[发明专利]通过后向和前向误差预测平方的有限递归的减少复杂度的递归最小二乘格型结构自适应滤波器

说明书

相关申请

本申请要求2005年6月20日提交的No.60/692,345的美国临时申请、2005年6月20日提交的No.60/692,236的美国临时申请以及2005年6月20日提交的No.60/692,347的美国临时申请的权益，并整体引用到此作为参考。

技术领域

本发明通常涉及自适应滤波器，并且更特别地，涉及一种减少复杂度的递归最小二乘格型结构自适应滤波器。

背景技术

自适应滤波器具有广泛的应用，并且具有多种不同的结构，其中每一种结构都有自身的特殊属性。所选的特定结构可以依赖于目标应用所需的特殊属性。这些属性，包括收敛速度、误调、跟踪和计算需求，被评价和相互加权，从而确定适用于目标应用的适当结构。

当选择一种适用于非平稳信号环境中的自适应滤波器结构时，需要特别考虑的是收敛速度、误调和跟踪能力。良好的跟踪能力通常是对应算法的收敛速度和误调属性的函数。然而，这些属性可能在本质上是对立的，因为较高的收敛速度一般可能导致所得到的滤波器的较高的收敛误差或者误调。

递归最小二乘(RLS)算法通常是非平稳信号环境中一种较好的工具，因为这种算法具有快速的收敛速度和较低的误调级别。RLS算法的一种特殊形式是递归最小二乘格型(RLSL)算法。最初的RLSL算法是由Simon Haykin提出的，可在“Adaptive Filter Theory ThirdEdition”这本书中找到。RLS型自适应滤波器显示出了快速的收敛速度，并对特征值分布变化较不敏感。特征值是基准信号的相关属性的度量，且特征值分布通常被定义为最大特征值与最小特征值的比率。一个大的特征值分布显著地降低大多数自适应算法的收敛速度。

然而，RLS算法通常需要大量的计算资源，并不能应用至嵌入系统。因此，有必要提供一种能够减小RLSL型自适应滤波器的计算复杂度的机制。

附图说明

图1a-1d示例了使用自适应滤波器的应用的四种示意图；

图2是根据本发明的RLSL结构自适应滤波器的结构图；

图3是图2中自适应滤波器的后向反射系数更新的结构图；

图4是图2中自适应滤波器的前向反射系数更新的结构图；

图5是说明输入信号的五十个采样的后向误差预测平方的图表；

图6是说明输入信号的五十个采样的前向误差预测平方的图表；

图7是说明回波损耗增强(ERLE)对比后向预测的有限递归的图表；

图8是说明图2中的自适应滤波器的性能对比后向误差预测平方更新的递归次数的图表；和

图9是说明测得的时间需求对比前向和后向误差预测更新次数的图表；

图10是说明测得的时间需求对比前向和后向误差预测更新次数的图表；和

图11是使用自适应滤波器的通信装置的结构图。

本发明的说明和示范实施例将依据上述附图在下面进一步进行详细描述。

具体实施方式

提供一种减少m级自适应滤波器的计算复杂度的方法，该方法对自适应滤波器的长度的第一部分的前向和后向误差预测平方项进行递归地更新，并且在自适应滤波器的长度的第二部分保持更新的前向和后向误差预测平方项不变。本发明被附属的权利要求所定义。这个描述阐明了当前实施例的一些方面，并且不应当被用来限制权利要求。

图1a-1d说明了使用自适应滤波器10的滤波器电路90的四种示意图。一般，滤波器电路90和自适应滤波器10可以用任何适当的方式构造。具体地，自适应滤波器10可以使用诸如数字和模拟集成电路这类电子元件构成。在其它例子中，自适应滤波器10可以使用响应于存储器中保存的存储程序代码和数据来进行操作的数字信号处理器(DSP)来实现。DSP和存储器可以集成在诸如集成电路的单个元件中，或者可以分别提供。此外，DSP和存储器可以是另一个系统的元件，例如语音处理系统或通信装置。

通常，输入信号u(n)被提供给滤波器电路90和自适应滤波器10。如图所示，自适应滤波器10可以在系统输入和系统输出之间以多种方式配置。这意味着，这里描述的改进可以用于自适应滤波器10的各种应用中。