[发明专利]一种频域块最小均方自适应消噪实现方法

说明书

技术领域

本发明提供了一种频域块最小均方自适应消噪实现方法，大大提升了自适应滤波的计算效率，可广泛应用于通信、雷达等信号自适应滤波器的设计和研制。

背景技术

随着信号处理技术的迅速发展，自适应信号处理己经成为信号与信息处理学科中一个重要学科分支，通信、雷达等信号在接收过程中必然会受到不同类型噪声的干扰，严重影响了信号的识别。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，对自适应滤波算法的研究是当今自适应信号处理中最为活跃的研究课题之一，寻求收敛速度快，计算复杂度低，稳定性好的自适应滤波算法是研究人员不断努力追求的目标。

基于维纳滤波理论的最小均方(Least Mean Square，LMS)算法结构简单，性能稳定，计算复杂度低，易于硬件实现，是实际中应用最广泛的自适应滤波算法之一。然而传统LMS算法的主要缺点是收敛速度慢，这严重地影响了它在某些对收敛速度要求较高的系统中的应用，从某种意义上讲，LMS算法的发展即代表了自适应滤波器的发展。很多学者己经在传统LMS算法的基础上做了大量工作，提出了很多加快收敛速度和减小稳态误差的方法改进算法，如变步长LMS算法、变阶数LMS算法等。但这类算法都是基于时域的方法，当信号采样速率较大时，时域算法的收敛速度和计算效率还不够理想，因此也有学者提出了变换域LMS算法，如频域LMS算法。

上世纪70年代，C.Berrus等人讨论了块数字滤波这一新的滤波器结构，根据这个设计理念，学者们在频域中对这种滤波器结构进行讨论，提出了一些改进算法，如频域最优分组算法(FOBA)、非约束频域最优分组算法(UFOBA)等。这些算法虽然性能较好，但需要进行复杂的矩阵运算，运算量较大，且不适宜实时处理。80年代初，Gregory A.Clark等人提出了块均方误差(BMSE)的概念，并得到沿着BMSE的梯度估值实现块均方误差最小意义下的时域块最小均方(BLMS)算法。基于此，后来也有很多学者提出了变步长BLMS算法，进一步提高了BLMS算法的收敛速度。与时域LMS算法相比，时域BLMS算法不仅同样具有实现结构简单、可在线计算等特点，而且收敛到最佳的迭代次数明显减少，收敛的稳定性也得到明显改善。但不可忽视的是，时域BLMS算法依然逃脱不了传统时域方法的局限性，即对于大数据量时域的数据采集，时域算法的收敛速度还不够理想，运算速度较慢。

发明内容

本发明要解决的技术问题是提供一种可以有效的对强窄带干扰进行抑制的自适应消噪方法。

为解决上述技术问题，本发明的设计理念是先将时域信号转换到频域，在频域中实现BLMS滤波，再将输出数据转换到时域。具体方法为：

1)利用FFT变换将时域信号变换为频域信号。

2)在频域中实施BLMS滤波算法，用数字信号处理中的重叠保留法来实现。

3)将滤波后的频域信号通过反卷积技术(IFFT)变换到时域。

本发明的优点是：

1)相比较于时域LMS，频域BLMS算法的计算量大大减少。

时域LMS算法：设滤波器阶数为N，则每计算一次输出需要N次实数乘法，更新一次权值也需要N次实数乘法，总共需要2N次实数乘法。因此，一个长度为N的实序列输入信号，实数乘法的总数为2N²次。

频域BLMS算法：每产生N次输出值共需要4次2N点FFT运算和2次2N点复数相乘。对于实输入数据，根据离散傅里叶变换(DFT)的对称特性，一个2N点的FFT可用一个N点的FFT实现。若采用基2FFT算法，则每个N点FFT大约需要(N log2N)/2次复数乘法，每个复数乘法按4次实数乘法计算，则一次FFT需2N log2N次实数乘法，4次FFT运算共需要8N log2N次实数乘法，再加上2次2N点复数相乘，即16N次实数乘法，则每产生N个输出值共需8Nlog2N+16N次实数乘法。

因此，二者的运算量之比为：f(N)＝(4log2N+8)/N。可以看出，随着滤波器阶数N的增加，频域BLMS算法要比时域LMS算法快得多。例如，N＝512时，时域LMS算法的计算量约为频域BLMS算法计算量的25倍。

2)相比较于时域LMS，频域BLMS算法的收敛速度明显改善。