專利名稱:一種處理變換域自適應(yīng)濾波器的方法
技術(shù)領(lǐng)域:
本發(fā)明涉及自適應(yīng)濾波器,具體地講涉及一種處理變換域自適應(yīng)濾波器的方法。
背景技術(shù):
自適應(yīng)濾波器在通信領(lǐng)域的應(yīng)用非常廣泛,比如系統(tǒng)辨識、預(yù)測反卷積、自適應(yīng)均衡、自適應(yīng)譜估計及信號檢測等。在這些應(yīng)用中,濾波器通常采用抽頭延遲線(Tapped Delay Line)的形式,調(diào)整濾波器參數(shù)的最常用自適應(yīng)算法是LMS算法,LMS算法步驟為設(shè)n時刻的輸入信號向量為xn=[x(n),x(n-1),…,x(n-N+1)]T;設(shè)此時的權(quán)向量為hn,濾波器的相應(yīng)輸出為zn=xnThn;]]>n時刻的輸出誤差en為期望響應(yīng)d(n)與自適應(yīng)濾波器輸出zn之差en=d(n)-zn;LMS算法就是使誤差en的均方值最小,對權(quán)向量的更新如下hn+1=hn+2μxnen其中,常量μ為正數(shù)。
LMS算法的收斂性取決于輸入向量相關(guān)矩陣 的條件數(shù)。事實上,收斂速度可以表示成(r-1)2/(r+1)2,其中r是最大特征值與最小特征值之比,也稱作相關(guān)矩陣R的特征值分布。由上可知,特征值分布越分散,收斂速度越慢,反之亦然。
若采用此算法,特別是存在噪聲時,自適應(yīng)濾波器的收斂性通常較差,對此人們提出了一系列方法以提高自適應(yīng)濾波器的收斂性能。
目前,為加快收斂,我們可以將輸入向量xn變換為 但這種方法的缺點是增加算法的計算量。
目前,還可采用變換域自適應(yīng)濾波方法,其中有基于K-L(Karhunen Loéve)變換、離散余弦(DCT)變換的自適應(yīng)濾波算法,但上述算法的缺點也是算法復(fù)雜。
目前,還提出了基于小波變換的自適應(yīng)濾波算法。
首先,對離散小波變換進行說明。
小波(wavelet),即小區(qū)域的波。小波定義為設(shè)Ψ(t)∈L2(R),其中,L2(R)表示平方可積的實數(shù)空間,即能量有限的信號空間,若其傅里葉變換為 并當(dāng)傅立葉變換 滿足允許條件Cψ=∫R|ψ^(ω)|2|ω|dω<∞]]>時,我們稱Ψ(t)為一個基本小波或母小波函數(shù)。
將母函數(shù)Ψ(t)進行伸縮和平移,設(shè)其伸縮因子為a(又稱尺度因子),平移因子為b,令其平移和伸縮后的函數(shù)為ψa,b(t),則可以得到一個小波序列ψa,b(t)=1|a|ψ(t-ba)]]>a,b∈R;a≠0ψa,b(t)為依賴于參數(shù)a、b的小波函數(shù),由于尺度因子和平移因子b是取連續(xù)變化的值,因此稱ψa,b(t)為連續(xù)小波基函數(shù),它們是由同一母函數(shù)Ψ(t)經(jīng)平移、伸縮后得到的一組函數(shù)系列。
將任意L2(R)空間中的函數(shù)x(t)在小波基下進行展開,稱這種展開為函數(shù)x(t)的連續(xù)小波變換(CWTContinue Wavelet Transform),其表達式為Wx(a,b)=<x,ψa,b>=|a|-1/2∫Rx(t)ψ(t-ba)‾dt]]>其逆變換為x(t)=1Cψ∫R+∫R1a2Wx(a,b)ψ(t-ba)dadb]]>其中,Wx(a,b)稱為小波變換系數(shù)。
小波變換的時頻窗口形狀為兩個矩形
b-aΔψ,b+aΔψ×(±ω0-Δψ^)/a,(±ω0+Δψ^)/a,]]>窗口中心為(b,±ω0/a),時窗和頻窗寬分別為aΔψ和 其中b僅僅影響窗口在相平面時間軸上的位置,而a不僅影響窗口在頻率軸上的位置,也影響窗口的形狀。這樣小波變換對不同的頻率在時域上的取樣步長是調(diào)節(jié)性的,即在低頻時小波變換的時間分辨率較差,而頻率分辨率較高;在高頻時小波變換的時間分辨率較高,而頻率分辨率較低,這正符合低頻信號持續(xù)時間長、變化緩慢而中高頻信號持續(xù)時間短、變化迅速的特點。
在實際運用中,小波基函數(shù)具有很大的相關(guān)性,信號x(t)的連續(xù)小波變換系數(shù)的信息量冗余,因此連續(xù)小波必須加以離散化,即離散小波變換(DWTDiscret Wavelet Transform),離散后的小波基函數(shù)具有正交性,從而計算小波變換系數(shù)冗余度下降,可減少計算量。
在連續(xù)小波中,考慮函數(shù)ψa,b(t)=1|a|ψ(t-ba)]]>這里,b∈R,a∈R+,且a≠0,ψ是容許的,為方便起見,在離散化中,a總限制取正值,這樣相容性條件就變?yōu)镃ψ=∫0∞|ψ^(ω‾)||ω‾|dω‾<∞]]>通常,把連續(xù)小波變換中尺度因子a和平移因子b的離散化公式分別取作a=a0j,]]>b=ka0jb0,]]>這里j∈Z(整數(shù)),擴展步長a0≠1是固定值,為方便起見,總是假定a0>1。所以對應(yīng)的離散小波函數(shù)ψj,k(t)即可寫作ψj,k(t)=a0-j/2ψ(t-ka0jb0a0j)=a0-j/2ψ(a0-jt-kb0)]]>為了使小波變換具有可變化的時頻分辨率,適應(yīng)待分析信號的非平穩(wěn)性,就需要改變a和b的大小。最常采用的是二進制動態(tài)采樣網(wǎng)格,即a0=2,b0=1,每個網(wǎng)格點對應(yīng)的尺度為2j,而平移為2jk,由此得到的小波
ψj,k(t)=2-j/2ψ(2-jt-k) j,k∈Z稱為二進小波(Dyadic Wavelet)。
由上可知,小波是平方可積函數(shù)空間的一族基函數(shù),因此任一平方可積函數(shù)x(t)都可以通過對一個小波ψ(t)進行伸縮和平移來表示x(t)=Σj,k2jxj,kψ(2-jt-k)]]>實際應(yīng)用上,小波變換系數(shù)一般是通過金字塔算法有效地得到,從不顯式計算小波。
若采樣數(shù)據(jù)個數(shù)為N,用矩陣Q表示離散小波變換矩陣,則Qx就是一個正則線性變換。
其次,對基于小波變換的LMS算法進行說明。
令R(m,n)是輸入過程x(·)的m和nth采樣的相關(guān),并令Rwj,k(m,n)為過程x(·)在jth小波頻帶的mth分量與過程x(·)在kth小波頻帶的nth分量的互相關(guān)。研究表明,對于R(m,n)可以漸進表示如下的一類過程R(m,n)=mα(n)e-β(n)m(α0(n)+o(1))+α1(n)當(dāng)n固定m趨于無窮大或m固定n趨于無窮大時,Rwj,k(m,n)要比R(m,n)衰減的更快。因此,即使所分析的過程是非平穩(wěn)的,小波變換也非常近似于K-L變換(可以認為是最佳變換)。也就是說,小波變換后輸出的自相關(guān)矩陣Ry是近似對角化的。通過在變換域進行簡單的預(yù)處理,可以大大提高收斂速度。
基于小波變換的LMS算法步驟為首先,輸入數(shù)據(jù)向量xn經(jīng)離散小波變換矩陣Q變換成向量ynyn=Qxn其次,對變換后的向量進行LMS迭代,步驟為設(shè)離散小波域自適應(yīng)濾波器系數(shù)權(quán)值向量為gn,則輸出信號zn為zn=gnTyn]]>相應(yīng)的誤差信號en為
en=d(n)-zn其中,d(n)是期望信號;權(quán)值更新方程為gn+1=gn+2μΛ-2enyn其中,Λ2通常為對角陣,(i,f)th元素為yn的ith元素的功率估計。更新方程相當(dāng)于在使用LMS算法前對向量xn進行A-1Q變換。
雖然采用基于離散小波變換的LMS算法可以提高自適應(yīng)濾波器的收斂性,但計算復(fù)雜度大。為便于說明,考察自適應(yīng)均衡的情況。
如圖1所示為LMS自適應(yīng)均衡試驗框圖。其中,隨機噪聲發(fā)生器1產(chǎn)生用來探測信道的測試信號xn,隨機噪聲發(fā)生器2用來干擾信道輸出的白噪聲源v(n),這兩個隨機噪聲發(fā)生器是彼此獨立的。自適應(yīng)均衡器用來糾正存在加性白噪聲的信道的畸變。經(jīng)過適當(dāng)延遲,隨機噪聲發(fā)生器1也提供用做訓(xùn)練序列的自適應(yīng)均衡器的期望響應(yīng)。
信道沖擊響應(yīng)可由升余弦表示 其中,參數(shù)w用來控制輸入數(shù)據(jù)向量相關(guān)矩陣的特征值分布。步長固定為0.03。濾波器長度分別設(shè)為M=8、12、16。
圖2給出了惡劣情況下,特征值分布w=3.5的收斂情況。濾波器長度M=8時大約迭代600次左右才收斂;M=12和16時大約要迭代1000次以上才收斂。
圖3給出了良好情況下,特征值分布w=2.9的收斂情況。上述三種濾波器長度大約要迭代400次收斂。
由上可知,圖2表明對于不同的濾波器長度M,在情況惡劣(w=3.5)時,在收斂速度和失準(zhǔn)度(misadjustment)上存在著折衷;而在情況良好(w=2.9)時,圖3表明收斂速度和失準(zhǔn)度都和濾波器長度M無關(guān)。
圖4給出了基于小波變換LMS的自適應(yīng)均衡器的實驗框圖。
如果小波變換采用Daubechies函數(shù),對于dbN,小波函數(shù)和尺度函數(shù)的支撐長度為2N-1。小波函數(shù)的消失矩階數(shù)為N。絕大部分dbN不是嚴格對稱的,但具有良好的正交性。
在惡劣情況下,特征值分布w=3.5,μ=0.03時,分別對采用db4,db6和db8小波函數(shù)時的性能進行了測試;圖5所示為濾波器長度M=8時的結(jié)果;圖6所示為濾波器長度M=16時的結(jié)果。比較圖5和圖6,我們可以發(fā)現(xiàn)對于Daubechies-LMS算法而言,在收斂速度和失準(zhǔn)度上也存在著折衷。這個結(jié)論是合理的,因為收斂速度取決于濾波器長度,而失準(zhǔn)度取決于變換矩陣的規(guī)模。
計算時,不論選擇什么樣的Daubechies函數(shù),變換矩陣的規(guī)模始終保持為M×M。值得注意的是,兩種情況下db4,db6和db8的性能幾乎一樣,這三個Daubiechies函數(shù)的計算復(fù)雜度是完全一樣的。
由上述可知,雖然采用基于離散小波變換的LMS算法可以提高自適應(yīng)濾波器的收斂性,但計算復(fù)雜度大,若采用數(shù)據(jù)塊的長度為N,則每一步的乘加次數(shù)為(3+3+1+N)N+J,其中J為分解深度,與計算復(fù)雜度無關(guān)。
由小波函數(shù)的特點可知,使用支撐長度較短的小波函數(shù)會導(dǎo)致性能下降,但如果下降程度可以接受,我們情愿選擇短支集小波函數(shù),因為這樣可以降低計算復(fù)雜度。因此,為降低上述計算復(fù)雜度,本發(fā)明提出一種處理自適應(yīng)濾波器的方法。
發(fā)明內(nèi)容
本發(fā)明在基于小波變換自適應(yīng)濾波器計算方法的基礎(chǔ)上,提出了一種降低自適應(yīng)濾波器計算復(fù)雜度的方法,該方法為一種變長度塊處理(MLB)方法。本方法在保證收斂和失準(zhǔn)度的同時,可大幅度降低自適應(yīng)濾波器計算復(fù)雜度。
本發(fā)明為一種處理變換域自適應(yīng)濾波器的方法,所述自適應(yīng)濾波器采用基于小波變換的自適應(yīng)算法,進行小波變換時,采用小波函數(shù)的輸入數(shù)據(jù)塊長度是可變的。
所述小波函數(shù)為二進制小波函數(shù);采用可變輸入數(shù)據(jù)塊長度時,步驟為第一步,進行小波變換的輸入數(shù)據(jù)塊長度為8,采用小波函數(shù)為wav4;第二步,所述輸入數(shù)據(jù)塊長度為12,采用小波函數(shù)為wav6;第三步,所述輸入數(shù)據(jù)塊長度為16,采用小波函數(shù)為wav8;其中,小波函數(shù)wav為具有4,6和8的消失矩階數(shù)的函數(shù)。
所述小波函數(shù)采用Daubechies小波基;采用可變輸入數(shù)據(jù)塊長度時,步驟為第一步,進行小波變換的輸入數(shù)據(jù)塊長度為8,采用小波函數(shù)為db4;第二步,所述輸入數(shù)據(jù)塊長度為12,采用小波函數(shù)為db6;第三步,所述輸入數(shù)據(jù)塊長度為16,采用小波函數(shù)為db8。
所述基于小波變換的自適應(yīng)算法,步驟為輸入數(shù)據(jù)向量xn經(jīng)小波變換變換成向量ynyn=Qxn對變換后的向量進行LMS迭代zn=gnTyn]]>en=d(n)-zngn+1=gn+2μΛ-2enyn其中,Q為小波變換矩陣;gn為權(quán)值向量,gnH為權(quán)值向量g的埃米特轉(zhuǎn)置向量;d(n)為期望響應(yīng),由訓(xùn)練序列或反饋判決得到;e(n)是期望響應(yīng)d(n)和zn之差;zn為濾波器的輸出。
采用本方法的有益效果在于N=16時,采用第一步,乘加次數(shù)為(3+3+1+N/2)N+J,乘加次數(shù)可減少128次;采用第二步,乘加次數(shù)為(3+3+1+N*3/4)N+J,乘加次數(shù)亦可減少64次,適當(dāng)調(diào)整每一步的處理周期,在保證收斂和失準(zhǔn)度的同時,可以大幅降低計算復(fù)雜度,其中J為分解深度,與計算復(fù)雜度無關(guān)。
圖1是LMS自適應(yīng)均衡試驗框圖;圖2是特征值分布為3.5采用LMS算法均衡學(xué)習(xí)曲線圖;圖3是特征值分布為2.9采用LMS算法均衡學(xué)習(xí)曲線圖;圖4是基于小波變換的LMS自適應(yīng)均衡試驗框圖;圖5是特征值分布為3.5采用基于Daubechies變換的LMS均衡學(xué)習(xí)曲線圖;圖6是特征值分布為2.9采用基于Daubechies變換的LMS均衡學(xué)習(xí)曲線圖。
具體實施例方式
如圖4所示的基于小波變換LMS算法的自適應(yīng)均衡器的實驗框圖。其中,隨機噪聲發(fā)生器1產(chǎn)生用來探測信道的測試信號xn,隨機噪聲發(fā)生器2用來干擾信道輸出的白噪聲源v(n),這兩個隨機噪聲發(fā)生器是彼此獨立的。自適應(yīng)均衡器用來糾正存在加性白噪聲的信道的畸變。經(jīng)過適當(dāng)延遲,隨機噪聲發(fā)生器1也提供用做訓(xùn)練序列的自適應(yīng)均衡器的期望響應(yīng)。送入自適應(yīng)濾波器的信號先進行變換域處理,在變換域處理過程中,采用小波函數(shù)進行變換,并且小波函數(shù)的輸入數(shù)據(jù)塊的長度是變化的。
其中,小波函數(shù)可采用任意二進制小波函數(shù),本實施例中采用Daubiechies小波基,采用可變輸入數(shù)據(jù)塊長度時,步驟為第一步,進行小波變換的輸入數(shù)據(jù)塊長度為8,采用小波函數(shù)為db4,乘加次數(shù)為(3+3+1+N/2)N+J;第二步,所述輸入數(shù)據(jù)塊長度為12,采用小波函數(shù)為db6,乘加次數(shù)為(3+3+1+N*3/4)N+J;第三步,所述輸入數(shù)據(jù)塊長度為16,采用小波函數(shù)為db8,乘加次數(shù)為(3+3+1+N)N+J。
這樣,輸入數(shù)據(jù)向量xn經(jīng)小波變換變換成向量ynyn=Qxn
然后對變換后的向量進行LMS迭代zn=gnTyn]]>en=d(n)-zngn+1=gn+2μΛ-2enyn其中,Q為小波變換矩陣;gn為權(quán)值向量,gnH為權(quán)值向量g的埃米特轉(zhuǎn)置向量;d(n)為期望響應(yīng),由訓(xùn)練序列或反饋判決得到;e(n)是期望響應(yīng)d(n)和zn之差;zn為濾波器的輸出。
由小波函數(shù)的特點可知,使用支撐長度較短的小波函數(shù)雖然會導(dǎo)致性能下降,但如果下降程度可以接受,我們就選擇短支集小波函數(shù),因為這樣可以降低計算復(fù)雜度。
采用本發(fā)明的方法,對于N=16時,采用第一步,乘加次數(shù)為(3+3+1+N/2)N+J,與現(xiàn)有技術(shù)相比乘加次數(shù)可減少128次;采用第二步,乘加次數(shù)為(3+3+1+N*3/4)N+J,乘加次數(shù)亦可減少64次,適當(dāng)調(diào)整每一步的處理周期,在保證收斂和失準(zhǔn)度的同時,可以大幅降低計算復(fù)雜度,其中J為分解深度,與計算復(fù)雜度無關(guān)。
如果采用其它二進制小波函數(shù)時,還是同樣的步驟,采用相應(yīng)的小波函數(shù)。
上述實施例僅用于說明本發(fā)明,而非用于限定本發(fā)明。
權(quán)利要求
1.一種處理變換域自適應(yīng)濾波器的方法,所述自適應(yīng)濾波器采用基于小波變換的自適應(yīng)算法,其特征在于,進行小波變換時,采用小波函數(shù)的輸入數(shù)據(jù)塊長度是可變的。
2.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述小波函數(shù)為二進制小波函數(shù);采用可變輸入數(shù)據(jù)塊長度時,步驟為第一步,進行小波變換的輸入數(shù)據(jù)塊長度為8,采用小波函數(shù)為wav4;第二步,所述輸入數(shù)據(jù)塊長度為12,采用小波函數(shù)為wav6;第三步,所述輸入數(shù)據(jù)塊長度為16,采用小波函數(shù)為wav8;其中,小波函數(shù)wav為具有4,6和8的消失矩階數(shù)的函數(shù)。
3.根據(jù)權(quán)利要求2所述的方法,其特征在于,所述小波函數(shù)采用Daubechies小波基;采用可變輸入數(shù)據(jù)塊長度時,步驟為第一步,進行小波變換的輸入數(shù)據(jù)塊長度為8,采用小波函數(shù)為db4;第二步,所述輸入數(shù)據(jù)塊長度為12,采用小波函數(shù)為db6;第三步,所述輸入數(shù)據(jù)塊長度為16,采用小波函數(shù)為db8。
4.根據(jù)權(quán)利要求1或2或3所述的方法,其特征在于,所述基于小波變換的自適應(yīng)算法,步驟為輸入數(shù)據(jù)向量xn經(jīng)小波變換變換成向量ynyn=Qxn對變換后的向量進行LMS迭代zn=gnTyn]]>en=d(n)-zngn+1=gn+2μΛ-2enyn其中,Q為小波變換矩陣;gn為權(quán)值向量,gnH為權(quán)值向量g的埃米特轉(zhuǎn)置向量;d(n)為期望響應(yīng),由訓(xùn)練序列或反饋判決得到;e(n)是期望響應(yīng)d(n)和zn之差;zn為濾波器的輸出。
全文摘要
本發(fā)明為一種處理變換域自適應(yīng)濾波器的方法,所述自適應(yīng)濾波器采用基于小波變換的自適應(yīng)算法,進行小波變換時,采用小波函數(shù)的輸入數(shù)據(jù)塊長度是可變的。本發(fā)明在基于小波變換自適應(yīng)濾波器計算方法的基礎(chǔ)上,提出了一種降低自適應(yīng)濾波器計算復(fù)雜度的方法,本方法在保證收斂和失準(zhǔn)度的同時,可大幅度降低自適應(yīng)濾波器計算復(fù)雜度。
文檔編號H03H17/02GK1805279SQ20051000036
公開日2006年7月19日 申請日期2005年1月10日 優(yōu)先權(quán)日2005年1月10日
發(fā)明者馮升波 申請人:樂金電子(中國)研究開發(fā)中心有限公司