[发明专利]基于Laguerre结构的多项式自适应有源噪声对消方法

说明书

技术领域

本发明涉及一种基于Laguerre结构的多项式自适应有源噪声对消方法，用于噪声、码间串扰以及非线性畸变的消除，具有良好的抗噪声性能。

背景技术

近年来，随着现代信号处理理论的发展，各种非线性技术已经成功的广泛应用于存在着非平稳信号、非高斯噪声及非线性干扰的扩频通信、系统辨识、噪声控制、图像处理和混沌预测等非线性信号处理领域，因此，非线性信号处理技术受到国内外信号处理研究人员的越来越多的关注，同时也是现代信号处理理论中一个重要研究方向。研究表明：在非线性、非高斯或高斯背景下的最优滤波是非线性的。非线性自适应滤波器常具有比线性自适应滤波器更好的性能，并且由于其本质上的非线性特性，能够克服线性自适应滤波器在探究非线性信号的高阶统计冗于性方面能力和逼近非线性函数能力的限制，显示出其良好的非线性处理能力。现有的非线性滤波技术中，常见的如下两种方法：

(1)基于神经网络的非线性自适应滤波器。

由于神经网络能够以任意精度逼近非线性函数，并且具有自适应能力，因此，各种神经网络已经成功地应用在自适应有源噪声对消系统中。参考文献[1]“Recurrent radial basis function networks for adaptive noise cancellation”(S.A.Billings，C.F.Fung，Neural Networks[J]，vol.8，No.2，pp.273-290，1995)利用径向基神经网络的反馈结构构造了递归径向基神经网络自适应对消器，通过基于混合K-均值聚类的梯度算法对其进行训练。参考文献[2]“神经网络自适应有源噪声对消器”(莫玮，蒋洪睿，谢维信，信号处理[J]，Vol.16，No.3，pp.286-289，2000)研究了RNN自适应滤波器组成的有源噪声对消器，采用具有类IIR属性的递归神经网络(RNN)，并通过RTRL算法对滤波系数进行调整，因此，在对消系统中只需较少的输入长度即可达到较好的抗噪效果。但是，由于神经网络本身故有的结构复杂、参数空间过大以及参数的初始化需谨慎等缺点，限制了其在有源噪声对消系统中实用化；而且由于IIR结构本身固有不稳定的缺陷，致使系统的稳定性难以保证。

(2)基于多项式的非线性自适应滤波器。

Volterra滤波器是非线性自适应滤波理论中一个重要的研究方向，由于其输出线性依赖于滤波器本身系数，从而使Volterra滤波器与其核矢量具有线性关系，便于分析线性系统；同时，Volterra滤波器存在大量的非线性耦合项，因此使基于截断Volterra模型的非线性技术能够有效的处理非线性噪声问题。然而，随着Volterra滤波器的阶数或记忆单元m增大，致使其权系数按幂次快速增加，相应所需的计算次数亦成幂次快速增加，这将限制其在有源噪声对消系统中实用化应用。参考文献[3]“基于Sigmoid函数的Volterra自适应有源噪声对消器”(张家树，肖先赐，电子与信息学报，Vol.24，No.4，pp.461-466，2002)采用Volterra的乘积耦合近似结构，构造了一种低复杂度的非线性自适应对消器。参考文献[4]“一种改进的Volterra自适应噪声对消器”(张秀梅，赵知劲，尚俊娜，电讯技术，Vol.34，No.2，pp.77-81，2010)利用Sigmoid函数对背景噪声进行预处理，改进了上述Volterra的近似结构，并用它构造了非线性自适应噪声对消器，具有较好的抗噪性能，但是其系统的稳定性不能够保证，而且为了得到较好的性能，增加其输入信号的长度，然而这将导致计算复杂度的增加。

综上所述，由于存在计算复杂及系统稳定性不能够保证等缺点，将限制上述的非线性自适应滤波器在有源噪声对消系统中实用化应用。

发明内容

本发明的目的就是提供一种基于Laguerre结构的多项式白适应有源噪声对消方法，该方法稳定性好、收敛速度快，计算复杂度低，硬件实现容易。

本发明实现其发明目的，所采用的技术方案是，一种基于Laguerre结构的多项式白适应有源噪声对消方法，其步骤如下：

(1)：参考噪声源的产生

将取值在[-1，1]区间且方差σ²＝3的白噪声，作为对含有用信号s(n)和噪声v(n)的接收信号d(n)进行噪声对消用的参考噪声源r(n)，其中n为时刻；

(2)：基于Laguerre延迟节点的输出信号矢量的计算

将参考噪声源r(n)通过Laguerre延迟节点得到m个延迟输出信号分量u_k(n)，0≤k≤m-1；