自适应LMS-AWVM算法的数字处理器TMS320C5X的实现

开篇：润墨网以专业的文秘视角，为您筛选了一篇自适应LMS-AWVM算法的数字处理器TMS320C5X的实现范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘 要:主要的研究讨论对象是用数字处理器实现自适应数字信号处理中基于LMS的AWVM 权向量方法检测及恢复弱信号,用于语音信号中强噪声的消除｡同时也证明用美国德州公司生产的TMS320C5X 通用数字处理器实现基于LMS的AMVW算法的可行性｡

关键词:自适应数字信号处理;lms-awvm算法;数字信号处理

0 前言

自适应数字信号处理是自动控制一重要分支,是在数字信号处理中加入自动控制技术,使得数字信号处理能够自我调整,达到预期效果｡自适应系统灵活多用,广泛应用于通信､雷达､声纳等方面｡自适应系统的构成及算法需大量运算,过去,受器件的限制,自适应数字信号处理系统的实现,特别是实时处理的实现是比较困难的,这大大防碍了自适应数字信号处理的发展｡采用LMS-AWVM自适应权向量算法能从强噪声干扰的信号中恢复原信号,通过对输入信号采样量化数据的计算,从强噪声中恢复原信号,但是运算量大,采样频率要求高｡在TMS320C5X上编程构造LMS-AWVM算法的自适应信号处理系统是方便可行的,是实现LMS-AWVM算法实时处理的一个有效途径｡本文在TMS320C5X上构造一LMS-AWVM算法的DSP,用于提取和恢复强噪声背景中的语音信号｡

1 LMS-AWVM权向量法分析

在通信系统中存在各种噪声,主要以热噪声和散粒噪声等加性噪声为主,也最常见｡通信系统必须保证信息的可接受程度,消除噪声,提高信噪比是通信系统的一个重要环节,如电话系统要求信噪比大于26dB,无线电接受机信噪比大于50dB｡有时通信系统中噪声比较大,干扰源信号或完全覆盖源信号,这要求从源信号尽量检测和恢复源信号,提高信噪比｡噪声是随机过程,不可能建立代数式来确定噪声的幅度-时间关系,所以对噪声的处理,特别是对强噪声的处理,固定参数的滤波器很难完成｡但是数字系统中,能用噪声数字采样的统计特性来确定噪声源和消除噪声｡AWVM算法通过数字系统中的自适应系统对噪声进行统计学习,再利用统计学习的结果从噪声中检测和提取源信号出来｡

图1 LMS-AWVM权向量法原理图

LMS-AWVM权向量法原理图如图1所示,自适应系统的输入s含有原瞬态信号与背景噪声,系统的期待响应信号是背景噪声的期望｡在信号来之前,权向量收敛于由噪声期望和背景噪声所决定的最佳权向量W*,系统的输出y接近噪声的期望｡当输入中含有瞬态信号,权向量将收敛到新的权向量值W,偏置权向量V=W-W*将反映瞬时信号的变化,通过权向量的变化来得到原信号｡

系统工作原理和过程如下｡

首先获得期待响应信号d,假设噪声为广义平稳且各态遍历的,噪声的期望可由噪声的时间平均来获得｡实现中首先对只有噪声的输入信号取时间平均d=E(x),获得期待响应｡然后对输入为背景噪声进行自适应权向量收敛,权向量在瞬态源信号来之前收敛到最佳权向量W*,然后开始检测和恢复瞬态源信号｡

在开始检测和恢复瞬态源信号时,偏置权向量为当前权向量W与原最佳权向量W*之差｡

当输入信号中无瞬态源信号而只有背景噪声时,V是在零向量附近游动｡当输入信号中含有瞬态源信号时,输入统计特性改变,V偏离零向量,跟踪瞬态源信号的变化｡系统用|V|或V2来反应瞬态源信号｡最后通过一阶或二阶巴特沃斯带通滤波器,滤掉低频部分及进一步提高信噪比｡

其中权收敛可以采用横向滤波的LMS､RLS算法,格型滤波器的LSL算法｡本文中采用LMS算法,虽然LMS算法相对收敛迭代次数较大,但是它算法的简捷,运算速度快,数据量小,对于实时系统运算权向量收敛中不失为一个高效算法｡

2 系统硬件设计

对于AWVM权向量法检测和恢复弱信号所面临的问题是运算量大,采样频率要求较高｡用一般的处理器,运算速度达不到要求,采样频率太低｡用高速处理器,则价格昂贵,同时浪费处理器的资源｡本文采用美国德州仪器公司的通用数字处理器TMS320C50编程构造一LMS-AWVM自适应权向量算法的DSP,tms320c5x是专用于数字处理的通用数字处理器,它使用基于C25先进的HARVARD结构,程序存储器和数据存储器的总线分离大大的增强了处理速度｡

图2 AWVM算法实现的硬件结构图

图2是TMS320C50完成实现LMS-AVWM的简单框图｡A/D完成的工作是对模拟信号进行预滤波､采样､量化,将其变为8位数字编码(8位A/D是国际PCM编码话音标准,也可按TMS320C5X的I/O端口位数采用16位､12位A/D采样,本文所针对是8位数据,256阶精度),通过TMS320C50的51H端口读入数字处理器中,TMS320C50对数据进行AWVM自适应处理,检测恢复信号;恢复的信号8位编码通过D/A转换,变为模拟信号｡

3 仿真及软件编程

首先要模拟白噪声,噪声是无法用固定的幅度-时间函数来表示的,但白噪声在任一时间的值的概率,可通过正态概率密度函数来确定[3]｡

在本文中用C语言编写了信号产生程序,主要产生源信号､噪声､信号加噪声｡系统输入信号(信号加噪声)的数据都是采样量化后的数据,根据国际话音PCM编码标准,八位数据表示采样数据,所以输入信号的数据精度不能超过28 (256)阶,换句话说输入信号值范围为+127～-128｡

仿真时输入数据量为6000点,其中第3000～5000点为信号加噪声,其余为噪声｡第1～1000系统计算期待响应d,1001～2500是权向量在输入为纯噪声下收敛,2501以后为检测和恢复信号,权向量维数取20｡仿真波形如图3～7所示｡

下面是根据仿真结果对几个参数的讨论:

(1)步长u｡

首先确定u,实际系统中,输入信号不可能为单一的正弦信号,是由许多信号组成,由于A/D采样的最大值为A=127,所以输入信号最大功率为A2｡根据横向滤波器L的公式1(L+1)(信号功率)>μ>0有:

权向量阶数取20,u在收敛条件范围内越大权收敛速度越快,LMS算法的噪声越大,在此取上界的十分之一,仿真中取u=0.0000001,有较好的效果｡

(2)采样频率｡

仿真采样频率为80KHz｡结果说明采样频率与源信号频率值越大,恢复效果越好｡所以尽可能提高数据采样频率,能恢复更大频率范围内的信号,提高恢复语音信号的质量｡

(3)信噪比｡

AWVM自适应权向量法对于强噪声下的弱信号的恢复是比较理想的,仿真结果说明对于信噪比小于零的输入AWVM算法都能有效恢复信号,在语音系统中0dB的信噪比的噪声干扰已是非常强,所以在语音系统中用AWVM是降强噪的一有效方法｡但是AWVM对于信噪比较大的信号却失去作用,信噪比较大,噪声的功率越小,噪声的采样的幅值精度也越小,它的期望越接近零｡系统的各权向量越接近零｡在信噪比很大的时候,可能使系统输出恒为零左右｡所以AWVM算法对于信噪比大的信号不适合,信噪比大的信号也就不需要降噪,本文建议信噪比在20dB到-20dB的信号使用AWVM算法｡

参考文献

[1]于凤芹,田备.利用TMS320C5XDSK实现语音的数字化存储与回放[J].电声技术,2001, (1).

[2]孙小卓,宋国文,王世力,赵玉华.区间自适应算法与回声抵消[J].信号处理,2001,(5).

[3]龚耀寰.自适应滤波[M].北京:电子工业出版社.2003.

[4]胡啸,胡爱群,陈勇,罗强.无双端会话检测回声抵消系统[J].电声技术,2084,(7).