[发明专利]一种自适应滤波方法、装置及其存储介质

说明书

本发明公开了一种自适应滤波方法、装置及其存储介质，通过在循环迭代的过程中更新建步长因子μ(n)，以瞬时误差控制步长因子，使其能兼顾收敛速度与稳态误差，实现两者间的平衡，获得快速的收敛速度与小的稳态误差。此外，还更新步长因子形状参数α(n)和步长因子范围参数β(n)克服了自适应滤波方法在自适应稳态阶段，受噪声影响，步长变化过快的缺点；调用步长与误差的关系，使步长与误差两者间的矛盾进一步得到优化。

技术领域

本发明涉及通信技术领域，特别是一种自适应滤波方法、装置、系统及其存储介质。

背景技术

信号的表现方式具有不确定性，为了使对所有信号的处理都能有良好的滤波效果，人们提出了自适应滤波的概念。美国人首先提出了主要应用于随机信号处理的自适应滤波器算法，所谓自适应滤波算法，即利用前一时刻已获得的滤波器参数等结果，自动地调节现时刻的滤波器参数，以适应信号与噪声未知的或随时间变化的统计特性，从而实现最优滤波。

典型的自适应滤波器算法，其中包括最小均方(LMS)自适应算法，传统的LMS算法通常采用固定的步长因子，算法在收敛速度、稳态失调以及对时变系统的跟踪能力之间存在着极大的内在矛盾。为了精确定位感兴趣的信号，可以通过减小步长来实现；小的步长因子使算法进入稳态后具有较小的失调误差，但是也使算法收敛速度变差，且对时变系统的跟踪能力也变差，不能使天线阵及时调整到最优权值矢量；另一方面，大的步长因子虽然确保了算法具有较快的收敛速度以及良好的时变系统的跟踪能力，但这是以大的稳态失调作为代价。

发明内容

为解决上述问题，本发明实施例的目的在于提供一种自适应滤波方法、装置、系统及其存储介质，实现了变步长LMS自适应滤波方法，解决了在收敛速度、稳态失调以及对时变系统的跟踪能力之间的矛盾问题。

本发明解决其问题所采用的技术方案是：

本发明的第一方面，提供了一种自适应滤波方法，包括以下步骤：

初始化设置基础设置量，所述基础设置量包括权向量w(n)、期望响应信号d(n)和抽头数L；

接收基础输入向量信号x(n)＝[x_n,x_n-1,…,x_n-L+1]^T；

滤波处理得到输出向量y(n)＝w^T(n)x(n)；

计算误差e(n)＝d(n)-y(n)；

计算步长因子形状参数α(n)＝η|e(n)e(n-1)|^m和步长因子范围参数β(n)＝pβ(n-1)+qe²(n)；

计算步长因子μ(n)＝β(n)(1-exp(α(n)|e(n)|²)；

更新权向量w(n+1)＝w(n)+μ(n)e(n)x(n)；

判断自适应滤波方法是否收敛，若收敛，则将输出向量y(n)输出到外接系统；若不收敛，则将输出向量y(n)按衰减系数进行衰减并持续一段衰减时间直至收敛，否则跳转至滤波处理得到输出向量继续循环；

其中m、η、p和q为影响步长因子效果的常数值。

进一步，所述判断自适应滤波方法是否收敛具体为：0≤μ(n)≤1/λ_max，其中λ_max是x(n)的自相关矩阵最大特征值。

具体地，所述衰减系数为6dB，所述衰减时间为2s。

具体地，m＝0.5，η＝100，p＝0.95，q＝0.02。