高阶LMS和NLMS自适应滤波器在FPGA讲述.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。 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