[发明专利]空间滤波器的建模方法

权利要求书

1.一种空间滤波器的建模方法，其特征在于，包括：

获取自适应滤波算法的公式；以及

将所述自适应滤波算法的公式改变为流水线型自适应滤波算法公式，其中，所述流水线型自适应滤波算法公式基于预定时刻之前的输入信号和误差信号估计当前的期望信号以实现并行运算。

2.根据权利要求1所述的空间滤波器的建模方法，其特征在于，所述自适应滤波算法包括最小均方(LMS)算法，其中，所述建模方法包括：

获取所述最小均方算法公式；以及

使用放宽延时技术与和放宽技术，修改所述最小均方算法公式以获得流水线最小均方(PIPLMS)算法公式，其中，所述流水线最小均方算法公式基于所述预定时刻之前的输入信号和误差信号估计当前的期望信号。

3.根据权利要求2所述的空间滤波器的建模方法，其特征在于，所述自适应滤波算法还包括递归最小二乘(RLS)算法，其中，所述建模方法包括：

获取所述递归最小二乘算法公式；以及

使用放宽延时技术与和放宽技术，修改所述递归最小二乘算法公式以获得流水线最小均方(PIPLMS)算法公式，其中，所述流水线最小均方算法公式基于所述预定时刻之前的输入信号和误差信号估计当前的期望信号。

4.根据权利要求3所述的空间滤波器的建模方法，其特征在于，基于预定时刻之前的输入信号和误差信号估计当前的期望信号进一步包括基于当前时刻之前的D₂的输入信号和误差信号来估计当前的期望信号如下：

w(n)＝w(n-D₂)+μ′e^*(n-D₁)x(n-D₁)

e(n)＝d(n)-w^H(n-D₂)x(n)

其中，D₁＝kD₂；n为当前迭代次数；w(n)、w(n-D₂)分别为第n次迭代时的权值向量和第n次迭代之前的D₂时刻的权值向量；x(n)、x(n-kD₂)分别为第n次迭代时的输入信号和第n次迭代之前的D₁时刻的输入信号，d(n)为期望输出信号；e(n)、e(n-D₁)分别为第n次迭代时的误差信号和第n迭代之前的D₁时刻的误差信号；μ′为学习效率；以及D₁和D₂均为延时。

5.根据权利要求2所述的空间滤波器的建模方法，其特征在于，所述放宽延时技术如下：

在e(n)x(n)是慢变的条件下，即，

e^*(n)x(n)≈e^*(n-D₁)x(n-D₁)

通过如下所述延时放宽变换修改权值公式以降低权值公式的复杂性：

被修改为

其中，n为当前迭代次数；w(n)和w(n-D₂)分别为第n次迭代的权值向量和第n次迭代之前的D₂时刻的权值向量；权值向量；x(n)、x(n-D₁)、以及x(n-D₁-i)分别为第n次迭代的输入信号、第n次迭代之前的D₁时刻的输入信号以及第n次迭代之前的(D₁+i)时刻的输入信号；e^*(n)、e^*(n-D₁-i)以及e^*(n-i)分别为第n次迭代的误差信号、第n次迭代之前的(D₁+i)时刻的误差信号以及或第n次迭代之前的i时刻的误差信号；μ为学习效率；以及D₁和D₂是延时；e^*(n-i)是w(n-i-1)的函数，在e^*(n)x(n)是慢变的前提下，D₂总取决于e^*(n)、e^*(n-1)、e^*(n-2)······需要被计算出来，延时放宽减少了其数目。