[发明专利]一种基于窗函数设计的自适应重采样方法

说明书

本发明公开了一种基于窗函数设计的自适应重采样方法，首先建立通用的基于Farrow结构的重采样模型；建立基于窗函数法的分数延迟滤波器设计模型，并利用该模型得到多组分数延迟滤波器；在所得到的多组分数延迟滤波器的基础上，构建分数延迟滤波器矩阵；利用最小二乘法求解出Farrow结构子滤波器系数矩阵C；将所得到的Farrow结构子滤波器系数矩阵C代入到步骤1建立的重采样模型中，完成通用的Farrow结构重采样模型搭建。该方法灵活性更好、计算量更小，可以通过多次对参数调整得出合适的模型，同时实现在任意点进行采样，具有采样率之间任意转换的功能。

技术领域

本发明涉及数字信号处理技术领域，尤其涉及一种基于窗函数设计的自适应重采样方法。

背景技术

重采样技术由于能实现任意采样率的转换以及对任意点进行采样，在信号处理、音频、通信等领域得以广泛使用，实现重采样技术的关键在于设计可变分数延迟数字滤波器用于插值，目前设计可变分数延迟滤波器常用的方法有基于多相滤波器、基于级联积分梳状滤波器(CIC)和基于Farrow结构有限脉冲响应延迟滤波器等，在这些方法中，基于Farrow结构的有限脉冲响应延迟滤波器设计方法由于Farrow结构灵活可调、实际应用能实现高效的计算、资源利用率低等优点脱颖而出，成为主流的设计方法。

基于Farrow结构的有限脉冲响应延迟滤波器设计的关键在于Farrow结构子滤波器系数的设计，现有的系数设计方法有加权最小二乘法(Weighted Least Squares)、极小极大方法和以粒子群算法为代表的智能算法等。其中，粒子群算法仅适用于系数维度较低的情况，当系数维度较高时，算法无法进一步寻优；而极小极大方法与加权最小二乘法都是以设计误差最小为目的，其过程设计矩阵求逆运算等加大了设计过程的计算量，因而存在设计时间较长和权重参数等调整较复杂的缺陷。

发明内容

本发明的目的是提供一种基于窗函数设计的自适应重采样方法，该方法灵活性好、计算量小，可以通过对参数调整得出合适的重采样模型，所得模型能实现在任意点进行采样，具有采样率之间任意转换的功能。

本发明的目的是通过以下技术方案实现的：

一种基于窗函数设计的自适应重采样方法，所述方法包括：

步骤1、首先建立通用的基于Farrow结构的重采样模型；其中，所建立的重采样模型表示为：

其中，k为重新抽样序列的编号，T₂为重采样的抽样周期，y_r(kT₂)为以T₂为周期的重新抽样序列；m为抽样序列的编号，T₁为抽样信号的抽样周期，x(mT₁)为以T₁为抽样周期的抽样序列；i为多项式的阶数，I为最高阶数；n为编号；c为Farrow结构子滤波器系数；p∈[-0.5,0.5]表示延迟；[·]表示向下取整运算；

步骤2、建立基于窗函数法的分数延迟滤波器设计模型，并利用该模型得到多组分数延迟滤波器系数；

步骤3、在所得到的多组分数延迟滤波器系数的基础上，构建分数延迟滤波器系数矩阵；

步骤4、利用最小二乘法求解出Farrow结构子滤波器系数矩阵C；

步骤5、将所得到的Farrow结构子滤波器系数矩阵C代入到步骤1建立的重采样模型中，完成通用的Farrow结构重采样模型搭建。

由上述本发明提供的技术方案可以看出，上述方法灵活性好、计算量小，可以通过对参数调整得出合适的重采样模型，所得模型能实现在任意点进行采样，具有采样率之间任意转换的功能。

附图说明