基于FPGA的自适应谱线增强系统设计
在信号采集与处理中，常只关心具有较窄带宽和较强周期特征的信号，这时宽带噪声成为必须滤除的有害成分。信号的频谱携带着信源最本质的特征，但是实际采集的信号不可避免地受到宽带噪声或宽带干扰的影响，如何快速、高效地消除这些噪声和干扰，增强目标谱线在信号处理领域具有重要的意义。ALE利用窄带信号的周期性和宽带噪声的弱相关性，能够在信号特征未知的条件下自适应地将信号从噪声中提取出来，广泛应用于目标识别和特征提取中。FPGA因具有高度的设计灵活性、高速的数据处理能力、丰富的片内资源而在数字信号处理领域占用重要的地位。在此利用FPGA作为数字信号处理的核心部分。流水线结构和分布式算法即是充分利用FPGA高速处理能力，实现复杂数字信号处理算法的有效途径。ALE核心部分构造了利用LMS(Least Mean square LMS)算法实现自适应谱线增强以及硬件实现的FPGA流水线结构。
l 自适应滤波原理
自适应滤波是相对固定滤波器而言的，固定滤波器滤波频率是固定的，自适应滤波器滤波的频率自动适应输入信号而变化的，所以其适用范围更加广泛。自适应滤波器是满足某种准则的最佳滤波器，这种滤波器能够在不需要任何关于信号和噪声先验统计知识的情况下，自动地根据输入信号的变化更新自身的权系数，来满足最佳滤波的需要。自适应滤波器不仅能够处理平稳随机信号而且能处理非平稳随机信号。这些特点使得自适应滤波器在干扰消除、预测、反演、辨识等信号处理领域得到广泛应用。
自适应滤波原理包含两方面的内容：一是调整滤波器系数的自适应算法，二是滤波器结构。自适应滤波算法是设定某种准则，使滤波后的输出信号与参考信号的差在此准则下最小。维纳准则广泛应用于自适应滤波，它的解为维纳解。滤波器结构是具体实现自适应算法的途径，寻求高效的滤波器结构一直是自适应滤波的研究重点。FIR横向结构是最常见的滤波器结构。为横向结构滤波器设计硬件的流水线是在FPGA中实现高速自适应滤波的有效途径，因此该设计中采用流水线实现ALE的自适应滤波器。自适应滤波器原理如图1所示。其中，x(n)为输入信号，y(n)为输出信号，d(n)为参考信号，e(n)为误差信号。
LMS算法是一种易于实现、性能稳健、应用广泛的算法。它采用负误差能量梯度更新滤波器的权系数，它的稳态解仍为维纳解，算法递推公式如下：
其中：Xj是输入信号；Wj是自适应滤波器的权系数；dj是参考信号；ej是误差；μ是一个用于控制自适应速度和稳定性的增益常数。
2 ALE原理及其Matlab仿真
2．1 ALE原理
ALE属于自适应滤波的范畴，但是在谱线增强的自适应滤波器设计中，没有外部参考信号可以利用。此时，利用窄带信号周期性明显而宽带噪声周期性差，延迟一段时间后窄带信号的相关函数会显著地强于宽带噪声这一特征，将原始输入信号接入具有固定延迟的延迟线作为参考信号。只要选取的延迟△足够长，参考信号的宽带噪声和原始输入的宽带噪声相关性就会迅速减弱，而窄带周期信号的相关性不会受到影响。根据自适应滤波理论可知，ALE滤波会有一个学习过程，学习过程就是误差信号趋于不断减小的过程。当学习过程进入稳态后，滤波器输出是源窄带周期信号和一个随机的误差，其误差可以通过选取合适的步长因子而达到很小的振幅。ALE原理图如图2所示。
2．2 ALE的Matlab仿真
Matlab是数字信号处理和仿真的有效工具，设计之初使用Matlab进行仿真，可以有效地评估设计的最终效果，为整个设计过程提供强有力的理论支持。首先用Matlab仿真以LMS算法实现的ALE，从仿真结果的时域波形和处理时间两方面证明算法在ALE系统中的有效性。将正弦波混合高斯白噪声作为谱线增强滤波的输入信号，图3是用Matlab对算法的部分仿真结果。可以看出根据混有噪声的输入信号根本无法判断原始周期信号，经过O～100时间长度的学习过程后滤波器输出信号已经具有明显的周期性，宽带噪声得到有效的滤除，窄带信号得以滤出。而这段时间在高速FPGA中只需要μs级的处理时间，满足实时性要求。
fpga相关文章:fpga是什么
评论