基于DSP自适应滤波器设计与实现.docVIP

基于DSP自适应滤波器设计与实现 　　摘 要： 论述了基于TMS320F28234的自适应滤波器系统的设计。自适应滤波器能够在没有任何关于信号和噪声的先验知识的条件下，达到最优滤波的目的。根据自适应滤波的原理，主要论述和分析了易于实现的最小均方差算法，通过比较IIR结构和FIR结构滤波器的优缺点，采用横向FIR结构的自适应滤波器来实现。为了满足自适应滤波的实时性要求，采用TMS320F28234芯片的系统设计，并设计了其硬件最小系统和软件系统，最后用TMS320F28234实现自适应滤波器。仿真结果表明，自适应滤波器滤波效果优越。 　　关键词： 自适应滤波器； LMS算法； TMS320F28234； FIR结构 　　中图分类号： TN713?34 文献标识码： A 文章编号： 1004?373X（2013）17?0062?03 　　0 引 言 　　滤波是信号处理领域的一种最基本而又极其重要的技术。利用滤波技术可以从复杂的信号中提取所需要的信号，同时抑制噪声或干扰信号，以便更有效地利用原始信号。滤波器在电子电路系统中应用很多，技术也较为复杂，有时滤波器的优劣直接决定产品的性能，所以滤波器的理论研究和产品开发非常的重要。 　　自适应滤波器是相对固定滤波器而言的，当固定的设计规范是未知的，或者采用时不变滤波器不能满足设计的要求设计规范时，就需要采用自适应滤波器。严格地讲，自适应滤波器是一种非线性滤波器，因此不满足齐次性和叠加性条件，如果在某个给定的时刻固定的滤波器参数，则其输出信号是输入信号的线性函数。自适应滤波器是在没有任何关于信号和噪声的先验知识的条件下，自适应滤波器利用前一时刻已获得的滤波器参数来自动调节现时刻的滤波器参数，以适应信号和噪声未知或随机变化的统计特性，从而实现最优滤波，所以其适用范围更广。 　　1 基于DSP的自适应滤波器的方案设计 　　本系统采用利用数字信号处理器来完成自适应滤波器的设计，系统如图1所示。 　　系统工作原理：自适应滤波器的整体设计思路中模拟信号输入，输入信号首先进行抗混叠滤波，然后将模拟信号变换成数字信号。根据奈奎斯特抽样定理，为保证有用信息不丢失，抽样频率至少是输入带限信号最高频率的2倍。经过ADC转换成数字信号，DSP芯片预先设计好的自适应滤波算法程序，对输入的数字信号处理。这种自适应滤波器的设计是具有跟踪信号和噪声变化的能力，也不需要知道关于输入信号的先验知识。经过DSP芯片处理后的信号通过DAC再转换成连续的模拟波形，之后进行平滑滤波就可得到需要的模拟信号。 　　1.1 自适应滤波器原理 　　自适应滤波器是一种能够自动调整本身参数的特殊维纳滤波器，在设计时不需要预先知道关于输入信号和噪声的统计特性，它能够在工作过程中逐步“了解”或估计出所需的统计特性，并以此为依据自动调整自身的参数，以达到最佳滤波效果。一旦输入信号的统计特性发生变化，它又能够跟踪这种变化，自动调整参数，使滤波器性能重新达到最佳。 　　1.2 自适应滤波器结构 　　自适应IIR滤波器与自适应 FIR滤波器相比较，自适应IIR滤波器存在突出的缺点，主要的缺点包括：自适应IIR滤波器存在不稳定的可能性倾向；而且收敛速度慢等。因此，一般采用FIR滤波器作为自适应滤波器的结构。自适应滤波器最直接的实现就是直接形式的FIR结构，但在本论文中采用FIR横向结构设计自适应滤波器。这种结构仅包含有由延迟级数所决定的有限个存储单元，可归结为有限冲激响应（FIR）或横向滤波器（Kallman）。输入信号被若干延迟单元延时，其延迟时间可以是连续的。这些延迟单元的输出与存储的一组权系数依次相乘，将其乘积相加得到输出信号。这意味着输出是输入信号与所存储的权系数或冲激响应的卷积。这种滤波结构仅包含有零点（因为没有递归反馈单元），因此，若要获得截止的频率特性，则需要有大量的延迟单元。但是，这种滤波器始终是稳定的，并能提供线性相位特性。图3所示为FIR横向滤波器结构。 　　1.3 DSP的最小硬件系统设计 　　DSP的硬件最小系统设计包括DSP芯片、电源转换电路、时钟电路、复位电路、JTAG仿真接口等，如图4所示。 　　2 基于DSP的自适应滤波器的软件设计 　　采用TMS320F28234实现自适应滤波器，自适应算法采用基本的LMS算法，滤波器的结构采用横向FIR结构。自适应滤波器的TMS320F28234的设计中，程序设计语言运用汇编语言，自适应滤波器程序设计流程如图5所示。 　　3 仿真验证 　　为了说明自适应滤波器的优越性，这里通过仿真结果来表明。通过引入一个已有的数据文件方式得到一个受到噪声干扰的正弦波信号，该波形作为自适应滤波的输入信号。自适应滤波程序在CCS 环境下编译、链接、修改语法错误，编译链接