回波抵消器的设计方案综述【文献综述】

《回波抵消器的设计方案综述【文献综述】》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

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