买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：淮阴工学院

摘要：本发明公开了一种有界输入有界输出（BIBO，bounded‑inputbounded‑output）稳定的减通道函数扩展3D对角结构双线性滤波器，包括以下步骤：步骤1）初级信号的接收和离散化处理；步骤2）构建函数扩展双线性滤波器的各核函数，将双线性部分梳理成3D对角结构，并根据实际性能与计算量的需求，采用简化计算的减通道实现结构；步骤3）生成权值向量，并初始化；步骤4）配合相应的自适应算法，更新滤波器权值；步骤5）配置滤波器BIBO稳定控制策略；本发明滤波器使用减通道3D对角结构实现，同时针对双线性滤波器存在的BIBO稳定性问题，公开两种稳定控制策略，以提高滤波器稳定性和实用性。该稳定控制策略可应用于其他递归型滤波器，从而解决其他带反馈滤波器的BIBO稳定性问题。

主权项：1.一种BIBO稳定的减通道函数扩展3D对角结构双线性滤波器，其特征在于：所述滤波器通过以下步骤实现：步骤1）初级信号的接收和离散化处理；步骤2）构建函数扩展双线性滤波器的各核函数，将双线性部分梳理成3D对角结构，并根据实际性能与计算量的需求，采用简化计算的减通道实现结构；步骤3）生成权值向量，并初始化；步骤4）配合相应的自适应算法，更新滤波器权值；步骤5）配置滤波器BIBO有界输入有界输出稳定控制策略；所述步骤2）中，减通道实现结构包括如下两种形式：（1）对于不带交叉项函数扩展构成的标准3D结构双线性滤波器，如函数链接人工神经网络扩展形成的标准3D双线性滤波器，减通道结构通过保留主对角通道，剪除边缘对角通道实现；（2）对于带交叉项函数扩展构成的非标准3D结构双线性滤波器，如Volterra沃尔泰拉扩展形成的非标准3D双线性滤波器，减通道结构通过双层减通道方式实现，第一层对Volterra沃尔泰拉扩展本身采用保留主对角通道，剪除边缘对角通道的减通道策略，第二层对Volterra沃尔泰拉扩展后形成的3D结构使用减通道实现策略；所述步骤3）中，权向量由滤波器抽头信号的各个量值构成的向量，由处理器直接生成，初始化时赋值0，通过自适应算法自动更新调整；所述步骤4）中，自适应算法根据应用背景、代价函数的不同，选择不同的算法，如有源噪声控制领域使用滤波x最小均方算法，信道均衡、回声消除领域使用LMS算法及其变体归一化最小均方算法，冲击噪声控制中使用LMP最小平均p能量算法。

全文数据：一种BIBO稳定的减通道函数扩展3D对角结构双线性滤波器技术领域本发明涉及信号处理技术领域，具体涉及一种BIBO稳定的减通道函数扩展3D对角结构双线性滤波器。背景技术信号处理理论与技术的突破带动了通信、雷达、控制以及生物医学工程等学科、产业的迅速发展，自适应信号处理是信号与信息处理学科的重要分支，而自适应滤波理论和技术是自适应信号处理的主要内容。因此，探索高性能的自适应滤波结构及相关自适应算法，具有推动相关学科发展的重大意义。自适应滤波器在现代通信、回声消除、有源噪声与振动控制等领域发挥着不可或缺的作用。但是，随着现代电、磁、声环境的日趋复杂，现有自适应滤波器结构，包括横向有限冲击响应FIR，finiteimpulseresponse滤波器，Volterra滤波器、函数链接神经网络FLANN，functionallinkartificialneuralnetwork滤波器，无线冲击响应IIR，infiniteimpulseresponse滤波器、双线性滤波器等，性能难以满足实际应用需求；同时，芯片技术的飞速发展使得计算能力突飞猛进，新的需求和硬件基础促进了更高性能自适应滤波理论的发展。因此，新型的高性能滤波结构得到了进一步研究，新型滤波器结构主要包括凸组合滤波器、递归滤波器等结构。凸组合滤波器将原横向滤波器进行组合使用，以进一步提高滤波效果，如中国专利CN103414504A公开了一种基于并联凸组合滤波结构，并将其应用于移动通信中的智能天线；美国专利US9729968B2公开一种级联卡尔曼滤波结构，并将其应用于回声消除领域。递归滤波结构将IIR滤波结构中前馈和反馈部分进行函数扩展，提高滤波性能，如中国专利CN106531145A公开一种递归滤波器结构应用于有源噪声控制领域。凸组合滤波器结构复杂，性能提升有限，所以难以大规模使用，递归滤波结构性能提升明显，但存在有界输入有界输出BIBO，bound-inputbound-output的稳定性问题，需要进一步研究。发明内容本发明公开了一种BIBO稳定的减通道函数扩展双线性滤波器结构，该滤波器使用减通道3D对角结构实现，同时针对递归型滤波器存在的BIBO稳定性问题，公开两种稳定控制策略，以提高滤波器稳定性和实用性。该稳定控制策略可应用于其他递归型滤波器，从而解决其他带反馈滤波器的BIBO稳定性问题。本发明通过以下技术方案实现：一种BIBO稳定的减通道函数扩展3D对角结构双线性滤波器，其特征在于：所述滤波器通过以下步骤实现：步骤1初级信号的接收和离散化处理；步骤2构建函数扩展双线性滤波器的各核函数，将双线性部分梳理成3D对角结构，并根据实际性能与计算量的需求，采用简化计算的减通道实现结构；步骤3生成权值向量，并初始化；步骤4配合相应的自适应算法，更新滤波器权值；步骤5配置滤波器BIBO稳定控制策略。本发明进一步技术改进方案是：所述步骤1，在系统辨识中，初始信号即用于激励系统的信号，信道均衡中的初始信号即为通信系统的输入信号，自适应控制系统中的初始信号即为各传感器采集到的系统输入信号，离散化处理是由采集到的模拟信号转换为数字信号，由模数转换器完成。本发明进一步技术改进方案是：所述步骤2中，将离散初始信号使用函数扩展，扩展后的信号与前馈部分信号交叉相乘，构成3D双线性部分信号，前馈的函数扩展信号，反馈信号，双线性交叉部分信号总合构成双线性滤波器前向信号。本发明进一步技术改进方案是：所述步骤2中，减通道实现结构包括如下两种形式：1对于不带交叉项函数扩展构成的标准3D结构双线性滤波器，如函数链接人工神经网络FLANN,functionallinkartificialneuralnetwork扩展形成的标准3D双线性滤波器，减通道结构通过保留主对角通道，剪除边缘对角通道实现；2对于带交叉项函数扩展构成的非标准3D结构双线性滤波器，如Volterra扩展形成的非标准3D双线性滤波器，减通道结构通过双层减通道方式实现，第一层对Volterra扩展本身采用保留主对角通道，剪除边缘对角通道的减通道策略，第二层对Volterra扩展后形成的3D结构使用减通道实现策略。本发明进一步技术改进方案是：所述步骤3中，权向量由滤波器抽头信号的各个量值构成的向量，由处理器直接生成，初始化时赋值0，通过自适应算法自动更新调整。本发明进一步技术改进方案是：所述步骤4中，自适应算法根据应用背景、代价函数的不同，选择不同的算法，如有源噪声控制领域使用滤波x最小均方FXLMS，filtered-xleastmeansquare算法，信道均衡、回声消除领域使用LMS算法及其变体归一化最小均方NLMS，normalizedLMS算法，冲击噪声控制中使用LMPleastmeanp-power算法。本发明进一步技术改进方案是：所述步骤5中，BIBO稳定控制策略包括如下两种方式：策略一、分析函数扩展双线性滤波器中反馈部分、双线性交叉部分满足BIBO稳定的参数条件，实时监控相关条件，一旦参数条件不满足稳定条件时，进行参数重置；策略二、对反馈部分和双线性交叉部分的信号使用限制函数，使信号处于有界可控范围内。本发明与现有技术相比，具有以下明显优点：一、本发明提供一种BIBO稳定的函数扩展双线性滤波器简化实现方式，该滤波器使用简化3D对角结构，有利于减少计算，进一步简化结构，同时不损失滤波性能。二、本发明增加了BIBO稳定控制方法，并给出两种方法，可以保证该滤波器稳定工作；三、本发明的使用环境可不设定背景，滤波器可以用于有源噪声控制、信道均衡、系统辨识、回声消除等领域。附图说明图1为本发明函数扩展双线性滤波器框图；图2为本发明FLANN扩展双线性部分3D对角结构及减通道结构；图3为本发明Volterra扩展双线性部分3D对角结构及减通道结构；图4为本发明Volterra扩展对角通道结构；图5本发明应用流程图。具体实施方式以下结合附图1、2、3、4、5，对本发明滤波器的实现步骤作进一步阐释。1初级信号的接收和离散化处理。在系统辨识中，初始信号即用于激励系统的信号，信道均衡中的初始信号即为通信系统的输入信号，自适应控制系统中的初始信号即为各传感器采集到的系统输入信号，如有源噪声控制中由传声器采集到的声源噪声信号，有源噪声控制系统中采集到的整栋信号等。离散化处理是由采集到的模拟信号转换为数字信号，由模数转换器ADC，AnalogDigitalConverter完成。采样序列为xn＝[xn,xn-1,xn-2,…,xn-N+1]T，所述xn信号为1维信号，T为转置，该采样序列中包初始信号的当前时刻和前N-1时刻的离散值，N为滤波器的抽头数量，由技术人员根据不同应用背景确定，通信系统中一般使用256或512等抽头数量，自适应控制中，根据实时性要求，可以选取30,128等抽头数量。2构建函数扩展双线性滤波器的各核函数，将双线性部分梳理成3D对角结构，并根据实际性能与计算量的需求，采用简化计算的减通道实现结构。将离散初始信号使用函数扩展，扩展函数可以使用Volterra核、FLANN核、镜像傅里叶非线性核EMFN，EvenMirrorFourierNonlinear，Chebyshev核，Legendre核等；扩展后的信号与前馈部分信号交叉相乘，构成3D双线性部分信号，前馈的函数扩展信号，反馈信号，双线性交叉部分信号总合构成双线性滤波器前向信号。具体地，如图1所示，函数扩展双线性滤波器实现如下：其中k为使用扩展函数的基函数数量，M为基函数总数量，i为第i条矩形对角结构，N为存储器长度，j为时延值。3D结构复杂，计算量大，为进一步简化结构，提高计算效率，可只保留部分的主通道，去除边缘滤波贡献较小的通道信号，该种简化通道实现方式的数学表示如下：该表达式中，总计2R矩形对角通道信号被保留，当R＝N时，所有通道信号被保留，在实际使用，R取2时即可达到N＝10的90％的滤波性能，计算量可减少70％-80％。如图2和3给出了FLANN和Volterra扩展的双线性交叉部分的3D结构该结构中，使用的滤波长度N＝3。在FLANN扩展3D结构中，扩展基函数为：φ1[xn]＝xn,φ2[xn]＝sin[πxn],φ3[xn]＝cos[πxn],φ4[xn]＝sin[2πxn],φ5[xn]＝cos[2πxn],…,φ2P[xn]＝sin[Pπxn],φ2P+1[xn]＝cos[Pπxn]。如图2所示，每个扩展基函数与反馈部分yn-1构成一层对角结构，xn与yn-1构成了一层有2N个对角通道的信号层，多层叠加在一起，并将相应的主通道对齐，即构成FLANN扩展的3D对角结构。该结构中，相比于2D结构，对角线通道变成矩形对角通道，各扩展函数的主对角信号依然位于主对角矩形上。减通道实现结构中，将边缘滤波贡献小的通道剪除，只保留几条主矩形通道区域，图2中粗实线即为保留的主对角通道，由于信号能量主要集中于主对角通道，所以在边缘通道信号被剪除后，该结构降低了计算量，但基本不损失滤波性能。图3给出了Volterra扩展3D对角结构及其减通道结构。由图4中Volterra对角通道实现结构可见，Volterra函数扩展中，部分信号无时延信号或只有部分时延信号，所以在3D结构中，部分层的信号只有一部分，如xnxn-N与yn-1构成的信号层，只有很少的信号结构，Volterra扩展3D结构中，由于延时信号限制的原因，原矩形对角通道结构变为梯形对角通道结构。针对Volterra扩展3D结构，本发明公开两种减通道实现方法，优选使用第一种方法。方法1：使用双层减通道策略，如图4所示，先对Volterra扩展函数使用减通道策略，仅保留两条实线对角通道，使用保留下的基函数构建3D对角结构后，再次使用减通道策略，最终保留的通道及信号如图3中粗实线所示。该方法计算复杂度低。方法2：以完整Volterra扩展基函数构建3D结构，而后在3D结构中只保留主通道信号，该方法将Volterra扩展基函数中贡献较小的基函数也用于生成3D结构，实质上这些信号滤波贡献较小，导致计算复杂度相比于方法1高。输出表达式2的向量表达式为：yn＝ATnφ[xn]+bTnyn-1+GTnUn+HTnVn3其中φ[xn]是前馈函数扩展信号，Un和Vn是双线性部分中的上三角信号和下三角信号，定义如下：φ[xn]＝{φ1[xn],...,φ1[xn-N],φ2[xn],...,φ2[xn-N],...,φN[xn],...,φN[xn-N]}T4An、Gn、和Hn是相应的权值向量，定义如下：An＝[a1,1n,...,a1,Nn,a2,1n,...,a2,Nn,...,aM,1n,...,aM,Nn]T7Gn＝[g1,1,1n,...,g1,1,Nn,...,g1,M,Nn,...,gQ,1,0n,...,gQ,1,N-Qn,...,gQ,M,N-Qn]T8Hn＝[h1,1,1n,...,h1,1,Nn,...,h1,M,Nn,...,hN,1,0n,...,hQ,1,N-Qn,...,hQ,M,N-Qn]T93生成权值向量，并初始化；权向量由滤波器抽头信号的各个量值构成的向量，由处理器直接生成，初始化时赋值0，一般通过自适应算法自动更新调整。将步骤2中各信号合并为P*1维列向量：fn＝[φT[xn],yTn,UTn,VTn]T10将各权值信号合并为权向量：wn＝[ATn,bTn,GTn,HTn]T11权值向量wn为P*1维列向量，T为转置。P的值由存储器长度、扩展函数和减通道实现策略决定，技术人员可根据实际使用确定。滤波器输出可表示为：yn＝fTnwn124配合相应的自适应算法，更新滤波器权值；自适应算法根据应用背景、代价函数的不同，有不同的方法，如有源噪声控制领域使用滤波x最小均方FXLMS，Filtered-XLeastMeanSquare算法，信道均衡、回声消除领域使用LMS算法及其变体归一化最小均方NLMS，NormalizedLMS，冲击噪声控制中使用LMPLeastMeanP-power算法。本发明基于最广泛使用的LMS算法为基础阐述滤波器权值更新算法。其他算法对本领域技术人员为简单技术变体。在LMS算法中，误差信号定义为：目标函数定义为误差信号的平方，ξw＝E[e2n]14权值更新的目的是最小化目标函数，权值更新公式为：wn+1＝wn+μenfn155配置滤波器BIBO稳定控制策略；BIBO指滤波器输入有界的前提下，应保持输出有界，否则滤波器的极点会在单位圆外，导致滤波器发散而无法工作。本发明公开两种稳定控制方法，两种方法均可保证BIBO稳定，技术人员可根据实际情况选取相应方法。BIBO稳定方法一：分析函数扩展双线性滤波器中反馈部分、双线性交叉部分满足BIBO稳定的参数条件，实时监控相关条件，一旦参数条件不满足稳定条件时，进行参数重置。BIBO稳定的充分条件如下:其中qi为反馈部分yn-1的极点值，Mx为输入信号绝对值的最大值。当该稳定条件中，qi不满足时，极点qi在单位圆外，可对qi进行镜像对称操作，使其重新回到单位圆内，反馈部分的z平面表达式满足下式：zL-bj,i,1nz-L-1-…-bj,i,Ln＝z-q1z-q2…z-1qm…z-qN18BIBO稳定方法二：对反馈部分和双线性交叉部分的信号使用限制函数，使信号处于有界可控范围内。将反馈部分和双线性部分信号，使用双曲函数限制取值范围，即将原信号中的yn-1和φ[xn]yn-1部分变更为tanh[yn-1]和tanh{φ[xn]yn-1}。本发明方案所公开的技术手段不仅限于上述实施方式所公开的技术手段，还包括由以上技术特征任意组合所组成的技术方案。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

权利要求：1.一种BIBO稳定的减通道函数扩展3D对角结构双线性滤波器，其特征在于：所述滤波器通过以下步骤实现：步骤1）初级信号的接收和离散化处理；步骤2）构建函数扩展双线性滤波器的各核函数，将双线性部分梳理成3D对角结构，并根据实际性能与计算量的需求，采用简化计算的减通道实现结构；步骤3）生成权值向量，并初始化；步骤4）配合相应的自适应算法，更新滤波器权值；步骤5）配置滤波器BIBO稳定控制策略。2.根据权利要求1所述的一种BIBO稳定的减通道函数扩展3D对角结构双线性滤波器，其特征在于：所述步骤1），在系统辨识中，初始信号即用于激励系统的信号，信道均衡中的初始信号即为通信系统的输入信号，自适应控制系统中的初始信号即为各传感器采集到的系统输入信号，离散化处理是由采集到的模拟信号转换为数字信号，由模数转换器完成。3.根据权利要求1所述的一种BIBO稳定的减通道函数扩展3D对角结构双线性滤波器，其特征在于：所述步骤2）中，将离散初始信号使用函数扩展，扩展后的信号与前馈部分信号交叉相乘，构成3D双线性部分信号，前馈的函数扩展信号，反馈信号，双线性交叉部分信号总合构成双线性滤波器前向信号。4.根据权利要求1或3所述的一种BIBO稳定的减通道函数扩展3D对角结构双线性滤波器，其特征在于：所述步骤2）中，减通道实现结构包括如下两种形式：（1）对于不带交叉项函数扩展构成的标准3D结构双线性滤波器，如函数链接人工神经网络（FLANN,functionallinkartificialneuralnetwork）扩展形成的标准3D双线性滤波器，减通道结构通过保留主对角通道，剪除边缘对角通道实现；（2）对于带交叉项函数扩展构成的非标准3D结构双线性滤波器，如Volterra扩展形成的非标准3D双线性滤波器，减通道结构通过双层减通道方式实现，第一层对Volterra扩展本身采用保留主对角通道，剪除边缘对角通道的减通道策略，第二层对Volterra扩展后形成的3D结构使用减通道实现策略。5.根据权利要求1所述的一种BIBO稳定的减通道函数扩展3D对角结构双线性滤波器，其特征在于：所述步骤3）中，权向量由滤波器抽头信号的各个量值构成的向量，由处理器直接生成，初始化时赋值0，通过自适应算法自动更新调整。6.根据权利要求1所述的一种BIBO稳定的减通道函数扩展3D对角结构双线性滤波器，其特征在于：所述步骤4）中，自适应算法根据应用背景、代价函数的不同，选择不同的算法，如有源噪声控制领域使用滤波x最小均方（FXLMS，filtered-xleastmeansquare）算法，信道均衡、回声消除领域使用LMS算法及其变体归一化最小均方（NLMS，normalizedLMS）算法，冲击噪声控制中使用LMP（leastmeanp-power）算法。7.根据权利要求1所述的一种BIBO稳定的减通道函数扩展3D对角结构双线性滤波器，其特征在于：所述步骤5）中，BIBO稳定控制策略包括如下两种方式：策略一、分析函数扩展双线性滤波器中反馈部分、双线性交叉部分满足BIBO稳定的参数条件，实时监控相关条件，一旦参数条件不满足稳定条件时，进行参数重置；策略二、对反馈部分和双线性交叉部分的信号使用限制函数，使信号处于有界可控范围内。

百度查询： 淮阴工学院 一种BIBO稳定的减通道函数扩展3D对角结构双线性滤波器