Методы и алгоритмы узкополосной адаптивной фильтрации в радиотехнических системах тема диссертации и автореферата по ВАК РФ 05.12.04, кандидат наук Витязев, Сергей Владимирович

• Витязев, Сергей Владимирович
• кандидат наук
• 2013

Оглавление диссертации кандидат наук Витязев, Сергей Владимирович

СОДЕРЖАНИЕ

Список применяемых сокращений

ВВЕДЕНИЕ

1 АДАПТИВНАЯ УЗКОПОЛОСНАЯ ФИЛЬТРАЦИЯ В

РАДИОТЕХНИЧЕСКИХ СИСТЕМАХ

1.1 Задачи адаптивной узкополосной фильтрации

1.1.1 Прямое моделирование радиотехнических (динамических) систем

1.1.2 Обратное моделирование радиотехнических (динамических) систем

1.1.3 Линейное предсказание узкополосного процесса

1.1.4 Компенсация узкополосной помехи

1.1.5 Общая характеристика проблемы адаптивной узкополосной фильтрации

1.2 Математические модели радиотехнических систем. Методы и алгоритмы адаптивной фильтрации в задачах моделирования динамических систем

1.2.1 Математическая модель динамических систем в классе КИХ-цепей

1.2.2 Математическая модель динамических систем в классе БИХ-цепей

1.2.3 Классификация методов и алгоритмов адаптивной фильтрации в задачах моделирования динамических систем

1.3 Методы и алгоритмы многоскоростной обработки сигналов в задачах адаптивной узкополосной фильтрации

1.3.1 Методы и алгоритмы многоскоростной фильтрации узкополосных процессов

1.3.2 Многоскоростная адаптивная обработка узкополосных случайных процессов

1.3.3 Методы и алгоритмы адаптивной многоскоростной обработки в задачах прямого моделирования динамических систем

1.3.4 Методы и алгоритмы адаптивной многоскоростной обработки в задачах обратного моделирования динамической системы

1.3.5 Многоскоростная адаптивная фильтрация узкополосных процессов в радиотехнических системах: выводы и задачи дальнейших исследований

1.4 Методы и алгоритмы цифровой гребенчатой фильтрации в задачах адаптивной обработки узкополосных процессов

1.4.1 Цифровые гребенчатые фильтры и их свойства

1.4.2 Адаптивная обработка узкополосных случайных процессов с применением децимации и интерполяции импульсной характеристики

1.4.3 Методы и алгоритмы адаптивной гребенчатой фильтрации в задачах прямого моделирования динамических систем

1.4.4 Методы и алгоритмы адаптивной гребенчатой фильтрации в задачах обратного моделирования динамических систем

1.4.5 Адаптивная гребенчатая фильтрация узкополосных процессов в радиотехнический системах: выводы и задачи дальнейших исследований

1.5 Выводы

2 РАЗРАБОТКА И ИССЛЕДОВАНИЕ МЕТОДОВ И АЛГОРИТМОВ

УЗКОПОЛОСНОЙ АДАПТИВНОЙ ФИЛЬТРАЦИИ В ЗАДАЧАХ ПРЯМОГО

МОДЕЛИРОВАНИЯ РАДИОТЕХНИЧЕСКИХ СИСТЕМ

2.1 Исследование эффективности узкополосного адаптивного фильтра-дециматора в задаче прямого моделирования

2.1.1 Постановка задачи исследований

2.1.2 Адаптивный цифровой фильтр-дециматор, реализуемый в классе КИХ-цепей

2.1.3 АЦФД при наличии шума наблюдения

2.1.4 АЦФД при наличии широкополосной помехи

2.1.5 АЦФД по полифазной форме

2.1.6 АЦФД с интерполяцией выхода

2.1.7 АЦФД с интерполируемой ИХ

2.1.8 АЦФД с интерполяцией выхода и импульсной характеристики

2.1.9 Адаптивный цифровой фильтр-дециматор, реализуемый по параллельной форме

2.1.10 Разработка и исследование алгоритмов узкополосной фильтрации на основе адаптивного фильтра-дециматора, реализуемого по методу РНК

2.2 Исследование эффективности метода узкополосной адаптивной фильтрации на основе предварительной фильтрации в задаче прямого моделирования

2.2.1 Разработка и исследование алгоритмов адаптивной обработки сигналов по методу МНК с предварительной узкополосной фильтрацией и децимацией

2.2.2 Разработка и исследование алгоритмов адаптивной обработки сигналов по методу РНК с предварительной узкополосной фильтрацией и децимацией

2.3 Исследование эффективности метода узкополосной адаптивной фильтрации на основе цифрового гребенчатого фильтра в задаче прямого моделирования

2.4 Выводы

3 РАЗРАБОТКА И ИССЛЕДОВАНИЕ МЕТОДОВ И АЛГОРИТМОВ УЗКОПОЛОСНОЙ АДАПТИВНОЙ ФИЛЬТРАЦИИ В ЗАДАЧАХ ОБРАТНОГО МОДЕЛИРОВАНИЯ РАДИОТЕХНИЧЕСКИХ СИСТЕМ

3.1 Исследование эффективности узкополосного адаптивного фильтра-дециматора в задаче обратного моделирования

3.1.1 Постановка задачи исследований

3.1.2 Разработка и исследование алгоритмов узкополосной фильтрации на основе адаптивного фильтра-дециматора, реализуемого по методу МНК

3.1.3 Разработка и исследование алгоритмов узкополосной фильтрации на основе адаптивного фильтра-дециматора, реализуемого по методу РНК

3.2 Исследование эффективности метода узкополосиой адаптивной фильтрации на основе предварительной фильтрации в задаче обратного моделирования

3.2.1 Разработка и исследование алгоритмов адаптивной обработки сигналов по методу МНК с предварительной узкополосной фильтрацией и децимацией

3.2.2 Разработка и исследование алгоритмов адаптивной обработки сигналов по методу РНК с предварительной узкополосной фильтрацией и децимацией

3.3 Исследование эффективности метода узкополосной адаптивной фильтрации на основе цифрового гребенчатого фильтра в задаче обратного моделирования

3.4 Выводы

4 РЕАЛИЗАЦИЯ АЛГОРИТМОВ АДАПТИВНОЙ УЗКОПОЛОСНОЙ ФИЛЬТРАЦИИ НА ЦИФРОВЫХ СИГНАЛЬНЫХ ПРОЦЕССОРАХ

4.1 Обзор современных платформ цифровых сигнальных процессоров

4.2 Разработка и исследование эффективности программно-алгоритмического обеспечения узкополосной адаптивной фильтрации для ЦСП ТМ8320С67х

4.3 Разработка и исследование эффективности программно-алгоритмического обеспечения узкополосной адаптивной фильтрации для ЦСП АВ8Р-Т8101

4.4 Разработка и исследование эффективности программно-алгоритмического

обеспечения узкополосной адаптивной фильтрации для ЦСП МС-24 «Мультикор»

4.5 Адаптивная многоскоростная обработка узкополосного траекторного сигнала в задачах радиовидения

4.6 Выводы

ЗАКЛЮЧЕНИЕ

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

ПРИЛОЖЕНИЕ А

ПРИЛОЖЕНИЕ Б

ПРИЛОЖЕНИЕ В

ПРИЛОЖЕНИЕ Г

СПИСОК ПРИМЕНЯЕМЫХ СОКРАЩЕНИЙ

АА - адаптивный алгоритм

ААП - алгоритм аффинных проекций

АГФ - адаптивный гребенчатый фильтр

АЛУ - арифметико-логическое устройство

АФ - адаптивный фильтр

АФД - адаптивный фильтр-дециматор

АЦГФ — адаптивный цифровой гребенчатый фильтр

АЦФ - адаптивный цифровой фильтр

АЦФД - адаптивный цифровой фильтр-дециматор

АЧХ - амплитудно-частотная характеристика

БИХ - бесконечная импульсная характеристика

БПФ - быстрое преобразование Фурье

БРЛК - бортовой радиолокационный комплекс

ГБШ - генератор белого шума

ДКП - дискретное косинусное преобразование

ДПФ - дискретное преобразование Фурье

ДС - динамическая система

ИХ - импульсная характеристика

КИХ - конечная импульсная характеристика

МНК - метод наименьших квадратов

МОС - многоскоростная обработка сигналов

НЧ - низкочастотный

НЧФ - низкочастотный фильтр

ОСШ - отношение сигнал/шум

ПО - программное обеспечение

ПФ - полосовой фильтр

РЛИ - радиолокационное изображение

РНК - рекурсивный метод наименьших квадратов

СКО - среднеквадратичная ошибка

СО - скользящее окно

СФ - сглаживающий фильтр

ФИ - фильтр-интерполятор

ФФ - формирующий фильтр

ЦГФ - цифровой гребенчатый фильтр

ЦОС - цифровая обработка сигналов

ЦПФ - цифровой полосовой фильтр

ЦСП - цифровой сигнальный процессор

ЦСФ - цифровой сглаживающий фильтр

ЦФД - цифровой фильтр-дециматор

MIMD - multiple instruction, multiple data

SIMD - single instruction, multiple data

SISD - single instruction, single data

VLIW - very long instruction word

Введение диссертации (часть автореферата) на тему «Методы и алгоритмы узкополосной адаптивной фильтрации в радиотехнических системах»

ВВЕДЕНИЕ

Актуальность работы

Методы и алгоритмы цифровой адаптивной фильтрации являются эффективным инструментом решения многих проблем в области современных радиотехнических и телекоммуникационных систем, в значительной степени ориентированных на цифровые технологии обработки сигналов, передачи, кодирования и восстановления информации. Сюда можно отнести такие задачи как борьба с замираниями и межсимвольной интерференцией, эхо-компенсация и шумоподавление, сжатие и закрытие речи, адаптивное формирование диаграммы направленности антенны. Теория цифровой адаптивной фильтрации начала активно развиваться, начиная с 80-х годов прошлого столетия, и связывается с фундаментальными работами Б. Уидроу, С. Стирнза, К.Ф.Н. Коуэна, П.М. Гранта, С. Хайкина, С. Александера. Практическое применение методов цифровой адаптивной фильтрации стало распространяться, начиная с 90-х годов с появлением элементной вычислительной базы с достаточной производительностью. На сегодняшний день теория цифровой адаптивной фильтрации достаточно хорошо изучена и изложена в трудах М. Белланже, Б. Фаранга-Боружени, А. Сайда, А. Пуларикиса, 3. Рамандана, а также отечественных ученых Е.П. Чуракова, В.И. Джигана и других.

Синтез адаптивного фильтра, как правило, ведется в классе цепей с конечной импульсной характеристикой (КИХ-цепей). Такие цепи не имеют обратных связей (в рабочем режиме, по окончании обучения), а, следовательно, отличаются абсолютной устойчивостью и стабильностью характеристик. Однако КИХ-фильтры имеют существенный недостаток, связанный с большими вычислительными затратами. С увеличением порядка КИХ-фильтра, который может достигать сотни и тысячи единиц, вычислительные затраты, память фильтра, требуемая разрядность представления данных значительно

возрастают. Кроме того, затягивается процесс обучения, и ухудшаются качественные показатели работы адаптивного фильтра.

Необходимость значительного повышения порядка адаптивного КИХ-фильтра является следствием того, что моделируемая в процессе обучения динамическая система (например, канал радиосвязи) может иметь ярко выраженные перепады функции передачи в частотной области, которые принимают форму глубоких «замираний» или «резонансов» на определенных участках частот. Чтобы максимально близко подстроиться к таким частотным перепадам, требуется соответствующее разрешение по частоте, а это достигается только одним способом - адекватным увеличением длины импульсной характеристики адаптивного фильтра, моделирующего заданную динамическую систему. В этом случае динамическая система становится узкополосной, и возникает задача узкополосной адаптивной фильтрации, отличающаяся рядом особенностей, одной из которых являются крайне высокие вычислительные затраты на реализацию адаптивного фильтра.

Известно, что в основе современных методов построения систем цифровой частотной селекции сигналов и, в частности, узкополосных КИХ-фильтров, лежит фундаментальная идея использования вторичной дискретизации (децимации) и интерполяции обрабатываемого сигнала с целью многократного уменьшения вычислительных затрат и памяти данных. Многоскоростная обработка сигналов (МОС) получила широкое применение не только для обычной частотной селекции и построения банков фильтров, но и эффективно используется во всех практических приложениях, там, где возможно «принудительное» понижение и повышение частоты дискретизации. Вопросам применения МОС в телекоммуникационных и радиотехнических системах посвящено большое число работ, включая работы Р. Крошье, Л.Р. Рабинера, М. Белланже, В.В. Витязева, П.П. Вайдьянатхана, М. Веттерли, 3. Светковича, Р.В. Стюарта, М. Хартенека, К. Энемана, М. Мунена, Д. Марелли, М. Фу, М.К. Чобану и других. Сочетание адаптивной и многоскоростной обработки сигналов дало новое решение традиционных проблем и стимулировало

9

дальнейшие исследования в этой области. Большое число работ, публикуемых на сегодняшний день по данной тематике, говорит о продолжении развития теории цифровой адаптивной фильтрации и цифровой многоскоростной обработки. Особый научный интерес представляет совмещение операций многоскоростной и адаптивной обработки сигналов.

Таким образом, тема диссертационной работы, направленная на исследование и разработку эффективных методов и алгоритмов цифровой узкополосной адаптивной фильтрации на основе многоскоростной обработки, является в настоящее время актуальной в рамках обозначенной проблематики и требует дальнейшей детальной проработки.

Цель и задачи работы

Целью исследований, проводимых в рамках данной работы, является разработка методов и алгоритмов цифровой адаптивной фильтрации узкополосных процессов на основе многоскоростной обработки сигналов, направленных на уменьшение вычислительных затрат и эффективную реализацию в реальном времени.

Достижение поставленной цели включает в себя решение следующих задач:

- анализ проблемы узкополосной адаптивной фильтрации с выделением ряда наиболее характерных особенностей реализации алгоритмов;

- анализ методов построения систем фильтрации на основе многоскоростной обработки сигналов;

- разработка методов построения и алгоритмов реализации адаптивных фильтров на основе многоскоростной обработки;

- разработка методов и алгоритмов обработки сигналов в выделенном классе задач узкополосной адаптивной фильтрации с применением многоскоростной обработки;

- моделирование и исследование эффективности разработанных методов и алгоритмов узкополосной адаптивной фильтрации, их сравнительный анализ;

- исследование эффективности разработанных методов и алгоритмов узкополосной адаптивной фильтрации при их программно-аппаратной реализации на современных процессорных платформах.

Методы исследований

В ходе исследований используются методы компьютерного моделирования, математического анализа и статистики, матричного исчисления, цифровой и адаптивной обработки сигналов, а также другие методы, которые в совокупности с проведенными экспериментами позволили получить общую картину оценки эффективности предложенных алгоритмов узкополосной адаптивной фильтрации. Моделирование проводится на основе компьютерных сред математического моделирования. Программно-аппаратная процессорная реализация выполняется на основе ряда наборов разработчика и отладочных модулей ведущих производителей цифровых процессоров обработки сигналов, включая фирмы Texas Instruments Inc., Analog Devices Inc.(CUIA) и ОАО НПЦ «ЭЛВИС».

Научная новизна

Научная новизна диссертационной работы в целом заключается в разработке новых методов и алгоритмов адаптивной узкополосной фильтрации, отличающихся применением в процессе обучения многоскоростной обработки сигналов с децимацией и интерполяцией, как самого преобразуемого сигнала, так и импульсной характеристики адаптивного фильтра.

Новые научные результаты, полученные в ходе выполнения диссертационной работы, состоят в следующем.

1. Предложены методы и алгоритмы узкополосной адаптивной фильтрации с понижением и повышением частоты дискретизации сигналов в процессе обучения.

2. Предложены методы и алгоритмы узкополосной адаптивной фильтрации с децимацией и интерполяцией импульсной характеристики.

3. Исследована эффективность адаптивной узкополосной фильтрации на основе многоскоростной обработки сигналов в решении задач прямого и обратного моделирования.

4. Исследована эффективность адаптивной узкополосной фильтрации на основе децимации и интерполяции импульсной характеристики в решении задач прямого и обратного моделирования.

5. Исследована эффективность разработанных методов и алгоритмов адаптивной узкополосной фильтрации при их реализации на цифровых сигнальных процессорах ряда современных платформ.

Практическая значимость

Предложенные методы и алгоритмы адаптивной узкополосной фильтрации и исследование их эффективности позволяют:

1) многократно (в десятки и сотни раз) понизить вычислительные затраты на реализацию узкополосных адаптивных систем за счет прореживания выходного сигнала и сигнала ошибки;

2) понизить вычислительные затраты на реализацию узкополосных адаптивных систем в десятки раз за счет прореживания импульсной характеристики фильтра;

3) сформировать методику выбора способа построения узкополосного адаптивного фильтра, наиболее эффективного для конкретных условий применения.

Кроме того, разработанные программные коды функций узкополосной адаптивной фильтрации расширяют библиотеки оптимальных типовых функций ЦОС ряда современных цифровых сигнальных процессоров.

Основные положения, выносимые на защиту

1. Метод построения и алгоритмы адаптации узкополосного фильтра-дециматора на основе полифазной и параллельной структур, отличающиеся совмещением операций адаптации и децимации и обеспечивающие сокращение вычислительных затрат пропорционально коэффициенту децимации (на порядок и более).

2. Метод и алгоритмы узкополосной адаптивной фильтрации на основе многоскоростной обработки сигналов, отличающиеся совмещением операций адаптации, многоступенчатой децимации и интерполяции, приводящие к сокращению вычислительных затрат пропорционально коэффициенту децимации при сохранении высокой скорости сходимости.

3. Метод и алгоритмы узкополосной фильтрации на основе адаптивного гребенчатого фильтра, отличающиеся совмещением операций адаптации и прореживания импульсной характеристики адаптивного фильтра, обеспечивающие сокращение вычислительных затрат на порядок и более.

4. Результаты исследований эффективности применения многоскоростной обработки и гребенчатой фильтрации в задачах узкополосной адаптивной фильтрации, отражающие достижимость высоких показателей по точности и скорости сходимости алгоритмов адаптации при существенном (на порядок и более) уменьшении вычислительных затрат.

Реализация и внедрение

Результаты научных исследований использовались в госбюджетных научно-исследовательских работах РГРТУ, проводившихся по заказам Министерства образования и науки РФ:

- НИР № 5-08Г «Методы и алгоритмы цифровой обработки сигналов в радиотехнике и системах телекоммуникаций»;

- НИР № 12-09Г «Модели, методы и алгоритмы формирования, обработки и распознавания изображений для систем высокоточного сопровождения объектов»;

- НИР № 3-11Г «Методы и алгоритмы адаптивной цифровой фильтрации в информационно-телекоммуникационных системах»;

- НИР № 12-12Г «Методы и алгоритмы адаптивной многоскоростной обработки сигналов в радиотехнике и системах телекоммуникаций».

- Полученные результаты диссертационной работы внедрены на предприятии ОАО «Государственный рязанский приборный завод», в рамках выполнения ряда хоздоговорных НИОКР:

- НИР № 15-07 «Разработка программно-алгоритмического обеспечения цифровой обработки траекторного сигнала и формирования радиолокационного изображения на основе процессорного модуля ЗС001»;

- НИР № 39-11 «Разработка и моделирование алгоритмов автофокусировки радиоизображений, повышающих разрешающую способность по азимуту в условиях динамичных траекторных нестабильностей»;

- СЧ ОКР № 15-10 «Разработка математических зависимостей и алгоритмов формирования и обработки траекторного сигнала, повышающих разрешающую способность изделия Н-025М»,

а также в учебном процессе на кафедре телекоммуникаций и основ радиотехники при чтении лекций и при проведении цикла лабораторных работ по дисциплине «Цифровая обработка сигналов и сигнальные процессоры в СПР» для студентов, обучающихся по специальности 201402_65 - «Средства связи с подвижными объектами», по дисциплине «Обработка сигналов на ЦСП» для студентов, обучающихся по специальности 210403_65 -«Защищенные системы связи» направления «Телекоммуникации», а также в

цикле дисциплин, связанных с подготовкой магистров по направлениям: 210700 - «Инфокоммуникационные технологии и системы связи», 220400 — «Управление в технических системах».

Результаты проведенных исследований могут быть использованы при проектировании инфокоммуникационных систем, включая системы проводной и беспроводной передачи данных, а также радиотехнических и радиолокационных систем, главной сферой применения адаптивной фильтрации в которых является задача адаптивного формирования диаграммы направленности антенны.

Апробация работы

Основные результаты работы докладывались на следующих конференциях:

- 11-й, 16-й и 17-й Международной научно-технической конференции «Проблемы передачи и обработки информации в сетях и системах телекоммуникаций», Рязань, 2002, 2010 и 2012 гг.;

- 11-й и 15-й Международной научно-технической конференции «Радиолокация, навигация, связь», Воронеж, 2005, 2009 гг.;

- 9-й, 10-й, 11-й, 12-й, 13-й и 14-й Международной научно-технической конференции «Цифровая обработка сигналов и ее применение», Москва, 2007-2012 гг.;

- Международном симпозиуме "Spectral Methods and Multirate Signal Processing", Москва, 2007 г.;

- Международной молодежной научно-технической конференции «Современные проблемы радиотехники и телекоммуникаций РТ-2010», Севастополь, 2010 г.;

- 4-й и 5-й Европейской конференции преподавателей и научных работников в области цифровой обработки сигналов, Франция, Ницца, 2010 г. и Нидерланды, Амстердам, 2012г.

Публикации

По материалам диссертации опубликовано 26 работ. Из них 11 статей в ведущих рецензируемых научных журналах из перечня ВАК РФ, 14 тезисов докладов на международных конференциях и одно учебное пособие.

Структура и объём работы

Диссертационная работа состоит из введения, четырех глав, заключения, списка литературы и приложений. Диссертация изложена на 183 страницах, содержит 78 рисунков и 25 таблиц. Использованы ссылки на 75 источников.

В первой главе делается обзор задач адаптивной фильтрации, имеющих наиболее важное значение на практике; делается вывод о том, что все задачи адаптивной фильтрации могут быть сведены к задачам прямого и обратного моделирования; поясняется значение узкополосности в этих задачах. Формулируется постановка задачи формирования эффективного метода узкополосной адаптивной фильтрации, использующего многоскоростную обработку сигналов. Рассматриваются известные методы построения адаптивных фильтров и многоскоростных систем. Предлагаются методы обработки сигнала на основе адаптивного фильтра-дециматора и предварительной фильтрации-децимации применительно к задачам прямого и обратного моделирования. Делается обзор теории цифровой гребенчатой фильтрации, приводится математическое описание цифрового гребенчатого фильтра и предлагается структура адаптивной цифровой гребенчатой фильтрации применительно к задачам прямого и обратного моделирования. Формулируется задача исследования эффективности предложенных методов и алгоритмов.

Вторая глава посвящена моделированию и исследованию предложенных в первой главе методов и алгоритмов узкополосной адаптивной фильтрации, применительно к задаче прямого моделирования. При этом уточняются механизмы обработки сигнала, и производится модификация предложенных решений в соответствии с проводимыми исследованиями. В начале главы уточняется формулировка задачи прямого моделирования путем задания конкретных параметров системы, используемых далее при моделировании и исследованиях. Далее проводится исследование предложенных алгоритмов узкополосной адаптивной фильтрации на основе адаптивного фильтра-дециматора и на основе предварительной фильтрации-децимации при использовании в качестве метода коррекции коэффициентов фильтра метода наименьших квадратов (МНК). Рассматриваются прямая и полифазная формы построения фильтра. Оценивается эффективность предложенных решений, проводится сравнение различных алгоритмов между собой и классическими подходами, рассматривается устойчивость к шумам. Аналогичные исследования проводятся для случая использования рекурсивного метода наименьших квадратов (РНК) в качестве алгоритма коррекции коэффициентов фильтра. Далее проводится исследование эффективности применения цифровой адаптивной гребенчатой фильтрации (АЦГФ) в задаче прямого моделирования. Выполняется требуемый анализ качества решения задачи с использованием АЦГФ; проводится сравнение данного метода с рассмотренными ранее.

Третья глава посвящена моделированию и исследованию предложенных в первой главе методов и алгоритмов узкополосной адаптивной фильтрации, применительно к задаче обратного моделирования. Здесь также проводится уточнение механизмов обработки сигналов, и предложенные алгоритмы модифицируются в соответствии с требованиями проводимых исследований. Исследования проводятся для конкретных условий задачи обратного моделирования, оговариваемых в начале третьей главы. Предложенные в первой главе структуры узкополосной адаптивной фильтрации на основе адаптивного фильтра-дециматора и на основе предварительной фильтрации-

децимации исследуются при использовании в качестве метода коррекции коэффициентов фильтра методов МНК и РНК. Используется прямая и полифазная формы построения адаптивного фильтра. Оценивается эффективность предложенных решений, проводится сравнение различных алгоритмов между собой и классическими подходами, рассматривается устойчивость к шумам. Далее проводится исследование эффективности применения цифровой адаптивной гребенчатой фильтрации в задаче обратного моделирования. Проводится сравнение эффективности метода на основе АЦГФ и на основе классических схем децимации во временной области. Делаются общие выводы из проведенного исследования и анализа.

Четвертая глава работы рассматривает вопросы эффективной программно-аппаратной реализации предложенных методов и алгоритмов на современных платформах цифровых сигнальных процессоров различных производителей. В начале четвертой главы дается общий обзор современной вычислительной элементной базы и выделяется ряд платформ, для которых исследование эффективности реализации рассматриваемого класса алгоритмов является целесообразным. Далее проводится разработка программно-аппаратных средств для выбранных платформ, позволяющих максимально приблизить предложенные в работе методы и алгоритмы к практической реализации в реальных технических системах. Такая реализация позволяет дать наиболее адекватную оценку эффективности применения предложенных решений. Тексты разработанных в рамках четвертой главы программных модулей приводятся в приложении.

В заключении проводится обобщение полученных в работе результатов.

Приложения А, Б и В содержат тексты основных программных реализаций, полученных в ходе исследования практической целесообразности применения предложенных методов и алгоритмов.

1 АДАПТИВНАЯ УЗКОПОЛОСНАЯ ФИЛЬТРАЦИЯ В РАДИОТЕХНИЧЕСКИХ СИСТЕМАХ

В первой главе работы на основании анализа источников [1-20] выделяется ряд задач узкополосной адаптивной фильтрации, имеющих практическое значение. Сюда входят: задача прямого моделирования, задача обратного моделирования, линейное предсказание и компенсация помех. Иллюстрируется необходимость построения эффективных в вычислительном отношении систем адаптивной фильтрации в случае узкополосных процессов. Рассматривается математическое описание динамических систем и систем адаптивной фильтрации.

Далее рассматриваются известные [21-28] методы построения систем на основе многоскоростной обработки сигналов (МОС), традиционно применяемые для повышения вычислительной эффективности. На основе этих методов выделяется ряд вариантов построения структур фильтров. Рассмотренные выше методы и алгоритмы обобщаются, и предлагается ряд подходов к построеншо систем обработки сигнала на основе МОС в задачах прямого и обратного моделирования, а именно: прямое и обратное моделирование динамической системы с использованием адаптивного фильтра-дециматора и прямое и обратное моделирование динамической системы с использованием предварительной узкополосной фильтрации. Ставится задача исследования предложенных алгоритмов путем математического моделирования и практической реализации на процессорах обработки сигналов.

Кроме выше сказанного, рассматривается альтернативный подход к построению систем МОС, впервые рассмотренный в [29, 30]. Он состоит не в децимации обрабатываемого сигнала, а в прореживании импульсной характеристики фильтра. Предлагается метод построения адаптивного цифрового гребенчатого фильтра (АЦГФ) и алгоритм его реализации в задачах прямого и обрат-

ного моделирования. Ставится задача исследования эффективности предложенного подхода.

1.1 Задачи адаптивной узкополосной фильтрации

1.1.1 Прямое моделирование радиотехнических (динамических) систем

Решается задача идентификации (построения математической модели) динамической системы, отличающейся узкополосным характером изменения динамических характеристик в априорно неизвестной полосе частот. В частности, это свойственно радиотехническим системам, поскольку радиоканал, используемый для передачи информации в каждый момент времени от каждого отдельного источника, как правило, является узкополосным по отношению ко всему диапазону рабочих частот. Поэтому идентификации последовательно подвергается только определенная часть всего диапазона выделенных частот радиоканала.

В более общем случае, для радиотехнических систем различного назначения узкополосный характер изменения частотных характеристик в процессе идентификации может проявляться вследствие резонирующих свойств динамической системы в определенной полосе частот. Во всех рассмотренных выше случаях полезная составляющая случайного процесса на выходе идентифицируемой системы будет носить узкополосный характер. А, следовательно, адаптивный фильтр, подключаемый параллельно идентифицируемой динамической системе по классической схеме, представленной на рисунке 1.1 [2], будет узкополосным.

Предполагается, что в качестве испытательного сигнала х(п) используется дискретный белый шум с нулевым математическим ожиданием и единичной дисперсией. Сигнал з(п) на выходе динамической системы - случайный процесс, включающий две составляющие: ^ (п) - узкополосный случайный процесс (полезная составляющая) с априорно неизвестной центральной частотой и шириной полосы частот и 5 2 (п) - широкополосный случайный процесс, косвенно

отражающий динамические свойства системы во всей полосе частот. К выходу системы добавляется аддитивный шум

р{п)

- дискретный белый с нулевым математическим ожиданием и дисперсией сгш2 « 1.

Рисунок 1.1 — Прямое моделирование динамической системы

Адаптивный фильтр (АФ) настраивается таким образом, чтобы ошибка £{ri) = d(n) - у(п) ? Где _ обучающий сигнал, достигла минимума в смысле среднего квадрата отклонения (СКО). При этом точность идентификации, определяемая разностью между полезной составляющей s\(n) и выходом АФу(п), будет зависеть от степени компенсации окрашенного «шума» s2 (п) и влияния шума измерения

р(п)

на процесс адаптации. Однако, во всех случаях АФ является узкополосным, полоса пропускания которого предварительно настраивается на заданный диапазон частот, например, с помощью встроенного БПФ-процессора. Таким образом, используемый для идентификации АФ одновременно относится к двум основным классам: без обучения (без обратной связи),

на этапе поиска и определения полосы частот полезной составляющей si (п), и с обучением (с обратной связью), на этапе последующей адаптивной идентификации.

1.1.2 Обратное моделирование радиотехнических (динамических)

систем

Решается задача выравнивания частотной характеристики динамической системы путем последовательного подключения к системе адаптивного фильт-

21

ра [2]. Предполагается, что вследствие глубоких «замираний» в определенной узкой полосе частот радиоканала, последовательно включенный АФ также должен быть узкополосным в соответствующей полосе частот «замирания» и одновременно широкополосным, компенсирующим влияние окрашенного «шума», обусловленного неравномерностью частотной характеристики динамической системы (радиоканала) во всем диапазоне рабочих частот.

1 0((4 Н(о>)

1 ч. 1 (

1 (Г) 1 СО

О со ~ О (о ~

о а

Рисунок 1.2 — Обратное моделирование динамической системы

На рисунке 1.2 представлена схема включения АФ, выравнивающего частотную характеристику динамической системы указанным способом. Обучающий сигнал с1(п) - дискретный белый шум с нулевым математическим ожиданием и единичной дисперсией, задержанный на N периодов квантования, соответственно эквивалентной задержке при его прохождении через последовательное соединение динамической системы и АФ, сравнивается с сигналом у(п)

на выходе АФ. Ошибка адаптации е(п) = с! (п)-у{п) определяет достижимую точность выравнивания частотной характеристики динамической системы: при

стремлении ошибки Ф) к нулю, произведение частотных характеристик

Ф(со) = С(со)Н(со) —> 1 во всем диапазоне приведенных частот 0 = 0,яг. По-

22

скольку в процессе адаптации минимизируется не сама ошибка

sin)

, а СКО, то

фактически выравнивается квадратичная частотная характеристика динамиче-скои системы G».

Список литературы диссертационного исследования кандидат наук Витязев, Сергей Владимирович, 2013 год

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

1. Уидроу Б., Стирнз С. Адаптивная обработка сигналов. М.: Радио и связь, 1989. 440 с.

2. Адаптивные фильтры: Пер. с англ. / Под ред. К.Ф.Н. Коуэна и П.М. Гранта. М.: Мир, 1988.392 с.

3. Haykin S. Adaptive Filter Theory, 4th edition. Prentice Hall, 2002. 936 pp.

4. Ali H. Sayed. Fundamentals of Adaptive Filtering. Wiley-IEEE Press, 2003. 1168 pp.

5. Ali H. Sayed. Adaptive Filters. Wiley-IEEE Press, 2008. 790 pp.

6. Монзинго P.A., Миллер Т.У. Адаптивные антенные решетки. Введение в теорию. М.: Радио и связь, 1986. - 446 с.

7. Diniz P. Adaptive Filtering - Algorithms and Practical Implementation. Springer, 2008.-636 pp.

8. А. А. Пистолькорс, О. С. Литвинов. Введение в теорию адаптивных антенн. М.: Наука, 1991.-199 с.

9. D. G. Manolakis, D. Manolakis, V. К. Ingle, S. М. Kogon. Statistical and Adaptive Signal Processing: Spectral Estimation, Signal Modeling, Adaptive Filtering and Array Processing. Artech House, 2005. - 816 pp.

10. J. Benesty,Y. Huang. Adaptive signal processing: applications to real-world problems. Springer, 2003. - 356 pp.

1 l.Kong-Aik Lee, Woon-Seng Gan, Sen M. Kuo. Subband Adaptive Filtering: Theory and Implementation. Wiley, 2009. - 344 pp.

12.Журавлев A.K., Лукошкин А.П., Поддубный C.C. Обработка сигналов в адаптивных антенных решетках. Л.: Изд-во Ленингр. ун-та, 1983. 240 с.

13.Research on a LMS adaptive filtering algorithm for acoustic emission signal processing. Lin Xu, Yumei Kang, Bing Shi, Dong Zheng, Liye Yu // Intelligent

Control and Automation (WCICA), 8th World Congress on Digital Object Identifier. 2010, - 7037 - 7040 pp.

14.Use of adaptive filtering for noise reduction in communications systems. Martinek, R., Zidek, J. // International Conference on Applied Electronics. 2010, - 1-6 pp.

15.M. Baoshan, Q. Dongdong, Z. Yi-Sheng. A novel adaptive filtering approach for genomic signal processing // 10th International Conference on Signal Processing, 2010. - 1805 - 1808 pp.

16.Стратонович P. JI. Принципы адаптивного приема. M.: Сов. Радио, 1973. -140 с.

17.Simon Haykin. Adaptive Radar Signal Processing. Wiley-Interscience, 2006.-230 c.

18.Djigan V.I. Improved fast affine projection algorithm with gradient adaptive step-size // Proceedings of the 3-rd International Conference on Antennas, Radiocommunication Systems & Means (ICARSM-97) (Voronezh Construction Bureau of Antenna Design, 26 - 29 May 1997). - Voronezh, 1997. - Vol. 3. - P. 23-32.

19.Джиган В.И. RLS-алгоритмы адаптивной фильтрации: прошлое, настоящее и будущее // Труды 61-й научной сессии, посвященной Дню Радио (Московский технический университет связи и информатики, 17-18 мая 2006 г.). - Москва, 2006. - С. 84-87.

20.Джиган В.И. Адаптивная фильтрация сигналов: теория и алгоритмы. - М.: Техносфера, 2013. - 528 е.: ил.

21.Crochiere R.E., Rabiner L. Multirate Digital Signal Processing. Prentice Hall. Englewood Cliffs.-NJ, 1983.

22.Витязев B.B. Цифровая частотная селекция сигналов. М.: Радио и связь, 1993. -240 с.

23. Vaidyanathan P.P. Multirate Systems and Filter Banks. Prentice Hall. Englewood Cliffs.-NJ, 1993.

24. Зайцев A.A. Методы построения банков цифровых фильтров: тематический обзор // Цифровая обработка сигналов, 2003, № 1, с. 2-10.

25.Витязев В.В., Зайцев A.A. Основы многоскоростной обработки сигналов: Учебное пособие, 4.1. Рязан. государст. радиотехн. ун-т, Рязань, 2005, - 124 с.

26.Витязев В.В., Зайцев A.A. Основы многоскоростной обработки сигналов: Учебное пособие, 4.2. Рязан. государст. радиотехн. ун-т, Рязань, 2006, - 104 с.

27.Витязев В.В., Зайцев A.A., Витязев C.B. Многоскоростная обработка сигналов: ретроспектива и современное состояние - часть 1 // Цифровая обработка сигналов. - 2008. - №1. - С. 12-21.

28.Витязев В.В., Зайцев A.A., Витязев C.B. Многоскоростная обработка сигналов: ретроспектива и современное состояние - часть 2 // Цифровая обработка сигналов. - 2008. — №3. — С. 2-9.

29.Витязев В.В., Муравьев С.И., Степашкин А.И. Метод проектирования цифровых полосовых фильтров с конечной памятью // Изв. вузов. Радиоэлектроника. 1983. Т. 26. №9. С. 3-9.

30.Neuvo, Y.; Dong Cheng-Yu; Mitra, S. Interpolated Finite Impulse Response Filters, IEEE Transactions on ASSP, Volume 32, Issue 3, Jun 1984. pp. 563 -570.

31.Рабинер JI., Гоулд Б. Теория и применение цифровой обработки сигналов. М.: Мир. 1978.-847 с.

32.0ппенгейм А., Шафер Р. Цифровая обработка сигналов. М.: Техносфера.

2006. - 858 с.

33.Смит С. Цифровая обработка сигналов. Практическое руководство для инженеров и научных работников. М.: Додэка-ХХ1. 2008. - 720 с.

34.Сергиенко А.Б. Цифровая обработка сигналов. 2-е издание. СПб.: Питер.

2007.-751 с.

35.А.И. Солонина, Д.А. Улахович, С.М. Арбузов, Е.Б. Соловьёва. Основы цифровой обработки сигналов. Спб.: BHV-Петербург. 2007. - 754 с.

36.Widrow В., Glover J. R., Mccool J.M., Kauntiz J. Adaptive Noise Cancelling: Principles and Applications // IEEE Proceedings. - Vol. 63. - No. 12. - 1975. - pp. 1692-1716.

37.L. S. Resendel, C. A. F. Rochal and M. G. Bellanger. A new structure for adaptive IFIR filtering // Acoustics, Speech, and Signal Processing. IEEE International Conference proceedings. Vol.1. 2000. pp. 400-403.

38.Jingen Ni, Feng Li. A Variable Step-Size Matrix Normalized Subband Adaptive // IEEE transactions on audio, speech, and language processing. - 2010. - Vol. 18, No. 6.-pp. 1290-1299.

39. Линович А.Ю., Витязев B.B. Субполосная адаптивная фильтрация в задачах обратного моделирования // Цифровая обработка сигналов, 2004, № 1, с. 41-48.

40. Линович А.Ю. Применение методов частотно-временной декомпозиции при решении задач обратного моделирования // Цифровая обработка сигналов, 2005, № 3, с. 28-37.

41.Кузнецов Е.П., Витязев В.В. Цифровая обработка сигналов в задачах эхо-компенсации // Цифровая обработка сигналов, 2006, № 4, с. 20-28.

42.Кузнецов Е.П. Методы и алгоритмы адаптивной эхо-компенсации: сравнительный анализ эффективности применения // Цифровая обработка сигналов, 2007, № 2, с. 26-34.

43. Кузнецов Е.П. Методы и алгоритмы многоскоростной адаптивной идентификации динамических систем в задачах эхо-компенсации. Диссертация на соискание ученой степени кандидата технических наук. - Рязань. - 2008. -180 с.

44.Витязев С.В. Исследование проблемы узкополосной адаптивной фильтрации // Проблемы передачи и обработки информации в сетях и системах

телекоммуникаций. Тезисы докл. междунар. науч.-техн. конф. - Рязань, 2010. С.

45.Витязев С.В. Адаптивный гребенчатый фильтр и его применение для фильтрации узкополосных процессов // Радиолокация, навигация, связь. Труды междунар. науч-техн. конф. - Том 1. - Воронеж.: 2009. - С. 300-306.

46.Витязев С.В. Адаптивный гребенчатый фильтр на процессорах «МУЛЬТИКОР» // Вопросы радиоэлектроники», сер. ЭВТ, вып. 3. - 2008. -С. 121-126.

47.Витязев С.В., Якунин С.А. Применение многоскоростной обработки сигнала для построения доплеровского фильтра обнаружения движущихся объектов в задачах радиовидения // Цифровая обработка сигналов и ее применение. Труды междунар. науч-техн. конф. - Вып.: Х-1. - М.: 2008. - С. 156-158.

48.Витязев С.В. Адаптивная цифровая фильтрация узкополосных процессов // Цифровая обработка сигналов и ее применение. Труды междунар. науч-техн. конф. - Вып.: Х-1. -М.: 2008. - С. 159-161.

49.Солонина А., Улахович Д., Яковлев Л. Алгоритмы и процессоры цифровой обработки сигналов. СПб.: БХВ-Петербург, 2001. - 464 с.

50.Eyre J., Bier J. The Evolution of DSP Processor / IEEE Signal Processing magazine, 2000,43-51 c.

51.Blake, G. Dreslinski, R.G. Mudge, T. A survey of multicore processors // Signal Processing Magazine. IEEE SPS, November 2006. - 26 - 37 pp.

52.Karam, L.J. AlKamal, I. Gatherer, A. Frantz, G.A. Anderson, D.V. Evans, B.L. Trends in multicore DSP platforms // Signal Processing magazine. IEEE SPS. November 2006, 38-49 pp.

53.R. Cravotta. Tee up your multiprocessing options // EDN Europe. July 2009. - 1519 pp.

54.Robert Cravotta. The evolving landscape of digital signal processing. EDN, December 3, 2009. - 19 p.

55.Витязев C.B. Стратегия компании Analog Devices в области DSP: обзор новых средств проектирования систем цифровой обработки сигналов // Цифровая обработка сигна-лов. - 2001. - №1. - С. 41-49.

56.Витязев C.B., Воронков Д.В. Современные цифровые процессоры обработки сигналов в задачах радиолокации // «Вопросы радиоэлектроники». - сер. ОТ. - 2006. - Вып. 2. - С. 105-115.

57.Витязев C.B. Новые разработки DSP компаний TEXAS INSTRUMENTS и ANALOG DEVICES в 2006 году // Цифровая обработка сигналов. - 2006. -№4.-С. 48-53.

58.Витязев C.B. Новые разработки компаний Texas Instrruments и Analog Devices в 2007 году // Цифровая обработка сигналов. - 2008. - №1. - С. 64-67.

59.TMS320C67x DSP Library Programmer's Reference Guide, SPRU657, Texas Instruments, February 2003.

60.Витязев B.B., Витязев C.B. Цифровые процессоры обработки сигналов TMS320C67x компании Texas Instruments. Учебное пособие. РГРТУ, Рязань, 2008 год, - 140 с.

61.Витязев C.B. Программная реализация цифрового фильтра-дециматора на цифровых сигнальных процессорах TigerSHARC ADSP-TS101 // Цифровая обработка сигналов и ее применение. Труды междунар. науч-техн. конф. -Вып.: XII-2. -М.: 2010. - С. 259-261.

62.Витязев C.B., Лихобабин Е.А. Библиотека функций адаптивной фильтрации для про-цессоров «Мультикор»: адаптивный цифровой гребенчатый фильтр // Вопросы радио-электроники, сер. общетехническая (ОТ). - 2011. - Вып. 1. -С. 89-99.

63.Колодько Г.Н., Витязев C.B. Моделирование и исследование эффективности формирования радиолокационного изображения в режиме доплеровского обужения луча // Цифровая обработка сигналов и ее применение. Труды междунар. науч-техн. конф. - Вып.: IX-1. - М.: 2007. - С. 258-260.

64. Андреев H.A., Витязев В.В., Витязев C.B. Алгоритмы адаптации к уходу доплеровских частот узкополосного траекторного сигнала // Цифровая обработка сигналов и ее применение. Труды междунар. науч-техн. конф. -Вып.: XI-1. -М.: 2009.-С. 111-113.

65. Андреев H.A., Витязев В.В., Витязев C.B. Алгоритмы адаптивной многоскоростной обработки широкополосного траекторного сигнала // Цифровая обработка сигналов и ее применение. Труды междунар. науч-техн. конф. - Вып.: XII-1. -М.: 2010. - С. 171-174.

66. Андросов В.В., Витязев В.В., Витязев C.B. Шершнев Е.Д. Алгоритмы автофокусировки радиоизображений в условиях динамичных траекторных нестабильностей // Цифровая обработка сигналов и ее применение. Труды 14-й междунар. науч-техн. конф. - Том 1. - М.: 2012. - С. 114-118.

67. Андросов В.В., Витязев C.B. Моделирование алгоритмов автофокусировки и синтезирования радиоизображений в режиме «Доплеровского обужения луча» // Цифровая обработка сигналов и ее применение. Труды 15-й междунар. науч-техн. конф. - Том 2.-М.: 2013. - С. 252-256.

68.Витязев В.В., Колодько Г.Н., Витязев C.B. Способы и алгоритмы формирования радиолокационного изображения в режиме доплеровского обужения луча // Цифровая обработка сигналов, 2006, № 3, с. 31-41.

69.Витязев В.В., Колодько Г.Н., Витязев C.B. Селекция наземных движущихся целей на основе многоскоростной адаптивной обработки траекторного сигнала // Цифровая обработка сигналов, 2007, № 1, с. 41-50.

70.Андреев H.A., Витязев В.В., Витязев C.B. Методы и алгоритмы адаптивной многоскоростной обработки траекторного сигнала в задачах радиовидения // Цифровая обработка сигналов. - 2010. - №1. - С. 38-44.

71. Андросов В.В., Витязев В.В., Витязев C.B. Шершнев Е.Д. Алгоритмы автофокусировки радиоизображений в условиях динамичных траекторных нестабильностей // Цифровая обработка сигналов. - 2012. - № 1. - С. 64-70.

72.Витязев С.В., Скичко Д.Ю. Отладочный стенд системы генерации модели траекторного сигнала и формирования радиолокационного изображения // Современные проблемы радиотехники и телекоммуникаций РТ-2010. Труды докл. междунар. молодежи, науч.-техн. конф. - Севастополь, 2010. - С. 340.

73.Vityazev S.V. Radar Imaging System Implementation for educational and research pur-poses on the EVM DM6437 boards // 4-th European DSP Education and Research Con-ference Proceedings. -Texas Instruments. - 2010. - 10-15 pp.

74.Vityazev S.V. Test bench for signal processing modules examination and efficiency rating // 5-th European DSP Education and Research Conference Proceedings. - Texas Instruments. - 2012. - C. 213-216 pp.

75.Витязев C.B., Воронков Д.В., Андреев H.A. Анализ эффективности программной реализации типовых операций обработки радиолокационных сигналов на цифровых сигнальных процессорах // «Радиолокация, навигация, связь». Тезисы междунар. науч-техн. конф. - Воронеж. - 2005. - С. - 302.