[发明专利]一种自适应控制方法和装置

说明书

技术领域

本发明涉及自适应信号处理领域，尤其涉及一种自适应控制方法和装置。

背景技术

自适应滤波器理论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的优劣。

图1为现有技术中自适应控制系统的示意图。如图所示，输入信号x(i)经过前向通路G增强输入信号，得到输出信号u(i)。输出信号经过反馈路径H又返回到输入信号形成输出信号反馈的期望信号d(i)，同时u(i)经过自适应滤波器产生输出信号反馈的估计信号y(i)，e(i)为输出信号反馈的期望信号d(i)和输出信号反馈的估计信号y(i)的差值。该方法的目的是选择自适应算法，使得输出信号反馈的期望信号d(i)和输出信号反馈的估计信号y(i)的误差e(i)值达到最小，理想情况下误差e(i)为0。

最小均方算法(Least mean square，LMS)是自适应滤波中的一种典型算法。现在使用较多的是它的归一化模式NLMS(normalized least-mean squares)，其他使用的算法有指数加权递推最小二乘法(exponentially weighted recursive least squares，ERLS)和投影仿射算法(affine projection algorithm，APA)。RLS算法和APA算法的收敛速度都很快，但是计算复杂度却很高，这使得两种算法在某些要求计算复杂度低的应用领域(如助听器)无法使用。另外，NLMS算法的收敛速度无法达到要求，也使得它无法在需要快速收敛的应用领域使用。

由Zakhar0v Y提出的二分坐标下降(dichotomous coordinate descent，DCD)算法能够用最简单的方式解决RLS和APA算法中计算量最大的部分，使算法的乘法计算次数由o(n²)降到o(n)，于是可以具体为：保证收敛速度的前提下降低算法复杂度。通过这种方式改进的算法有DCD-ERLS算法、DCD-APA算法等。

但是，现有的二分坐标下降-指数加权递推最小二乘法(dichotomous coordinate descent-exponentially weighted recursive least squares，DCD-ERLS)，二分坐标下降-仿射投影算法(dichotomous coordinate descent-affine projection algorithm，DCD-APA)算法中每执行一次DCD算法的迭代次数和幅度范围都是不变的。当误差e(i)很大时，相对于能迅速增大的可变的迭代次数，固定的迭代次数不能迅速收敛到所需要的值，当误差e(i)很小时，不需要多次迭代，则固定的迭代次数有很大浪费。当误差e(i)很大时，如果初始幅度范围设置的太小，则不能快速的收敛；如果初始幅度范围设置的太大，不一定能收敛。当误差e(i)较小时，固定的初始幅度范围设置使得算法拥有固定的误差范围，在需要高精度的误差范围时，这种算法明显不合适。

发明内容

本发明的目的是，提供一种自适应控制方法和装置。该方法和装置基于DCD算法能够使迭代次数和幅度范围根据误差值实时变化，从而产生最适合的迭代次数和幅度范围。

为实现上述目的，本发明提供了一种自适应控制方法，所述方法包括：

计算输出信号反馈的期望信号和输出信号反馈的估计信号的误差以及根据所述误差计算误差向量；

根据迭代次数以及所述误差计算并更新迭代次数，和/或根据幅度范围以及所述误差计算并更新所述幅度范围；

根据输出信号形成的输出向量的自相关矩阵、所述迭代次数以及所述幅度范围，迭代计算自适应滤波器系数的改变量；

根据所述自适应滤波器系数的改变量，更新自适应滤波器系数；

所述输出信号经由所述自适应滤波器处理后，得到所述输出信号反馈的估计信号。

优选的，所述计算迭代次数的计算方法为：

p₁(i)＝λ₁×p₁(i-1)+r₁×e²(i)

其中，e(i)为所述误差，p₁(i)初始值为0，表示不小于p₁(i)的最小整数，0＜λ₁＜1，r₁＞0，Nu(i)为所述迭代次数。