, there havent sufficient information to design the fixed coefficient digital filter, or the design rule will be changed when the f
5、ilter normally operated. Therefore, we need to research the auto-adapted filter. Whenever needs to process the signal under the unknown statistical environment, or the non-steady signal, the auto-adapted filter can provide a appealing solution. Moreover, its performance usually over the normally fix
6、ed filter. In addition, the auto-adapted filter can also provide the ability of the recent signal process which the non-auto-adapted method is impossible to provide. Firstly this thesis proposed the importance of auto-adapted filter research and introduced its elementary theory , algorithm and desig
7、n method. The core of the whole system is the auto-adapted filters algorithm . In this article, two of the most basic auto-adapted algorithms, the smallest mean error (LMS) algorithm and the recursive least squares (RLS) algorithm, have particularly introduced and analyzed.Keywords FPGA LMS RMS Auto
8、-adapted Filter目录1前言11.1 引言11.2 课题研究意义和目的21.3 国内外研究发展状况22自适应算法研究及分析52.1 滤波器的基本概念52.2 数字滤波器的基本概念52.3 自适应滤波器的原理72.4自适应滤波算法种类82.4.1 最小均方（LMS）算法82.4.2 递推最小二乘法（RLS）算法123 自适应滤波器的设计153.1FPGA背景及工作原理153.1.1背景153.1.2 FPGA工作原理153.2 滤波器设计163.2.1、ALE的基本原理163.2.2对ALE性能的相关讨论183.2.3仿真结果204结论21致谢22参考文献231前言1.1 引言 随着
9、信号处理技术的不断发展，对信号处理速度的要求也不断提高。由于受到目前技术水平的限制，特别是集成电路技术发展的限制，许多理论上已经很成熟的信号处理算法很难得以实用，这里面一个最重要的原因是硬件速度问题。要求处理的信号形式越来越复杂，使得现代信号处理的方法大都以大数据量、高复杂度为其主要特点。在这种情况下，寻找有效的实时信号处理方法是非常有必要和迫切的。滤波技术是信号处理中的一种基本方法和技术，尤其数字滤波技术使用广泛，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。从总的来说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。现代滤波则不要求己知信
10、号和噪声的统计特性，如自适应滤波。自适应滤波的原理就是利用前一时刻己获得的滤波参数等结果，自动地调节现时刻的滤波参数，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计。自适应滤波一般包括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理能力，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。 随着数字信号处理技
11、术的发展，可编程门阵列FPGA的应用迅速的普及起来，FPGA具有高逻辑密度，高可靠性，用户可编程以及可并行运算等特点，可缩短开发周期，降低成本，很好的同时满足通用性和实时性要求。自1985年Xilinx公司推出的第一块现场可编程逻辑器件至今，以FPGA为代表的数位系统现场集成获得了惊人的发展，从最初1200个可编程逻辑门电路发展到到90年代的25万个逻辑门电路。发展最早两大著名FPGA厂商即是以FPGA器件系列为代表的Xilinx公司和以CPLD器件系列为代表的Altera公司。随着集成电路技术和数字信号处理技术的日新月异，FPGA技术以现场可编程、现场修改、现场验证、现场实现的应用优势，已经
12、跃升为电子电路应用领域广受欢迎的实用技术。1.2 课题研究意义和目的 对自适应滤波算法的研究是当今自适应信号处理中最为活跃的研究课题之一。Windrow等于1967年提出的自适应滤波系统的参数能自动的调整而达到最优状况，而且在设计时，只需要很少的或根本不需要任何关于信号与噪声的先验统计知识。这种滤波器的实现差不多像维纳滤波器那样简单，而滤波器性能几乎如卡尔曼滤波器一样好。自适应滤波器与普通滤波器不同，它的冲激响应或滤波参数是随外部环境的变化而变化的，经过一段自动调节的收敛时间达到最佳滤波的要求。自适应滤波器本身有一个重要的自适应算法，这个算法可以根据输入、输出及原参量信号按照一定准则修改滤波参
13、量，以使它本身能有效的跟踪外部环境的变化。因此，自适应数字系统具有很强的自学习、自跟踪能力和算法的简单易实现性。自适应滤波技术的核心问题是自适应算法的性能问题，提出的自适应算法主要有最小均方(LMS)算法、递归最小二乘(RLS)算法及相应的改进算法如：归一化(NLMS)算法、变步长(SVSLMS)算法、递归最小二乘方格形(RLSL)算法等。这些算法各有特点，适用于不同的场合。研究自适应算法是自适应滤波器的一个关键内容。最小均方误差(LMS，The least Mean square)算法是线性自适应滤波算法中最基本的两类算法之一，其主要思想是基于最小均方误差准则，使滤波器的输出信号与期望输出信
14、号之间的均方误差最小2。由于LMS算法简单有效、鲁棒性好、易于实现，得到了广泛的应用。目前应用最多的是系统辨识、回波消除、自适应谱线增强、自适应信道均衡、语音线性预测、自适应天线阵等诸多领域。1.3 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。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。通常，自适应滤波器的硬件实现都是用DSP通用处理器(如TI的TMS320系列)。DSP器件采用改进的哈佛结构，具有独立的程序和数据空间，允许同时存取程序和数据，内置高速的硬件乘法
15、器(MAC)，增强的多级流水线。DSP具有的硬件乘法模块(MAC)，专用的存储器以及适用于高速数据运行的总线结构，使DSP器件具有高速的数据运算能力。目前，用DSP器件处理数字信号已经成为电子领域的研究热点。在自适应信号处理领域，对于数据处理速度在几兆赫兹以内的，通用DSP器件也是首选。迟男等人在TMS320C32芯片上扩展EPROM和RAM，实现了30阶LMS自适应滤波器，使用的刀D转化器件为AD1674，最高采样频率为l00KHz。陆斌等人采用TMS320C30数字信号处理器与IMSA110专用滤波器并行处理的方法设计出了自适应滤波器并应用于直接序列的扩频接收系统1221。赵慧民等人在TM
16、S320C31上实现了自适应权向量滤波器，完成了信号采样频率为80KHz的自适应滤波。在数据处理速度只要求在几兆赫兹以内的应用场合，这些用DSP实现的自适应滤波器能很好的满足系统实时的需求。在这种需求场合下，DSP具有不可媲美的性价比3。 但是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。以迅速发展的移动通信技术为例，从IG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C
17、DMA2000lX，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
18、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。通信系统发展到3G后，几十甚至上百兆比特每秒的数据传输速率对自适应接收技术是个极大的挑战。DSP处理器虽然具有良好的通用性和灵活性，虽然其在硬件结构上得到了很大的改进，比如增加了多个硬件乘法器和使用多乘法器的并行指令等，但并没有摆脱传统的CPU工作模式，而且DSP处理器是通过软件指令完成DSP算法，其顺序的工作方式制约了其数据处理速率，而使用多片DSP组合电路和过多的外部接口电路将导致信号通道过长、过于复杂，成本也成倍地提高，因此DSP处理器对于3G和4G
19、通信中几十甚至上百兆比特每秒的数据处理速率显得无能为力。 常用的数字系统目标器件除了DSP处理器外还有专用集成电路(ASIC)、专用标准电路模块(ASSP)和现场可编程门阵列(FPGA)。ASIC和ASSP是专门针对完成某种数字信号处理算法的集成电路器件，因此其在性能指标、工作速度、可靠性和成本上优于DSP处理器。其优秀的工作性能主要源于特定的算法全部由ASSP和ASIC中的硬件电路完成。ASSP是半定制集成电路，在许多DSP算法的实现方面都优于DSP(数字信号处理器)，但在功能重构，以及应用性修正方面缺乏灵活性;ASIC专用集成电路使用超大规模专用集成电路ASIC的实现方法是实用化的产品唯一
20、可行的方法，只有使用IC，才有高可靠性和可接受的价格及体积功耗等。ASIC虽然有一定的可定制性，但开发周期长，而且有一个最小定制量，在实验室研制开发阶段，开发成本非常高。现代大容量、高速度的FPGA在可重配置的数字信号处理应用领域，特别是对于任务单一、算法复杂的前端数字信号处理运算，有独特的优势。例如对于需要经常更新滤波器权系数的自适应滤波器，由于特定DSP处理器的位数是固定的，采用FPGA处理器相比DSP处理器就具有总线可调整的优势。另外，FPGA所具有的大规模并行处理能力和可编程的灵活性使得设计的系统能获得极高的处理性能，并且能够适应日益变化的标准、协议和性能需求。用FPGA实现自适应滤波
21、器，国外起步比较早，发展也非常迅速。Hesener A.于1996年提出了用FPGA实现自适应滤波器的设想，并在FPGA上实现了处理速度可达SM的8阶8位FIR滤波器。Woolfries N.等人用FPGA实现了自适应栈滤波器，并应用于图象处理。Dawood A.等人用FPGA开发了自适应FIR滤波器并与DSP处理器方案进行了比较研究。国内有一些关于自适应算法硬件实现的研究，但基本是针对自适应滤波器中的算法，如南开大学李国峰的博士论文用VHDL语言描述了正负数的运算问题和浮点数运算问题，完成了基于FIR的LMS自适应滤波器的硬件设计与逻辑综合。国防科学技术大学江和平等人讨论了自适应卡尔曼算法的
22、简化，并完成了FPGA的设计。同济大学梁甲华等人重点讨论了编码方法在FPGA的技术问题。上海交通大学范瑜等人介绍了用VHDL语言实现并行延时LMS算法的自适应数字波束成形器的FPGA设计过程。而针对自适应格型结构采用FPGA硬件实现的文献报导很少，国内中国科学技术大学王显洁等人通过采用流水线结构和运算单元分时复用，提高了运算速度，能够满足实时性预测编码要求。1998年弗吉尼亚大学的StephenJ.Hevey在其硕士论文中利用DSP处理器和自适应格型递归滤波算法完成了对线性二次型最优控制器的设计，通过实验表明了在宽带干扰下格型结构的滤波器性能优于LMS滤波器，在窄带和谐波干扰下两者的区别不大，
23、但所需阶数至少比LMS滤波器减少一半，可以节省大量硬件资源。2自适应算法研究及分析2.1 滤波器的基本概念 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；在所有的电子部件中，使用最多，技术最复杂要算滤波器了。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。 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。您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
24、滤波器。转降频率f0为s项开始占支配作用时的频率。设计者将低于此值的频率看作是低频，而将高于此值的频率看作是高频，并将在此值附近的频率看作是带内频率。阻尼d用于测量滤波器如何从低频率转变至高频率，它是滤波器趋向振荡的一个指标，实际阻尼值从0至2变化。高通系数hHP是对那些高于转降频率的频率起支配作用的分子的系数。带通系数hBP是对那些在转降频率附近的频率起支配作用的分子的系数。低通系数hLP是对那些低于转降频率的频率起支配作用的分子的系数。设计者只需这5个参数即可定义一个滤波器3-5。2.2 数字滤波器的基本概念 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
25、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。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： 式(2-1)式中，称为滤波器系数。当时，上式变为： 式(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。由上式，可知数字滤波器的传递函数为: 式(2-3)其单位冲击响应函数为: 式(2-4) 式(2-5)如果当n0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 式(
26、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:则称此滤波器是因果的，并且是稳定的。2.3 自适应滤波器的原理 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
27、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。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
28、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，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。 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
29、3种结构类型：横向型结构（Transversal Structure）、对称横向型结构（Symmetric Transversal Structure）以及格型结构（Lattice Struture）。本文采用自适应滤波器设计中最常用的FIR横向型结构5-8。2.4自适应滤波算法种类2.4.1 最小均方（LMS）算法 由Widrow和Hoff引入的最小均方(LMS)算法，由于其简单性、运算高效性各种运行条件下良好的性能，而被广泛应用。基于梯度的最小均方(LMS)算法是最基本的算法，其含义相对简单明了。选定均方误差为权矢量二次函数时，性能度量曲线可以形象地看成一个碗形曲面这样自适应处理器的任务便
30、是不断地向最低点逼近，即可以通过计算梯度的方法实现性能度量的最优化。而基于梯度的算法中，最简单的一种就是最小均方算法LMS算法，LMS算法使用的准则是使均衡器的期望输出值和实际输出值之间的均方误差(MSE)最小化的准则，依据输入信号在迭代过程中估计梯度矢量，并更新权系数以达到最优的自适应迭代算法9。这算法不需要计算相应的相关函数，也不需要进行矩阵运算。自适应滤波器最普通的应用就是横向结构。滤波器的输出信号y(n)是y(n) 式(2-7) T表示转置矩阵， n是时间指针，N是滤波器次数。这个例子就是有限脉冲响应滤波器的形式，为x(n)和w(n)两个矩阵卷积。这种自适应算法使用误差信号 式(2-8
31、)为了方便起见，将上述式子表示为向量形式，则上述式子表示为: 式(2-9)误差序列可写为 式(2-10)其中d(n)是期望信号，y(n)是滤波器的输出。使用输入向量x(n)和e(n)来更新自适应滤波器的最小化标准的相关系数。 显然，自适应滤波器控制机理是用误差序列e(n)按照某种准则和算法对其系数wi(n)，i=1，2，N进行调节的，最终使自适应滤波的目标(代价)函数最小化，达到最佳滤波状态。本节所用的标准是最小均方误差(MSE)。 式(2-11)E表示算子期望。假如公式中的y(n)被公式(3.3)取代，公式(3.5)就可以表示为 式(2-12)是自相关矩阵，是输入信号的自相关矩阵。是互相关向
32、量，也指出了期望信号d(n)和输入信号向量x(n)的相互关矢量。 由式(2-12)可见，自适应滤波器的代价函数是延迟线抽头系数的二次函数。当矩阵R和矢量P己知时，可以由权系数矢量w直接求其解。 最优解最小化MSE，源自解这个公式 式(2-13) 将式(2-12)对w求其偏导数，并令其等于零，假设矩阵R满秩(非奇异)，可得代价函数最小的最佳滤波系数 式(2-14) 这个解称为维纳解，即最佳滤波系数值。因为均方误差(MSE)函数是滤波系数w的二次方程，由此形成一个多维的超抛物面，这好像一个碗状曲面又具有唯一的碗底最小点，通常称之为自适应滤波器的误差性能曲面。当滤波器工作在平稳随机过程的环境下，这个
33、误差性能曲面就具有固定边缘的恒定形状。自适应滤波系数的起始值wi(0)，i=1，2，N是任意值，位于误差性能曲面上某一点，经过自适应调节过程，使对应于滤波系数变化的点移动，朝碗底最小点方向移动，最终到达碗底最小点，实现了最佳维纳滤波。 自适应过程是在梯度矢量的负方向接连的校正滤波系数的，即在误差性能曲面的最陡下降法方向移动和逐步校正滤波系数，最终到达均方误差为最小的碗底最小点，获得最佳滤波或准最优工作状态。广泛使用的LMS算法是一种选择性法适应采样和采样基础。这个方法可以避免复杂的计算。LMS算法是最陡下降法，在这个算法中，向量w(n+1)通过改变对最小均方误差性能的负梯度比例自适应滤波算法及
34、应用研究来增强。 对于LMS算法梯度v(n)通过假设平方误差。2(n)作为公式2-13的MSE来预测。因此，梯度预测可以单一化表示为: 式(2-15) 在实际应用中，2u经常用来代替u。瞬间梯度预测产生的Widrow一Hoff LMS算法，w(n)为自适应滤波器在n时刻的滤波系数或权矢量。按照最陡下降法调节滤波系数，则在n+1时刻的滤波系数或权矢量w(n+l)可以用下列简单递归关系来计算: 式(2-16) u是自适应步长来控制稳定性和收敛率。这种瞬时估计是无偏的，因为它的期望值E等于最陡下降法的梯度矢量。以任意初始向量w(0)来开始，向量w(n)集中在最佳解决方法，假如选择u 式(2-17)为
35、矩阵R的最大特征值，受限制于 式(2-18) Tr.为指示矩阵的轨迹，是平均输入功率。对于自适应信号处理应用，最重要的实际考虑是收敛速度，决定滤波器跟踪不稳定型号的能力。总体来说，权向量要获得收敛只有当最缓慢的权集中一点。这个最慢的时间 式(2-19) 这个指出时间连续相反的以u的比例收敛，并且依靠输入矩阵的自相关特征值。具有全异的特征值，规定时间是受最慢模式的限制。以梯度预测为基础的自适应导致噪声矩阵的权向量，因此会有性能的损失。这个自适应处理的噪声导致稳态权向量随意的改变为最适宜的权向量。稳态权向量的精度通过超额的最小均方误差来测量。这个LMS算法超过EMS的是 式(2-20) 是MSE在
36、稳态的最小值。 公式(2-19)和(2-20)产生LMS算法基本协定:为了在稳态获得高精度(低超自适应滤波算法及应用研究额MSE)，需要u的最小值，但是也会降低收敛率。后面会有进一步关于LMS算法特征的讨论。 对于N维更新u*e(n)是常数，误差信号e(n)乘以u得到u*e(n)。这个常数首先计算，然后乘以x(n)来更新w(n)。自适应LMS算法如同最陡下降法，利用时间n=0的滤波系数矢量为任意的起始值w(0)，然后开始LMS算法的计算，其步骤如下: l)由现在时刻n的滤波器滤波系数矢量估值w(n)，输入信号矢量x(n)及期望信号d(n)，计算误差信号e(n): 式(2-21) 2)利用递归法
37、计算滤波系数矢量的更新估值。 3)将时间指数n增加1，回到第一步骤，重复上述计算步骤，一直到达稳定状态为止。由此可见，自适应LMS算法简单，它既不需要计算输入信号的相关函数，又不要求矩阵之逆。因而得到了广泛的应用。2.4.2 递推最小二乘法（RLS）算法 从2.1节的分析得知，LMS算法的收敛速度很慢，为了得到较块的收敛速度，有必要设计包含附加参数的更复杂的算法。特别是，如果矩阵R是NN的且特征值为，则可以使用一种含有N个参数的算法，其中每个参数对应一个特征值。 在快速收敛算法的推导中，我们将采用最小二乘法。因此，将直接处理接收数据，使二次性能指数最小，而以前是使平方误差的期望值最小。这意味着
38、，用时间平均而不是统计平均来表示性能指数。 基于时间平均的最小平方误差被定义如下： 式(2-22) 式中，是接近1,但是小于1的加权因子，e*(i,n)是e(i,n)的复共轭，且误差e(i,n)为： 式(2-23)且 式(2-24)式中，x(i)是i时刻的输入数据向量，w(n)是n时刻的新的抽头增益向量。因而e(i,n)是用n时刻的抽头增益向量测试i时刻的旧数据所得的误差，J(n)是在所有旧数据上用新抽头增益所得的累计平方误差。 要完成RLS算法就要找到均衡器的抽头增益向量w(n)，使得累计平方误差J(n)最小。为了测试新的抽头增益向量，会用到那些先前的数据。而因子会在计算时更依赖于新近的数据
39、，也就是说，J(n)会丢掉非稳定环境中的较旧的数据。如果信道是稳定的，那么可以设为1。 为了获得J(n)的最小值，可使J(n)的梯度为0,即，通过运算可知： 式(2-25)式中，是RLS均衡其的最佳抽头增益向量。 式(2-6) 式(2-27)式(2-26)中的方阵R(n)是输入数据向量x(i)的确定相关矩阵，式(2-26)中向量P(n)是输入向量x(i)和期望输出d(i)之间的确定互相关矩阵。要用式(2-25)计算均衡器的抽头增益向量，就需要计算。 从式(2-26)中R(n)的定义可知，我们可以得到关于R(n-1)的递归公式。 式(2-28)由于式(2-28)中的三项都是NN的方阵，我们可以使
40、用方程倒数的引理得到递归公式： 式(2-29)式中 式(2-30)根据上述递归公式，可知： 式(2-31)式中 式(2-32)初始化：是一个正常数计算：对于n=1,2，计算 是一个可以改变均衡器性能的抽头系数。如果信道是非时变的，那么可以设为1。而通常的取值为0.81。值对收敛速率没有影响，但是它影响着RLS算法的跟踪能力。值越小，均衡器的跟踪能力更强。但是，如果值太小，均衡器将会不稳定。3自适应滤波器的设计3.1FPGA背景及工作原理3.1.1背景 目前以硬件描述语言（Verilog 或 VHDL）所完成的电路设计，可以经过简单的综合与布局，快速的烧录至 FPGA 上进行测试，是现代 IC
41、设计验证的技术主流。这些可编辑元件可以被用来实现一些基本的逻辑门电路（比如AND、OR、XOR、NOT）或者更复杂一些的组合功能比如解码器或数学方程式。在大多数的FPGA里面，这些可编辑的元件里也包含记忆元件例如触发器（Flipflop）或者其他更加完整的记忆块。 系统设计师可以根据需要通过可编辑的连接把FPGA内部的逻辑块连接起来，就好像一个电路试验板被放在了一个芯片里。一个出厂后的成品FPGA的逻辑块和连接可以按照设计者而改变，所以FPGA可以完成所需要的逻辑功能。 FPGA一般来说比ASIC（专用集成芯片）的速度要慢，无法完成复杂的设计，而且消耗更多的电能。但是他们也有很多的优点比如可以
42、快速成品，可以被修改来改正程序中的错误和更便宜的造价。厂商也可能会提供便宜的但是编辑能力差的FPGA。因为这些芯片有比较差的可编辑能力，所以这些设计的开发是在普通的FPGA上完成的，然后将设计转移到一个类似于ASIC的芯片上。另外一种方法是用CPLD（复杂可编程逻辑器件备）。3.1.2 FPGA工作原理 FPGA采用了逻辑单元阵列LCA（Logic Cell Array）这样一个概念，内部包括可配置逻辑模块CLB（Configurable Logic Block）、输出输入模块IOB（Input Output Block）和内部连线（Interconnect）三个部分。 现场可编程门阵列（FPGA）是可编程器件。与传统逻辑电路和门阵列（如PAL，GAL及CPLD器件）相比，FPGA具有不同的结构，FPGA利用小型查找表（161RAM）来实现组合逻辑，每个查找表连接到一个D触发器的输入端，触发器再来驱动其他逻辑电路或驱动I/O，由此构成了既可实现组合逻辑功能又可实现时序逻辑功能的基本逻辑单元模块，这些模块间利用金属连线互相连接或连接到I/O模块。FPGA的
