基于FPGA的回波抵消器设计【开题报告+文献综述+毕业论文】

《基于FPGA的回波抵消器设计【开题报告+文献综述+毕业论文】》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

本科毕业论文系列开题报告电子信息工程基于FPGA的回波抵消器设计一、课题研究意义及现状在数字通信、卫星通信等系统中，不同程度的存在回波现象，影响了通信质量。而随着通讯、数字信号处理和大规模集成电路技术的飞速发展，人们对语音通信质量的要求越来越高。为了消除回波可以采用回波抵消器，它能估计回波路径的特征参数，以产生一个估计的回波信号，然后从接收信号中减去该信号，以实现回波抵消。而一般采用自适应滤波器模拟回波路径，可以跟踪回波路径的变化。当今实现自适应滤波器的算法很多，主要可分为两类基本算法：最小均方误差（LMS）算法和递归最小二乘（RLS）算法。RLS（RecursiveLeast-squares）算法是在牛顿优化算法基础上改进的，该算法对输入的数据矢量无任何限制，在FIR滤波和阵列处理中都可使用，具有较高数值精度；LMS较RLS算法收敛速度慢，但算法教简单，计算量小易于实时处理，通过参数调节仍可取得较好滤波效果。两种自适应滤波器算法具有很高的工程应有价值。在各种自适应滤波器算法中LMS算法教简单，计算量小易于实时处理，一种很有用且很简单的估计梯度的方法,在信号处理中得到广泛应用。随着数字超大规模集成(VLSI)技术的发展,自适应信号处理技术在许多领域(例如:数字通信、雷达、生物医学、地震学、导航系统等)得到了广泛应用。传统上自适应信号处理是基于DSP处理器实现的,但其固有的缺点无法满足高速、实时系统的要求,而利用FPGA实现自适应信号处理能够很好地解决并行性和速度问题以及改善系统的抗干扰能力。传统上,自适应滤波器的FPGA实现主要是采用VHDL或者VerilogHDL等硬件描述语言通过编写代码来实现的,这种方式开发效率低,难度比较大,也不便于仿真观察。而DSPBuilder工具则能更好地满足开发要求。 本次设计主要是利用LMS算法，以设计LMS自适应去噪滤波器为基础来设计回波抵消器，通过DSPBuilder平台，最终通过FPGA来输出实现。使用FPGA来设计分频器，并验证设计电路的正确性和可靠性。二、课题研究的主要内容和预期目标主要内容：设计一个基于LMS的自适应滤波器原理的回波抵消器，在DSPBuilder平台上进行设计，仿真并且转换为VHDL语言，最后在QUARTUSII中实现FPGA来设计。预期目标1、实现整个系统的设计；2、实现基于DEII平台的回波抵消器的仿真验证；3、完成论文的撰写。三、课题研究的方法及措施图1自适应滤波器结构的一般形式图1为自适应滤波器结构的一般形式，输出信号Y(k)与标准信号（又称期望信号）进行比较，得到误差信号。误差信号和输入信号通过自适应算法对滤波器的权系数进行调整,使得误差信号最小。重复上面过程，并以此为根据自动调整滤波器权系数，从而达到最佳的滤波效果。一旦输入信号的规律发生了变化，滤波器能够自动跟踪输入信号变化，自动调整滤波器的权系数，最终达到滤波效果，实现自适应过程。图2是使用自适应滤波器的系统识别原理图。 图2自适应滤波器的系统识别原理图在本次设计的回波抵消器中主要是应用了自适应滤波器模拟回波路径，可以跟踪回波路径的变化的原理,以产生一个估计的回波信号，然后从接收信号中减去该信号，以实现回波抵消。在本次设计中主要采用DEII硬件平台，QUARTUSII/MATLAB集成设计环境，在DSPBuilder的环境上进行系统设计与仿真，实现信号回波抵消的功能。四、课题研究进度计划毕业设计期限：自2010年10月20至2011年4月20日。第1周—第2周：分析任务，查阅相关文献,研究并分析课题的关键技术。第3周—第4周：熟悉MATLAB、DSP BUILDER和QUARTUSII集成环境。设计系统总体方案，完成开题报告、文献综述、外文翻译。第5周—第6周：系统总体方案设计，软件程序设计。第7周—第8周：撰写设计论文。第9周—第10周：系统调试并完善。第11周—第12周：设计作品完善，论文修改。五、参考文献[1]齐海兵.基于LMS的自适应去噪滤波器设计[J].信息技术,2006,（6）:87～88.[2]杨东,王建业,蔡飞.基于DSP开发工具的自适应滤波器[J].探测与控制学报,2010,6,32(3):80～82.[3]张园,华永平.基于DSPBuilder的回波抵消器设计与实现[J].西安科技,2010,7,15,23(7):95～97.[4]谢智波.自适应回波抵消器的算法分析与比较[J].浙江万里学院学报，2007，9,20(5):40～42.[5]崔丽珍杜普选.基于DSP的回波抵消技术[J].包头钢铁学院学报，2005， 6,24(2)：168～170.[6]李正周.MATLAB数字信号处理与应用[M].北京：清华大学出版社，2008，5.[7]徐光辉，程东旭，黄如.基于FPGA的嵌入式开发与应用[M].北京：电子工业出版社，2006，9.[8]基于LMS算法自适应回波抵消器的Simulink仿真分析[EB/OL]，[2010-09-06].http://wenku.baidu.com/view/e3894f661ed9ad51f01df2c5.html[9]基于LMS与RLS算法的自适应均衡器性能研究[EB/OL]，[2010-05-19].http://dz1.siaaa.com/4/OtherFile/2010051907122817959.pdf[10]ECHOCANCELLATIONUSINGTHELMSALGORITHM[EB/OL]，[2009-04-17].http://www.scientificbulletin.upb.ro/rev_docs/arhiva/full4587.pdf 毕业论文文献综述电子信息工程回波抵消器的设计方案综述摘要：文章简单介绍回波抵消器的应用背景，然后概述自适应回波抵消器的两种典型算法理论最小均方算法（LMS）和最小二乘算法（RLS）的实现原理与一般步骤，并比较各种方法的性能。介绍了DSPBUILDER设计实现工具，并举例实现。最后，指出各种算法的适用场合，进行综合评价，供读者参考。关键词：DSPBuilder；回波抵消器；自适应滤波器；LMS；RLS1.引言随着通讯、数字信号处理和大规模集成电路技术的飞速发展，人们对语音通信质量的要求越来越高。因此，回波抵消技术成为世界各大通讯公司竞争的热点技术之一。从20世纪80年代兴起以来，人们一直致力于收敛快，稳态误差小，近端干扰下收敛稳健，回波路径变化时追踪速度快以及算法计算量小的回波抵消器的研究。该项研究国外有关人士已经做了大量的工作，而我国的研究情况还远远落后于国际先进水平[1]。回波抵消器成为一个必不可少的设备。它能有效的解决长距离电话网络、IP电话、免提电话和视频会议等通信系统中的回波问题，很好的改善了语音通信质量，具有广阔的市场前景。而在数字通信、卫星通信等系统中，不同程度的存在回波现象，影响了通信质量。为了消除回波也可以采用回波抵消器，它能估计回波路径的特征参数，以产生一个估计的回波信号，然后从接收信号中减去该信号，以实现回波抵消。而一般采用自适应滤波器模拟回波路径，可以跟踪回波路径的变化[2]。本文对自适应回波抵消器的算法理论、实现平台等进行了综述，并给出了自己的观点。2.自适应回波抵消器方案概述2.1自适应滤波器综述根据环境的改变，使用自适应算法来改变滤波器的参数和结构，这样的滤波器就称之为自适应滤波器。一般情况下，不改变自适应滤波器的结构，而改变其系数。系数则是由自适应算法进行实时更新。滤波器的 系数自动连续地适应于给定信号，以获得期望响应。自适应滤波器的最重要的特征就在于它能够在未知环境中有效工作，并能够跟踪输入信号的时变特征[3]。图2-1-1简易自适应滤波器图2-1-1所示为一简易自适应滤波器，自适应滤波器对输入信号序列x(n)的每一个样值，按特定的算法，更新、调整加权系数，使输出信号序列y(n)与期望输出信号序列d(n)相比较的均方误差为最小，即输出信号序列y(n)逼近期望信号序列d(n)[4]。　　自适应滤波器应用于通信领域的自动均衡、回波消除、天线阵波束形成，以及其他有关领域信号处理的参数识别、噪声消除、谱估计等方面。对于不同的应用，只是所加输入信号和期望信号不同，基本原理则是相同的[4]。2.2最小均方算法(LMS)感知器和自适应线性元件在历史上几乎是同时提出的，并且两者在对权值的调整的算法非常相似。它们都是基于纠错学习规则的学习算法。感知器算法存在如下问题：不能推广到一般的前向网络中；函数不是线性可分时，得不出任何结果。而由美国斯坦福大学的Widrow和Hoff在研究自适应理论时提出的LMS算法，由于其容易实现而很快得到了广泛应用，成为自适应滤波的标准算法[5]。典型的LMS自适应滤波器结构如图2-2-1所示。LMS算法步骤如下：1、设置变量和参量：X(n)为输入向量，或称为训练样本，W(n)为权值向量，b(n)为偏差，　　d(n)为期望输出，y(n)为实际输出，η为学习速率，n为迭代次数　　2、初始化，赋给w(0)各一个较小的随机非零值，令n=0　3、对于一组输入样本x(n)和对应的期望输出d，计算e(n)=d(n)-X^T(n)W(n)　　W(n+1)=W(n)+ηX(n)e(n)　　4、判断是否满足条件，若满足算法结束，若否n增加1，转入第3步继续执行[6]。 图2-2-1LMS自适应滤波器算法2.3递推最小二乘算法(RLS)基于MMSE准则的自适应算法目标在于使滤波器输出与需要信号的误差的平方的统计平均最小，根据输入数据的长期统计特性寻求最佳滤波。但在实际中通常已知的仅是一组数据，因此只能对长期统计特性进行估计或近似。最小二乘算法可以直接根据一组数据寻求最佳值，根据MMSE准则得到的是对一类数据的最佳滤波器，而根据最小二乘法得到的是对一组已知数据的最佳滤波器。因此常说最小二乘法导出的最佳滤波器是“精确”的[7]。根据最小二乘法算法，w(n)的最佳值应使累计平方误差性能函数最小，常数L是遗忘因子，且0