高阶LMS和NLMS自适应滤波器在FPGA.pptxVIP

高阶LMS和NLMS自适应滤波器在FPGA中实现对浮点型数据的处理——王金梅 自适应滤波器自适应滤波器是自适应信号处理领域的一个分支，它能够自动地迭代调节自身的滤波器参数，以满足某种准则的要求，从而实现最优滤波自适应滤波算法是自适应滤波器设计过程中的重要组成部分，自适应算法的优劣决定着自适应滤波器设计的优劣。LMS(最小均方算法) 介绍：LMS是自适应滤波中的一种典型算法，由于其结构简单，性能稳定，计算复杂度低，易于硬件实现等优点，被广泛应用于系统辨识、回波消除、语音线性预测、自适应信道均衡、自适应天线阵等等诸多领域中。LMS算法的主要缺点：收敛速度慢。 在通信系统中，LMS算法无法兼顾收敛速度和信噪比两项性能。 ? LMS算法最佳滤波器系数递归关系式： LMS算法的设计的滤波器的另一缺点：LMS算法设计的滤波器步长因子越长，阶数越高，输入信号的功率越高，滤波器的失调系数就越大了。 NLMS(归一化最小均方算法)NLMS提出是为了改善LMS滤波器失调的情况。归一化算法系数的递归式为：实质上NLMS算法是一种变步长LMS算法，NLMS算法通过间接改变步长因子来加快收敛速度。FPGA实现LMS算法，需要加法器和乘法器。FPGA实现NLMS算法，需要使用加法器、乘法器和除法器。最关键的是FPGA用于处理浮点乘法和除法是可以实现的，但是严重影响FPGA的处理速率，而且按照传统的处理方法是非常的困难的。为了解决这一问题，设计者就提出了下列方案。 处理LMS的乘法运算和NLMS的乘除法解决方案：可以在FPGA中采用乘除法IP核、乘除法模块来完成 相关操作可以采用移位相加运算来完成相关运算 但以上方案的解决存在缺陷： 1影响FPGA的运算速度 2占用FPGA资源较多 3仅用于处理整数型数据 对数算法：目的：为了提高FPGA中LMS/NLMS算法的准确性；对于浮点型数据的解决方案中，选择了LNS（logarithmic number system），为了减少资源需求和减少时间延迟；对于LNS系统而言，乘除运算相对于加减；运算而言就容易很多。 与另一种浮点型数据处理方法（FLP）相比，LNS的主要缺点就是LNS在处理加减运算时，LNS算法所耗用的RAM块太多。而在处理乘除运算时，LNS所占用的资源远远少于FLP。 另一个考虑的事情就是时钟速率和延时。从延时方面来看来看，LNS系统相比于FLP有显著地优势。 谢谢大家