基于SystemGenerator的自适应滤波器仿真与实现

开发应用基于ＳｙｓｔｅｍＧｅｎｅｒａｔｏｒ的自适应滤波器仿真与实现周志平（洛阳理工学院，河南洛阳４７１０００）摘要：自适应滤波器是一种能够自动调整本身参数的滤波器，在设计时不需要预先知道关于输入信号和噪声的统计特性。通过改变系统的单位冲击响应，达到最优滤波效果。本文采用Ｍａｔｌａｂ和ＳｙｓｔｅｍＧｅｎｅｒａｔｏｒ对ＬＭＳ算法的自适应滤波器进行设计和仿真，结果表明其可以对信号噪声的自适应滤除。关键词：自适应滤波器；ＬＭＳＳｙｓｔｅｍＧｅｎｅｒａｔｏｒＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１６７１－６３９６．２０１１．２０．０１５ＴｈｅＳｉｍｕｌａｔｉｏｎａｎｄＩｍｐｌｅｍｅｎｔａｔｉｏｎｏｆＡｄａｐｔｉｖｅＦｉｌｔｅｒＢａｓｅｄｏｎＳｙｓｔｅｍＧｅｎｅｒａｔｏｒＺＨＯＵＺｈｉ－ｐｉｎｇ（ＬｕｏｙａｎｇＩｎｓｔｉｔｕｔｅｏｆＴｅｃｈｎｏｌｏｇｙ，Ｌｕｏｙａｎｇ，Ｈｅｎａｎ４７１０００）Ａｂｓｔｒａｃｔ：Ａｄａｐｔｉｖｅｆｉｌｔｅｒｉｓｆｅａｔｕｒｅｄｂｙｉｔｓａｕｔｏｍａｔｉｃｐａｒａｍｅｔｅｒａｄｊｕｓｔｍｅｎｔ．Ｔｈｅｉｎｐｕｔｓｉｇｎａｌａｎｄｎｏｉｓｅｓｔａｔｉｓｔｉｃｓｃｈａｒａｃｔｅｒｉｓｔｉｃｉｓｎｏｔｎｅｅｄｅｄｗｈｅｎｄｅｓｉｇｎｉｎｇｔｈｅｆｉｌｔｅｒ．Ｏｐｔｉｍｕｍｆｉｌｔｅｒｉｓａｃｈｉｅｖｅｄｂｙｃｈａｎｇｉｎｇｔｈｅｐｕｌｓｅｒｅｓｐｏｎｓｅｏｆｔｈｅｆｉｌｔｅｒ．ＴｈｉｓａｒｔｉｃｌｅｄｅｓｉｇｎｅｄａｎｄｓｉｍｕｌａｔｅｄａＬＭＳａｄａｐｔｉｖｅｆｉｌｔｅｒｕｓｉｎｇＭａｔｌａｂａｎｄＳｙｓｔｅｍＧｅｎｅｒａｔｏｒ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｅｄｉｔｓａｄａｐｔｉｖｅｎｏｉｓｅｆｉｌｔｅｒｉｎｇｏｕｔｆｒｏｍｉｎｐｕｔｓｉｇｎａｌ．Ｋｅｙｗｏｒｄｓ：Ａｄａｐｔｉｖｅｆｉｌｔｅｒ；ＬＭＳＳｙｓｔｅｍＧｅｎｅｒａｔｏｒ引言自适应滤波器是一种能够根据输入信号进行数字信号处理并自动调整响应的数字滤波器。相对应的，非自适应滤波器有静态的滤波器系数，因而具有静态的传递函数。对于有些应用，由于事先并不知道所需要进行操作的信号特性，例如一些噪声信号的特性，所以要求系统能自适应的进行处理。在这种情况下，通常使用自适应滤波器，自适应滤波器使用反馈来调整滤波器系数以及频率响应。２ＬＭＳ自适应滤波器２．１ＬＭＳ算法最小均方误差（ＬＭＳ）算法是一种以期望响应和滤波器输出信号之间误差的均方值最小准则的滤波器，依据输入信号在迭代过程中估计梯度矢量，并更新权系数以达到最优的自适应迭代算法。ＬＭＳ算法是随机梯度算法族中的一员。该算法在随机输入维纳滤波器递归计算中使用确定性梯度。ＬＭＳ算法的一个显著特点是它的简单性，由于它不需要计算有关的相关函数，也不需要矩阵求逆运算，其简单性令它在实践中被广泛采用。２．２ＬＭＳ算法的基本过程ＬＭＳ算法包含２个基本过程［２］。２．２．１滤波过程首先计算滤波器输出对输入信号的响应，然后通过比较输出结果与期望相应产生估计误差。２．２．２自适应过程根据估计误差自动调整滤波器参数。最小均方误差收稿日期：２０１１－０５－１１修回日期：２０１１－０５－３１［１］１（ＬＭＳ）算法的迭代公式如下：（１）滤波输出：（２）估计误差：（３）抽头的自适应：——（式１）——（式２）——（式３）其中为自适应滤波器的收敛因子，为抽头向量的当前估计值，代表了抽头权向量的当前估计的调整量。初始收敛速度、时变系统跟踪能力及稳态性能是衡量自适应滤波算法优劣的３个最重要的技术指标。图１自适应滤波原理３ＬＭＳ自适应滤波器结构原理自适应滤波是在部分信号特征未知的条件下，根据某种最佳准则，从已知的部分信号特征所决定的初始条件出发，按某种自适应算法进行递推，在完成一定次数的递推之后，以统计逼近的方式收敛于最佳解。当输入信号的统计特性未知，或者输入信号的统计特性变化时。自适应滤波器能够自动地迭代调节自身的滤波器参数，以满足某种［３］作者简介：周志平（１９７２－），男，湖南嘉禾籍，学士，助教，研究方向为多媒体信息技术。33中国西部科技２０１１年０７月（中旬）第１０卷第２０期总第２５３期图形化仿真和分析功能，可以验证系统的正确性。除图中这些模块外，还有一些总线控制模块和权系数控制模块。其运行模型观察的显示结果如图４所示。在这种ＦＩＲ滤波器的ＬＭＳ算法中，其误差将随着权的逼近逐渐减小，但没有等于零，而是在零值上下起伏，这说明ＬＭＳ算法是用平方误差代替均方误差而造成的误差缺点［８］。［４］准则的要求，从而实现最优滤波。因此，自适应滤波器具有自我调节和跟踪的能力。在非平稳环境中，自适应滤波在一定程度上也可以跟踪信号的变化。图１为自适应滤波的原理框图。４ＬＭＳ滤波器的仿真与实现４．１ＬＭＳ算法参数分析传统的ＬＭＳ算法是最先由统计分析法导出的一种实用算法，它是自适应滤波器的基础。通过Ｍａｔｌａｂ仿真对ＬＭＳ算法中各参数的研究，总结出其对算法的影响。４．２Ｍａｔｌａｂ算法仿真根据以上所述，可以进行ＬＭＳ滤波器的算法仿真，以验证算法的正确性与可行性，为后期的仿真模型打下基础。其核心代码如下所示：ｓａｍｐｌｅｓ＿ｐｅｒ＿ｐｅｒｉｏｄ＝４０；Ｎ＝１０＊ｓａｍｐｌｅｓ＿ｐｅｒ＿ｐｅｒｉｏｄ－１；ｓｉｇｎａｌ＝ｓｉｎ（２＊ｐｉ＊０．０２＊［０：Ｎ－１］）；ｎｖａｒ＝０．５；ｎｏｉｓｅ＝ｎｖａｒ＊ｒａｎｄｎ（１，Ｎ）；Ｘ＝ｓｉｇｎａｌ＋ｎｏｉｓｅ；输入信号ｄｅｌａｙＸ＝［０Ｘ］；ＳＩＧＮＡＬ＝［ｓｉｇｎａｌ０］；［５］［６］％周期采样频率％总采样次数％初始输入信号％噪声方差％噪声信号％带加性噪声的％输入信号延时（ａ）滤波器输入信号与噪声（ｂ）滤波器输入输出对比图２Ｍａｔｌａｂ算法仿真Ｍ＝３２；％滤波器长度ｍｕ＝０．０３５；％迭代步长ｉｎｉｔｉａｌ＿ｓｔａｔｕｓ＝ｉｎｉｔｌｍｓ（ｚｅｒｏｓ（１，Ｍ），ｍｕ）；％滤波器设初值［Ｙ，ｅ，ｉｎｉｔｉａｌ＿ｓｔａｔｕｓ］＝ａｄａｐｔｌｍｓ（Ｘ，ＳＩＧＮＡＬ，Ｉｎｉｔｉａｌ＿ｓｔａｔｕｓ）；％ＬＭＳ自适应滤波器输出从图２可以看出，经过ＬＭＳ滤波器，叠加在原有信号上的噪声得到滤除，并较好的还原了实际信号。４．３ＳｙｓｔｅｍＧｅｎｅｒａｔｏｒ建模本文采用Ｘｉｌｉｎｘ公司的ＦＰＧＡ器件进行数字信号处理模型的设计。其提供的可视化开发工具软件ＳｙｓｔｅｍＧｅｎｅｒａｔｏｒ可在［７］ＭＡＴＩＡＢ仿真环境Ｓｉｍｕｌｉｎｋ中建立系统模型。图３所示为（ａ）滤波器抽头图４（ｂ）滤波器响应ＳｙｓｔｅｍＧｅｎｅｒａｔｏｒ仿真结果４．４滤波器的ＦＰＧＡ实现方法模型验证以后，运行ＳｙｓｔｅｍＧｅｎｅｒａｔｏｒ可将模型转化成Ｖｅｒｉｌｏｇ语言和脚本文件。由于在Ｓｉｍｕｉｌｎｋ中进行的模型仿真是算法级的，属于系统验证性质的仿真，并没有对Ｖｅｒｉｌｏｇ代码进行仿真。而生成的Ｖｅｒｉｌｏｇ代码是ＲＴＬ级是针对具体的硬件结构的，因此，转化后的Ｖｅｒｉｌｏｇ代码实现就可能与＊ｍｄｌ模型描述的情况不符，故有必要再对生成的ＲＴＬ级Ｖｅｒｉｌｏｇ代码进行功能验证。Ｘｉｌｉｎｘ公司的ＭｏｄｅｌＳｉｍ平台是使用最广泛的ＶｅｒｉｌｏｇＨＤＬ／ＶＨＤＬ混合仿真器，利用它可方便地将信号波形显示为类似模拟信号的格［９］ＬＭＳ滤波器顶层系统模型和自适应滤波模块。利用其强大的（ａ）顶层系统模型图３ＳｙｓｔｅｍＧｅｎｅｒａｔｏｒ仿真模型（ｂ）自适应滤波模块（下转第３８页）34中国西部科技２０１１年０７月（中旬）第１０卷第２０期总第２５３期的。即隧道中心线附近的能见度较高，而隧道墙壁两侧的能见度较低。能见度与火灾时产生的碳烟粒子浓度成反比，即隧道中心线附近的碳烟粒子浓度较低，而隧道侧壁处的碳烟浓度较高。仅从能见度的角度来考虑，隧道发生火灾时逃生人员应该沿着隧道中心线疏散。且隧道内火源下游５０ｍ以外位于中心线上的能见度在１０ｍ以上时，可以满足司乘人员的逃生和消防救援人员对能见度的要求。这也说明了４ｍ／ｓ的纵向通风速度可以把大量的烟气带走。５结论本文针对公路隧道内发生中型火灾时，探讨了隧道火发生火灾时，一般人认为沿着隧道两侧进行疏散较安全，因为人行横洞口和车行横洞口都在侧壁）相违背。另外，４ｍ／ｓ的纵向通风速度可以满足司乘人员逃生和消防救援人员对ＣＯ浓度的要求。４．４能见度分布图１１给出了中型火灾规模下离火源不同距离的能见度横向分布图，图１２为隧道中心线上能见度的纵向分布图。灾时的烟气蔓延、ＣＯ浓度、能见度的发展规律，并根据模拟的结果进行了隧道火灾时人员的疏散研究，主要得出了以下结论：（１）分析得出了在隧道发生中型火灾规模时，４ｍ／ｓ才是合适的纵向通风风速，它可以抑制隧道内火灾烟雾及温度发生回流现象，也可以保证火源上游人员逃生时的安全图１１火灾能见度横向分布图和消防救援人员的安全。（２）在通风模式下，火源上游附近的温度较低、ＣＯ浓度较低、能见度较高，属于相对安全地段；而火源下游的ＣＯ能度在隧道中心线处比隧道侧壁处的低，能见度在隧道中心线处比隧道侧壁处的高。所以对于单向行车的隧道，火灾通风时，建议司乘人员应该向上游疏散，当向火源下游逃生时，应该沿着隧道中心线进行疏散。参考文献：［１］夏永旭．现代公路隧道的发展概述［Ｊ］．交通建设与管理，２００６（１２）：６６～６８．［２］赵忠杰．公路隧道火灾探测方法研究［Ｄ］．西安：长安大学硕士学位论文，２００７．［３］刘鹏举等．隧道火灾研究现状与发展［Ｊ］．中国科技信图１２火灾能见度纵向分布图从图中分析可以得出：火源下游各处的能见度在火源附近较低，而离火源越远能见度越高；各个断面上的能见度基本上是关于隧道中心线呈对称关系，并且呈倒Ｖ型分布息，２００８，（２）：３５～３８．［４］周永狄．长大公路隧道火灾数值模拟及逃生研究［Ｄ］．西安：长安大学硕士学位论文，２００６．［５］卫巍．长大公路隧道火灾烟气数值模拟及逃生研究［Ｄ］．西安：长安大学硕士学位论文，２００８．（上接第３４页）式，特别适合显示复杂信号的波形［１０］。这给仿真调试带来了极大的方便。在ＳｙｓｔｅｍＧｅｎｅｒａｔｏｒ调用上述文件，便可用ＭｏｄｅｌＳｉｍ对ＳｙｓｔｅｍＧｅｎｅｒａｔｏｒ生成的Ｖｅｒｉｌｏｇ代码进行功能验证。成功后再调用ＳｙｓｔｅｍＧｅｎｅｒａｔｏｒ生成网表文件。然后再调用ＩＳＥ进行编译，接着用ＳｙｓｔｅｍＧｅｎｅｒａｔｏｒ根据网表文件及设置的优化约束条件进行ＲＴＬ映射以及布线布局，最后生成的配置文件便可用于对目标器件的编程配置。５结束语最小均方误差（ＬＭＳ）算法具有计算量小、易于实现等优［２］ＤａｖｉｄＳ，Ｌｅｅｄｓ．ＡｄａｐｔｉｖｅＮｏｉｓｅＣａｎｃｅｌｌａｔｉｏｎｏｆＣｏｕｐｌｅｄＴｒａｎｓｍｉｔｔｅｒＢｕｒｓｔＮｏｉｓｅｉｎＳｐｅｅｃｈＳｉｇｎａｌｓｆｏｒＷｉｒｅｌｅｓｓＨａｎｄｓｅｔｓ［Ｊ］．ＩＥＥＥ，２００２：３９２４～３９２７．［３］张贤达．现代信号处理（第二版）［Ｍ］．北京：清华大学出版社，２００２．［４］何振亚．自适应信号处理［Ｍ］．北京：科学出版社，２００２．［５］胡广书．数字信号处理—理论、算法与实现［Ｍ］．北京：清华大学出版社，２００３．［６］万建伟，王玲．信号处理仿真技术［Ｍ］．长沙：国防科技大学出版社，２００８：３．［７］刘郁林，景晓军等．ＰａｕｌｏＳＲＤｉｎｉｚ．自适应滤波算法与实现［Ｍ］．北京：电子工业出版，２００４．［８］夏玮，李朝晖等．ＭＡＴＬＡＢ控制系统仿真与实例详解［Ｍ］．北京：人民邮电出版社，２００８．［９］倪锦根，李峰．变步长ＮＬＭＳ自适应滤波算法研究［Ｊ］．计算机用与软件，２００９，２６（１）：２４８～２５０．［１０］曾召华，刘贵忠，赵建平．ＬＭＳ和归一化ＬＭＳ算法收敛门限与步长的确定［Ｊ］．电子与信息学报，２００３，２５（１１）：１４６９～１４７４．点，在实践中被广泛应用。本文采用快速开发的设计思想，从算法入手，验证其正确性，同时用ＭＡＴＬＡＢ和ＳｙｓｔｅｍＧｅｎｅｒａｔｏｒ混合仿真实现ＬＭＳ算法的设计。结果表明，该自适应滤波器具有良好的自适应滤波能力。参考文献：［１］ＨａｋｙｋｉｎＳ．ＡｄｐａｔｉｖｅＰｒｅｎｃｉｃｅＨａｌｌ，１９９６．38ＦｉｌｔｅｒＴｈｅｒｙ．ＴｈｉｒｄＥｄｉｔｉｏｎ．