本科优秀毕业论文-自适应数字滤波器的设计与实现

1、 毕 业 设 计（论 文）题 目：自适应数字滤波器的设计与实现系 别：电子信息科学系专 业：电子信息科学与技术(电子信息工程)班 级：学生姓名：学 号：指导教师：学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。本人完全意识到本声明的法律后果由本人承担。作者签名： 2005年 6 月 12 日 学位论文版权使用授权书本学位论文作者完全了解学校有关保障、使用学位论文的规定，同意学校保留并向有关学位论文管理部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本

2、人授权省级优秀学士学位论文评选机构将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。本学位论文属于1、 保密 ，在_年解密后适用本授权书。2、 不保密。（请在以上相应方框内打“”）作者签名： 2005年6月12日 导师签名： 2005年6月13日 摘 要本论文主要是在研究自适应滤波器理论的基础上，分析了自适应滤波器的组成原理及数字实现基础，对自适应滤波器进行了数字优化设计。而且，还运用了matlab仿真工具，对噪声抵消这一实际应用的自适应滤波器进行了多次分析，得出了优化的数字实现理论依据。设计了dsp专用芯片下的lms算法的设计分析，并

3、且结合当前最先进的dsp实现技术来完成该算法的高性能实现。关键词：lms算法；dsp；自适应滤波器abstractthis thesis chiefly is studying on the foundation of adaptive filter theory, and analyzed component principle and the numeral realization of the adaptive filter foundation, and has carried on the numeral optimum design to the adaptive filter.

4、and still using matlabs simulation tool, the adaptive filter has been in progress analyzing many times to what this real application was offset by the noise, and reached the numeral realization theory basis that optimizes. the design analysis of lmss algorithm designing under dsps chip for a special

5、 purpose, and combines the most advanced dsp of present time to realize that the technology is accomplished the high performance of this algorithm and is realized.keyword: lms algorithms；adaptive filter；dsp目 录第一章 概述11.1 数字化与数字信号处理11.2自适应滤波器及其应用21.3 自适应滤波器的实现3第二章 自适应滤波器原理62.1 自适应滤波器的引入与组成62.2 自适应滤波器的

6、结构72.3 自适应滤波器的常用算法102.4 自适应滤波器的功能13第三章 自适应滤波器的数字实现基础153.1 自适应滤波器算法的选择153.2 自适应滤波器算法的理论仿真16第四章 自适应滤波器的dsp专用芯片实现194.1 自适应滤波器dsp专用芯片实现概述194.2 dsp专用芯片实现的硬件设计194.3 使用tms320c31芯片的算法实现234.4 使用tms320c54x芯片的算法实现24第五章 设计结果与分析275.1 设计结果275.2 设计结果分析275.3 小结27致 谢29参考文献29附录1 自适应算法理论仿真程序30湖北汽车工业学院本科毕业设计（论文）第一章 概述1

7、.1 数字化与数字信号处理 我们生活在一个数字化的时代。数字式程控交换机、数字式移动电话、多媒体计算机、计算机网络、数字式电视、数字式照相机、数字音响、vcd及dvd、电子游戏机及智能玩具、智能化及模糊控制家用电器，等等，把我们的工作、学习、生活、通信及人际交往与数字化紧紧地联系在一起。 以信息高速公路为标志的信息化，已经成为社会发展的大趋势，并且在逐步变成现实。信息化是以数字化为背景的，而数字信号处理技术（dsp, digital signal processing ）则是数字化最重要的基本技术之一。 采用数字技术有许多优点：可程控好，如一个数字滤波器可以通过重新编程来完成低通、高通、带通和

8、带阻等不同的滤波任务，而不需要改变硬件;稳定性好，数字电路在其保证的工作范围内受温度变化的影响较小；可重复性好，与模拟系统相比，设计完全相同的系统，数字系统的设计结果和性能完全相同，而模拟系统因为受器件和外在环境的影响，其性能可能各不相同；易于大规模集成，与模拟电路相比，数字系统的集成度可以做得很高。也正是由于这些优点，数字处理技术在许多领域得到广泛的应用：例如数字信号处理技术可以把古老的音乐录音或唱片回复成为原来那样清晰；可以消除电话线路的噪声和回声；可以使卫星摄取的图像经过处理后，能够分辨陆地上象高尔夫球那样小的目标；在汽车中，数字系统可以根据道路的情况自动调整液压系统，以避免由于道路不平

9、引起的震动；在蜂窝移动电话中，数字信号处理技术把多路通话压缩到狭窄的空间信道中，并且能够防止窃听和盗用；在现代化的医院里，最新的x射线断层扫描（ct）、核磁共振、b型超声波等检查与诊断设备大量地使用了dsp技术。总之，数字信号处理已经成为广泛应用的基础技术。对于各种信号处理理论和方法，在早期由于集成工艺和设计方法的限制，许多复杂的算法无法用硬件实时实现，而只能在计算机后台用软件处理。随着集成工艺的飞速发展，高集成度，高运行速度的处理芯片逐渐开始满足各种算法的实现要求。同时结构化的设计方法和高层次设计工具的出现和应用为超大规模集成电路的设计提供了新的设计模板。在数字化的今天，dsp技术开始成为极

10、其活跃的前沿技术。如何及时地把现有的理论研究成果与高速的工艺技术，设计技术结合起来，正是本论文设计的出发点。自适应滤波器使一种复杂的算法，它有着广泛的应用。本论文的设计中，主要使在研究自适应滤波器算法理论的基础上，结合当前最先进的dsp实现技术来完成该算法的高性能实现。1.2自适应滤波器及其应用自适应滤波器理论与计术是50年代末或60年代初发展起来的。它是现代信号处理技术的重要组成部分，对复杂信号的处理具有独特的功能。自适应滤波器在数字滤波器中是属于随机数字信号处理的范畴。对于随机数字信号的滤波处理，通常有维纳(weiner)滤波，卡尔曼(kalman)滤波和自适应(adaptive)滤波。维

11、纳滤波器的权系数是固定的，适用于平稳随机信号；卡尔曼滤波器的权参数是可变的，适用于非平稳随机信号中。但是，只有在对信号和噪声的统计特性先验已知的情况下，这两种滤波器才能获得最优滤波。但在实际应用中，常常无法得到这些统计特性得先验知识，或者统计特性是随时间变化得。因此，在许多情况下，用维纳滤波器或卡尔曼滤波器实现不了最优滤波，而自适应滤波却能够提供卓越得滤波性能。表1.1所是在随机数字信号滤波处理中常用得滤波器得对比。表1.1 常用随机信号滤波算法对比表算法特点算法特点适用场合维纳滤波根据平稳随机信号的全部过去和当前的观察值估计信号的当前值。是根据最小均方误差的条件推出的一种最优线性滤波方法。只

12、适用于平稳随机信号的滤波，同时要求已知信号的噪声的统计特性。卡尔曼滤波在平稳或非平稳随机信号下，根据前一个估计值和最近的一个观察值来决定当前的值的方法。适用于平稳和非平稳随机信号的滤波，但要求已知信号和噪声的条件特性。自适应滤波对当前观察的值作处理后，自动调节自身的冲激响应特性，从而达到最优化滤波。适用于平稳和非平稳随机信号的滤波，不要求已知信号和噪声的统计特性。 近一、二十年来，随着微电子技术、计算机技术的迅速发展，有关自适应滤波器的新算法、新理论和新的实现方法不断涌现已经具有了实现较强功能的自适应滤波器的技术条件和手段：一方面，在算法上对自适应滤波器的稳定性、收敛性、收敛速度和跟踪特性等方

13、面都有深入的研究；另一方面，微电子技术的高速发展为算法的实际应用提供了必要的硬件基础。正是基于这两点，自适应滤波器在信道均衡、回波抵消、谱线增强、噪声抑制、系统识别、系统建模、语音信号处理、生物医学电子学等方面获得广泛的应用。 在医学中，自适应噪音对消器被用于消除心电图的交流市电电源干扰以及消除母亲心电图对胎儿心电图的干扰，另外，噪音对消 还被用于舞台上的噪音滤除，在飞机驾驶员座舱内抑制发动机等对驾驶员讲话的干扰等。在数字通信中，由于失真、多径效应等的影响，许多实际通信线路的特性与理想特性偏离很远，均衡器的参数也应该随之变化，能够随通道特性变化而自动调整参数以保持实现连续均衡的均衡器就是自适应

14、均衡器。此外，利用自适应滤波器还可对信号在传输过程中产生的回声进行对消。在语音处理方面，自适应滤波器被用于自适应查分编码（adpcm）和自适应量化等领域。在军事方面，用自适应滤波器来实现雷达自适应动态显示(mti)、机载雷达杂波抑制等方面。随着有关自适应滤波器性能研究的不断深入，使这一领域更加红火，应用更加广泛。1.3 自适应滤波器的实现自60年代以来，随着计算机和信息科学的飞速发展，数字信号处理(digital signal processing, dsp)技术应运而生并迅速发展。dsp技术是利用计算机或者专用处理设备，以数值计算的方法对信号进行采集、变换、综合、估值与识别等加工处理，借以达

15、到提取信息和便于应用的目的。dsp技术及设备具有灵活、精确、抗干扰强、设备尺寸小，造价低、速度快等突出优点。随着dsp技术的高速发展，人们对信号处理的实时性，准确性和灵活性的要求越来越高。dsp技术在信号处理中的地位也越来越重要。自适应滤波算法的处理是dsp技术中的一种比较复杂的算法，实时地进行自适应算法处理，对硬件处理的要求很高。在某些情况下，也正是可实现的限制因素反过来引导着理论算法研究和演变的方向，促使两者达到一个最佳的结合点。随着微电子技术、计算机技术的迅速发展，廉价、高集成度、快速超大规模集成电路器件的产生使得各种复杂算法逐渐可以用硬件实时实现。自适应滤波器的数字实现，大体可以分为四

16、种方法：1、 在通用微计算机上用软件来实现。其表现形式为纯软件包。这种方法只能实现off-line形式的数据处理。如果用于实际中，数据处理的速度较慢。通常该方法用于教学与科研中。2、 用单片机实现。高性能的单片机的出现和广泛应用，为自适应算法的实现提供了一种方式。但由于常用的单片机的设计结构（通常为冯诺曼结构），总线形式等方面的客观原因，单片机处理这种复杂的dsp处理没有取得很好效果，而是在对一些简单的数字信号处理的应用场合，如数字控制、医疗仪器等方面比较合适。这种自适应算法的实现方法，处理速度较慢，难以达到复杂算法的实时处理。3、 使用专用的dsp芯片来实现。dsp专用芯片比单片机有更突出的

17、优点，如内部带高速乘法器、累加器等，同时dsp专用芯片采用流水线工作方式，设计结构为并行运算和多总线的结构，另外配有适于信号处理的各种指令等，这些为数字信号处理算法提供了高速的实现条件。dsp专用芯片的发展和应用，为dsp技术应用于工程实际提供了可能。目前dsp专用芯片以美国德州仪器公司(ti)的tms320系列为主，其他有at&t公司的dsp16, dsp32系列，motorala公司的dsp56x,dsp96x,ad公司的adsp21x,asp210x等系列。tms320系列定点dsp芯片有c1x,c2x,c2xx,c5x,c54x和c62x系列，浮点dsp芯片有c3x,c4x,和c67x

18、系列，多处理器dsp芯片有c8x系列，使该公司的dsp芯片形成一个门类较为齐全的大家族。4、 利用专门设计的dsp处理芯片来实现。实现的方法可以使asci,fpga等。这种专用的芯片中的软件算法已经在芯片内部用硬件电路实现。使用者输入数据，可以在输出端直接得到结果。asci的实现方法可以达到性能最高的效果。随着产品对数字电路集成度的要求越来越高，往往在一块asci芯片中不仅能够处理复杂的算法功能，同时还要求提供标准的数字接口，如常用总线的接口，sram的控制接口等。于是另一种形式的实现方式就产生：ip core。这种方式实际上使使用硬件描述语言(hdl)将数字系统的结构和功能描述出来，同时可以

19、被第三方使用的标准化的功能模块。ip core的一种硬件实现方式使利用fpga快速实现从设计到芯片的过程，这种方式通常运用在市场压力大或需求量相对较小的情况。本论文将采用第三种方式来实现自适应滤波器算法。其中，在第三种实现方式中，分别利用ti公司tms320c31和tms320c54来实现；在第四种实现方式中，基于ip core，设计了面向fpga的实现方式。第二章 自适应滤波器原理2.1 自适应滤波器的引入与组成我们已经知道，在对随机数字信号的滤波器处理中，自适应滤波器的特点是对当前观察的值作处理后，自动调节自身的冲激响应特性，从而达到最优化滤波。这种算法适用于平稳和非平稳随机信号的滤波，并

20、且不要求已知信号和噪声的统计特性。我们可以这样下个定义：所谓自适应滤波，就是利用前一时刻已获得的滤波器参数等结果，自动调节现时刻的滤波器参数，以适用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。总的来说，自适应滤波器有两个的部分：一个按理想模式设计的可修改权系数的滤波器；一套自适应算法，用来调节滤波器权系数使滤波器性能达到要求。自适应滤波器的一般形式如图2.1所示。 可编程滤波器自适应算法 d(n) + e(n) _ x(n) y(n) 调节权系数图2.1 自适应滤波器的一般形式其中，x(n)和y(n)分别使输入信号和输出信号，d(n)使理想输出信号，e(n)是误差信号，它是实际输

21、出y(n)与理想输出d(n)之差。自适应滤波器根据可编程滤波器结构的不同或自适应算法的不同可以分为许多类型：从可编程滤波器的传输函数来分有fir滤波器和iir滤波器；以eir滤波器为例，从滤波器结构来分又可以分为横向型结构，对称型结构和格形结构等；从自适应算法的不同可以分为lms和ls等类型；以lms算法为例，在实际应用中，根据实现或编程的要求，lms类型除了常规lms算法之外，还有归一化lms算法，带遗漏因子lms算法，符号误差lms算法以及符号lms算法等。本论文将对各种自适应滤波器类型进行介绍，其中以lms自适应算法fir滤波器的横向实现方法为主要研究对象和实现形式。2.2 自适应滤波器

22、的结构自适应滤波器的结构可以是iir型结构，也可以是fir型结构。iir型结构滤波器的传输函数既有零点又有极点，它可以用不高的阶数实现具有陡峭通带特性。其主要的缺点是稳定性不好，并且相位特性难于控制，也正是因为这些缺点限制了它的自适应滤波中的应用。但由于它较容易实现陡峭通带的特性，所以它在实现对多径效应的自适应均衡等方面又很大的潜力。fir滤波器是全零点滤波器，它始终是稳定的，且能实现线性的相移特性，因此它在自适应滤波中得到最广泛的应用。下面主要介绍三种fir型滤波器的实现结构，它们为：横向型结构，对称型结构以及格形结构。1. 横向型结构z-1z-1z-1wn-1(n)x(n-n+1)y(n)

23、w2(n)w1(n)w0(n)x(n-2)x(n-1)x(n)横向型结构是大多数情况下采用的最主要的自适应滤波器结构，其结构图如图2.2所示。图2.2横向型结构自适应滤波器结构图该滤波器的输出y(n)表示为：y(n)= (2.2.1)其中x(n)为输入信号，w(n)为权系数，n为时间序列，n为滤波器的阶数。由表达式可知y(n)实际是x(n)与w(n)的卷积结果，用c语言描述如下：yn=0;for(i=0;in;i+)yn+=wni*xni;程序中wni代表w(n),xni代表x(n-i)。2. 对称横向型结构如果n阶fir滤波器的单位脉冲响应h(n)为实数，而且满足对称性（偶对称或者奇对称）的

24、条件，即： h(n)=h(n-1-n)或者h(n)=-h(n-1-n) (2.2.2)则滤波器是有严格的线性相位特性。其结构如图2.3z-1z-1-1z-1-1z-1-1z-1-1z-1-1 +wn-1(n)w1(n)w0(n)x(n)+ 图2.3 对称横向型结构自适应滤波器结构图这种对称fir滤波器的输出y(n)可以由下面的表达式给出：y(n)= (2.2.3)其中，n为阶数，它一定为偶数。3. 格形结构格形结构的fir滤波器是用durbin算法求解自适应滤波器的最佳权系数所导出的结果。在使用lms算法求解自适应滤波器最佳权系数时，我们可以发现最佳权系数满足一个线性方程组，且该方程组的系数矩

25、阵是对称矩阵，同时方阵的任意子方阵的对角线上的一元是相等的。于是该方程组的解可以用一种递推算法来计算，从而得到了格形的结果，该结构如图2.4所示。 第一级第二级第m级fm(n)bm(n)f1(n)b1(n)f0(n)b0(n)图2.4 格形结构自适应滤波器的结构图每一级的子结构如图2.5所示。z-1-1fm(n)bm(n)km(n)bm-1(n-1)km(n)fm-1(n)bm-1(n)图2.5 格形结构第m级子结构图从结构图可以得到各个变量之间的关系表达式：f0(n)=b0(n)=x(n)fm(n)=fm-1(n)-km(n)bm-1(n-1) 0mm (2.2.4)bm(n)=bm-1(n

26、-1)-km(n)fm-1(n) 0mm (2.2.5)km(n+1)=km(n)+ufm(n)bm-1(n-1)bm(n)fm-1(n) (2.2.6)其中，fm(n)称为前向预测误差，bm(n)称为后向预测误差，km(n)称为反射系数，m为阶数序列值，m为串联的总级数。格形结果的优点是按阶数递归，所以增加或者减少级数不会影响存在的阶数设计。另外这种结构的滤波器收敛速度比横向结构快，同时稳定性好，系数量化精度对结果的影响较小。其缺点是计算复杂，很难到达实时计算的要求。4. 三种结构特性的比较三种fir的实现结构各自有它的特点，在不同的场合都有不同广度的应用，表2.1是三种结构的对比。 表2.

27、1 三种fir实现结构的对比结构类型应用条件优点缺点横向型所有fir滤波器形式简单,易于实现;可以用流水线提高性能.对称横向型符号对称性条件的fir滤波器权系数少,大大减少了计算量;可以用流水线提高性能.对称性条件约束.格形结构所有fir滤波器,符号最优权系数条件.收敛速度快,稳定性好,对系数量化精度要求不高.计算量大,不容易实时实现;只能部分实现流水线.2.3 自适应滤波器的常用算法 自适应滤波器的算法主要是以各种判据条件作为推算基础的。通常有两种判据条件：最小均方误差判据和最小二乘法判据，lms算法是以最小均方误差为判据的最典型的算法，也是应用最广泛的一种算法。以最小二乘法为判据的算法主要

28、有rls和frls算法等。1. lms算法lms算法的判据为最小均方误差准则，即理想信号d(n)与滤波器输出信号y(n)之差e(n)的平方的期望值最小，同时lms算法根据这个判据来修改权系数w(n)。另外lms算法是以最快下降法为原则的迭代算法。下面将详细给出lms算法的推算过程。 根据各个信号的定义，均方误差可以表示为：=ee2(n)=e(d(n)-y(n)2 (2.3.1）对于横向结构的滤波器，代入y(n)的表达式（2.2.1）有=ed2(n)+wt(n)rw(n)-2wt(n)p （2.3.2）其中r=ex(n)xt(n)为nn的自相关矩阵，它是输入信号采样值间的相关性矩阵。p=ed(n

29、)x(n)为n1互相关矢量，代表理想信号d(n)与输入矢量x（n）的相关性。在均方误差达到最小时，得到最佳系数w*=w0*,w1*,wn-1*t。它应满足下列方程： (2.3.3)即 rw*-p=0 （2.3.4）这是一个线性方程组，如果r矩阵为满秩矩阵则有存在，可得到权系数的最佳值满足：w*=r-1p （2.3.5） 从式（2.3.5）可以知道，求出r和p就可以得到w。从前面我们知道，r是x(n)的自相关矩阵，p是d(n)与x(n)的互相关矢量。如何得出这两个矢量是下面重点推算的内容。在有些应用中，把输入信号的采样值分成相同的一段一段（每段称为一帧），在求出r,p的估计值以得到每帧的最佳权系

30、数。这种方法称为块对块自适应算法。用这种方法获得w*的运算量很大，对于一些在线或实时应用场合，无法满足其时间的要求。大多数场合使用迭代算法，对每次采样值就求出较佳的权系数，这种方法称为采样值对采样迭代算法。迭代算法可以避免复杂的和p的运算，又能实时求出它们的近似值，因而切实可行。lms算法是以最快下降法为原则的迭代算法，即w(n+1)矢量是w(n)矢量按均方误差性能平面的负斜率大小调节响应一个增量，即：w(n+1)=w(n)-u(n) （2.3.6）这里u是由系统稳定性和迭代运算收敛速度决定的自适应步长。(n)为n次迭代的梯度。对于lms算法(n)为式（2.3.1）中ee2(n)的斜率，即：(

31、n)= （2.3.7）由式（2.3.6）产生了求解最佳权系数w*的两种方法，一种式最陡梯度法。其思路为：设定初始权系数w(0),用式（2.3.6）迭代公式计算，到w(n+1)和w(n)误差ee(n)x(n)= （2.3.8）小于规定范围。其中(n)的e计算可用下面的估计值表达式来计算：式中k取值应足够的。如果用瞬时2e(n)x(n)来代替上面对2ee(n)x(n)的估值运算，就产生了另一种算法：随机梯度法，即widrow-hoff的lms算法。此时迭代公式为：w(n+1)=w(n)+2ue(n)x(n) (2.3.9)本论文用于实现的算法都是基于式（2.3.9）。下面我们给出lms算法的计算步

32、骤如下：(1) 利用时间n=0的滤波系数矢量为任意的起始值w(0)；(2) 由现在时刻n的滤波器系数矢量估值w(n)，输入信号矢量x(n)以及期望信号d(n)，计算误差信号；(3) 利用递归法计算滤波器系数矢量的更新估值；x(n)xh(n)e(n)d(n)iz-1iw(n+1)w(n)(4) 将时间指数n增加1，回到步骤(1)，重复上述计算步骤，一直到达稳态为止.其中自适应lms算法的信号流图如下。图2.6 自适应lms算法信号流图2. rls算法rls算法是“递推最小二乘法”。与lms算法不同，rls算法是考察一个由平稳信输输入的自适应系统在一段时间内输出误差信号的平均功率（在时间上作平均）

33、，并使该平均功率达到最小作为自适应系统的性能的准则。下面是该算法的计算过程:a、 初始化设置：0a1, wp+1b、 如果kp，则用迭代计算下列式子：p,k=xk-wktlk （2.3.11） 其中lk=xk-1,xk-2,xk-ptr =i-r （2.3.12）mk=kkr （2.3.13）wk+1=wk+mkp,k （2.3.14）下图为rls算法的计算步序，由此可见，rls算法含有一阶矩阵差分方程计算。如图2.7所示。初始条件(0)=cip(0)=c-1iw(0)=0增益矢量k(n)真正估计误差(n)滤波系数矢量w(n)误差相关矩阵p(n)图2.7 rls算法步序其中自适应递归最小二乘算

34、法的信号流程图如图2.8所示。z-1iiid(n)k(n)xt(n)w(n)w(n-1)。图2.8 rls算法信号流程图2.4 自适应滤波器的功能自适应滤波器的应用范围很广，其主要功能有：自适应系统的建模、自适应噪声抵消和自适应谱线增强。1、 自适应系统的建模对于一个系统，如果不知道它的内部结构，可以通过研究系统的输入信号与输出信号的关系，来得到表征系统特征的冲激响应或频率函数。利用自适应滤波器对未知系统进行建模，是通过调整自适应滤波器的参数，使得自适应滤波器和未知系统具有相同的输入-输出关系，因此该自适应滤波器就可以作为未知系统的模型。2、 自适应噪声抵消自适应噪声抵消的框图如图2.9所示，

35、将观察值信号s(n)和噪声n1(n)的叠加作为自适应滤波器的期望信号输入；将与噪声信号n1(n)相关的另一噪声信号n2(n)输入自适应滤波器的输入端。由于n1(n)和n2(n)是相关的，它们与s(n)都无关，因此自适应滤波器收敛后，n2(n)可将输出噪声抵消后的信号s(n)。x(n) y(n)d(n) e(n)n2(n)s(n)+n1(n)s(n)af图2.9 自适应噪声抵消框图自适应噪声抵消可以用于长途电话系统中回声的抵消，也可以用于胎儿心电检测中母体心电干扰的抵消或外科手术中电刀对心电检测的干扰抵消等。3、 自适应谱线增强有时要求从带宽噪声的背景下提取较弱的窄带信号，由于信号被噪声所淹没，

36、直接作谱估计难以得到信号的结果，需要把噪声压低以便突出信号，这就是谱线增强。自适应谱线增强的框图如2.10所示，将观察值信号s(n)和噪声n(n)的叠加作为自适应滤波器的期望信号输入；并将观察值延迟后输入自适应滤波器的输入端。由于宽带噪声的自相关函数持续时间短，窄带信号的自相关函数持续时间长，当选择适当的时间延迟量后，宽带噪声n(n)和其延迟n(n-)是不相关的，而窄带信号s(n)和其延迟s(n-)仍然相关，因此自适应滤波器收敛后，相关的信号部分会被抵消，使得y(n)到s(n)，即自适应滤波器的y(n)输出端将输出突出后的信号s(n)。 s(n)+n (n)s(n)x(n) y(n)d(n)

37、e(n) af图2.10 自适应谱线增强框图 自适应谱线增强可以抑制噪声，突出窄带信号，同时又可以随时提取出自适应滤波器的权系数矢量，作出信号的ar谱估计，因此，谱线增强和ar谱估计相结合是动态谱估计的有效手段。第三章 自适应滤波器的数字实现基础3.1 自适应滤波器算法的选择本论文在各种自适应滤波器的研究基础上，根据各种算法的特点，结合实现的难易程度，选择了一种应用比较广泛的算法结构。1、 可编程滤波器的选择fir滤波器横向结构数字滤波器有iir和fir之分。前面已经讨论过，fir是全零点滤波器，稳定性好，有线性相位，实现是可以利用流水线提高处理的速度。所以本论文选择fir滤波器。在实现结构上

38、，从前面的讨论中，实现比较简单的滤波器结构。2、 自适应算法类型的选择lms算法自适应算法主要有两大类：以lms算法为代表的最小均方误差判据类和以rls算法为代表的最小二乘判据类。其中，lms算法是当前应用最广泛，理论最成熟的算法之一，所以，本论文基于该算法进行硬件的实现设计。3、 算法描述本论文采用的算法的流程框图如图3.1。开始初始化计算误差e(n)lms算法fir滤波（横向）对权系数和误差因子y(n)修改权系数e(n)y(n)x(n)d(n)图3.1 自适应滤波器算法流程框图其中初始化工作包括对权系数和误差因子u赋值，对于u的取值必须满足算法收敛的条件。fir滤波器算法按照式(2.2.1

39、)来计算，即： y(n)= 误差e(n)=d(n)-y(n),lms算法按照式（2.3.9）来计算，即： w(n+1)=w(n)+2ue(n)x(n) 3.2 自适应滤波器算法的理论仿真1、 概述本节的主要内容是对选择的自适应滤波器算法进行理论仿真。其中包括以下几个内容：借助科学计算软件对算法进行功能仿真，借助软件对算法的收敛性和稳定性进行定性地讨论，为数字实现提供有用的设计要点。2、 仿真软件环境对算法的仿真需要进行大量的科学计算。如果使用basic、fortran或c语言编制程序，则不仅需要掌握所用语言的语法，还需要对有关算法进行深入地分析，这对于大多数工作者来说有一定的难度，于是必然会出

40、现用于工程计算的标准软件。 论文采用的matlab是美国mathworks公司自1984年开始推行的一种使用简单的工程计算语言。它以矩阵运算为基础，把计算、可视化和程序设计融合到了一个交互的工作环境中。在这个环境中，可以实现工程计算、算法研究、建模和仿真，数据分析及可视化，科学和工程绘图，应用程序开发等等功能。该软件已经成为国际通用的工程计算的标准软件。本论文在matlab软件环境中，利用软件提供的丰富的系统函数，产生各种随机信号，同时以matlab高级语言编写自适应滤波器的核心算法，再通过matlab软件环境提供的可视化图形界面将仿真结果显示出来，从而达到算法的验证和仿真的目的。3、 算法仿

41、真 为了对自适应滤波器算法进行仿真，论文选择了噪声消除的应用实例。其应用框图如图3.2。自适应滤波器x(n)y(n)n2(n)x(n)+n1(n) 图3.2 自适应噪声消除应用框图 其中x（n）n1（n）作为自适应算法的输入信号x（n），n2（n）作为自适应算法的理想输出信号d（n），x（n）作为自适应算法的输出信号y（n）。自适应噪声消除器的目的是从噪声中提取有用信号，x（n）n1（n）为有用信号与噪声信号的叠加信号，n2（n）为参考噪声信号，n2（n）与n1（n）有一定的相关性，x（n）为经过自适应滤波器后提取的有用信号。 在仿真设计时，n2（n）matlab的随机函数产生一个高斯噪声源，

42、x（n）为一个复合函数x（n）sin（2t）cos（2t）产生的信号，n1（n）比n2（n）滞后6个时间单位，并且幅度为n2（n）的一半。用matlab语言设计自适应算法（lms算法），在通过图形显示函数将各信号显示出来，用以验证。仿真源代码见附录1。图3.3是仿真的结果。 图3.3自适应算法仿真结果（噪声消除）从图3.3中分析，可以看出在算法的最初阶段需要一段时间的自适应过程，这个过程中，产生的误差比较大。当各种权系数调整到比较优化之后，自适应算法的误差逐渐变小，只有在输入信号变化较大的时候，为了适应信号的变化调整自身的误差，这时会有一个调整的时间。从图3.3中可以看出，自适应算法较好地从噪

43、声中提取了有用的信号。通过算法的仿真，可以得出以下几点：a、u的设定与算法的收敛性和稳定性有密切的关系，当u值不满足收敛条件时，算法将发散；在满足收敛条件的情况下，lms算法的收敛速度与u成正比，同时lms算法的稳定性与u成反比。显然u值有一个上限和一个下限，上限是满足收敛的条件，下限是考虑到量化精度的问题，避免权系数的零修正。根据lms算法的收敛条件，可以得到u值的上限条件为：u1/max其中max为r矩阵的最大本征值。u值的下限要求，对于定点的数字实现，可以得到u值的最小值为：u2=2/4x2min其中，为量化精度，x2=ex2(n)；min为lms准则下的ee2(n)的最小值。b、输入信

44、号与理想输出信号应该有相关性，这是自适应算法的条件之一。第四章 自适应滤波器的dsp专用芯片实现4.1 自适应滤波器dsp专用芯片实现概述复杂算法的dsp专用芯片实现方案是在专用芯片的性能不断提高的基础上完善的。在过去短短十几年内，各种集成化的单片dsp芯片的性能得到了很大的改善，软件和开发工具也越来越多、越来越好，而价格却大幅度下降，从而使得dsp芯片及技术更容易使用，价格也能够为广大用户接收。各种算法的dsp专用芯片实现正是在这样的背景下得以不断的发展。为此，本论文在自适应滤波器算法理论的基础上，选用当前最为通用的dsp专用处理芯片，来实现该算法的实时计算。dsp自80年代初进入各个应用领

45、域以来，各种系列产品的发展极其迅速，各大公司不断推出改进的新产品。例如ti公司tms320系列自1982年推出的第一代产品tms320c1x以来，经过不断更新到目前已有五代产品，现在已经成为dsp专用芯片的主要供应商。模拟器件公司于90年代推出adsp产品adsp-2100系列和adsp-2100系列处理器，以其自身的许多特点也占领了较大的应用市场。此外，motorola公司也以其昂贵的24位定点芯片dsp56000和32位dsp96002而闻名。本论文选用当前应用最广泛的ti公司的tms320系列中的定点芯片tms320c54x和浮点芯片tms320c31，分别来实现自适应滤波器算法。4.2

46、 dsp专用芯片实现的硬件设计1、概述在本论文中，dsp专用芯片实现的硬件平台是基于tms320c31芯片的。该硬件系统主要有两个部分：dsp最小系统板和接口板。dsp最小系统板由ti公司提供，该系统板带有jtag仿真信号接口，可以通过仿真器方便地调试硬件和软件；接口板实现存储器的扩展，输入信号的ad转换和输出信号的da转换等功能。2、dsp最小系统dsp芯片采用tms320c31，它是在tms320c30的基础上进行简化后的芯片。与tms320c30芯片相比，它减少了扩展总线和一个串行口，因此它的成本比tms320c30低。在本子系统中，该芯片的资源能够满足算法实现的需要。另外，该芯片支持程

47、序引导功能，可以将程序和数据从低速eprom、prom或串口装入到快速ram中。系统的存储器采用eprom加高速ram的配置方式。eprom用于存放程序和初始化数据，系统加电运行时，tms320c31自动将程序和初始化数据从低速eprom装入到高速ram中。装入后，程序在高速ram中运行。存储器装入有boot1，boot2和boot3三种方式，这三种方式的区别在于运行程序的装入地址不同。在本系统中，采用boot2装入方式，即装入的eprom起始地址位0x400000。程序和初始化数据可存储在两片容量为64k8位的eprom中。扩展的高速ram的容量位128k32位。实现方式时采用四片容量为12

48、8k8的高速ram构成，起始地址为0x200000。其中的译码的功能电路采用一片gal完成。eprom与tms320c31的接口电路比较简单。这部分采用两片27c512来实现16位宽度的程序引导。连接时，16根地址线a0a15直接与tms320c31的a0a15相接，16根数据线与tms320c31的d0d15相接，片选端/ce和输出使能端/ce相接后与gal20v8的pin20引脚的/ecs信号相接。eprom占用的地址为0x4000000x40ffff。读eprom时的插入等待周期数由软件实现。tms320c31实时运行时的程序和数据都存放在快速ram中，因为快速ram与tms320c31

49、必须实现零等待接口。这里采用的快速ram是is61c1024。由于该芯片的数据宽度是8位，所以必须采用四片才能构成32位数据宽度来与匹配tms320c31的数据宽度。四片ram与tms320c31接口时，每片ram的地址线a0a16都与tms320c31的地址线a0a16都与tms320c31的地址线a0a16相接，写使能线/we与读写线相接，输出使能线/oe接地，而片选/cs1则与gal的/strs信号线相接，cs2与ca21相接。在最小系统中，tms320c31 采用微型计算机/引导转载程序方式，允许程序引导装载功能，因此tms320c31芯片的引mcbil/mp需要接到高电平上，使它工作

50、在mcbl方式。另外，由于系统使用的是boot2引导方式，所以inti引脚需要接到低电平。3、关键器件在接口板上的关键器件为a/d转换器件和d/a转换器件，下面具体介绍使用的两个器件。a、 a/d转换器件接口板上使用的a/d转换器件是max1270。它是一个12位，8通道串行a/d转换器，在5v单电源下工作，并且输入范围可以通过软件编程。该转换器的最高采样速率为110ksps。输入模拟耐压为+-16.5，内部提供4.096v的参考电压。芯片的封装为24-pin封装。该芯片的管脚图如图4.1。srtrbch7ch5refadjrefch3ch1sclkvccmax1279shon uont cs

51、endagnddgndmax1270ch0ch2ch4ch6alagoninputs图4.1 max1270管脚图该芯片使用外部时钟的接口时序如图4.2所示。81213142425startcsclksstrbhigha/d statech7 ch1ch0bpbhead0conversionacgushick模数图4.2 max1270转换典型时序图（外部时钟模式）该芯片硬件连接关系如表4.1所示。表4.1 max1270硬件连接表管脚信号名连接信号名相关器件连接说明ch0vin0模拟信号输入器件外部模拟信号0输入ch1vin1模拟信号输入器件外部模拟信号1输入ch2-ch7reserved无无管脚信号名连接信号名相关器件连接说明refadjgnd*0.01uf的电容通过电容结地cstclk0tms320c31转换启动输入信号，通