7.2.4. Адаптивные фильтры с распределенной арифметикойПрежде чем приступить к рассмотрению структуры адаптивных фильтров с использованием распределенной арифметики, необходимо исследовать подход на основе распределенной арифметики к не перестраиваемой фильтрации. И действительно, впервые фильтры на основе распределенной арифметики были предложены в работе [253] для реализации биквадратичных (четвертой степени) цифровых фильтров с фиксированной характеристикой. Рассмотрим вначале свертку, определяемую в виде где
а верхний индекс Если входные сигналы кодируются в виде смещенных двоичных чисел, мы можем определить матрицу
где
Рис. 7.8 Блок-схема цифрового фильтра, имеющего постоянный отклик и выполненного на основе распределенной арифметики. (Из работы [68].) Рис. 7.9. Блок-схема адаптивного цифрового фильтра, выполненного на основе распределенной арифметики. Отметим, что теперь транспонирование Поскольку все операции умножения, входящие в заключенный в скобки член уравнения (7.4), являются простыми двоичными операциями, вычисления, входящие в свертку, значительно упрощаются. Однако дальнейшее упрощение можно обеспечить в том случае, если строки матрицы Покажем, как можно сделать фильтр адаптивным, если выражение (7.1) для алгоритма МНК подставить в выражение (7.5); это дает Считая входные сигналы произвольными, имеющими гауссово распределение, найдем, что произведение где т. е. Для эмпирической оценки характеристик такой структуры было выполнено машинное моделирование и были также разработаны аппаратные модули [68]. Здесь представлены некоторые практические результаты, показывающие, какие рабочие характеристики можно получить при использовании данного алгоритма. На рис. 7.10 показана кривая зависимости среднеквадратичной ошибки (СКО) от числа итераций алгоритма для чисто синусоидальных входных сигналов. В данном случае моделируемый фильтр являлся трансверсальным фильтром на восемь выборок с 8 – разрядным квантованием входного сигнала. Ряд кривых сходимости на рис. 7.10 представляет рабочие характеристики при изменении коэффициента сходимости от Результат, показанный на рис. 7.11, получен с помощью прототипа аппаратного модуля, разработанного на основе стандартных транзисторно-транзисторно-логических (ТТЛ) интегральных схем [68]. Этот фильтр также является трансверсальным фильтром на восемь выборок с 8 – разрядным квантованием входного сигнала. Частота выборок для этого фильтра была установлена умеренной и равной 16 кГц. Результат на рис. 7.11 демонстрирует подавление шума, достигаемое с помощью применения подхода на основе фильтра с распределенной арифметикой. Входной сигнал Рис. 7.10. Зависимость характеристики сходимости среднеквадратичной выходной ошибки адаптивного фильтра, выполненного на основе распределенной арифметики, от числа итераций при изменении коэффициента сходимости от Такой подход к расчету адаптивного фильтра потенциально полезен во многих отношениях. Во-первых, его можно легко реализовать с помощью аппаратуры на основе микропроцессоров, поскольку используются лишь операции обращения к памяти, сдвига и сложения. Подобные системы могут легко выполнять свои функции в полосе спектра речи и являются удачной альтернативой более дорогих систем на основе умножителей (рис. 7.3) или выполненных на заказных ИС. Во-вторых, при использовании систем с записью алгоритма в постоянное запоминающее устройство, потенциально достижимая в такой конструкции ширина полосы частот гораздо больше частоты описанной здесь частной системы, равной 40 кГц. При использовании конструкции, показанной на рис. 7.9, можно реализовать частоту выборки вплоть до 2,5 МГц, а более прогрессивная конструкция на основе приборов Шоттки могла бы успешно работать на видеочастотах в случае коротких (например, Последним потенциально полезным аспектом данной структуры является ее пригодность для разработки рекурсивного фильтра. Поскольку исходная архитектура с распределенной арифметикой была построена для разработки рекурсивных фильтров, эта структура идеально подходит для такой перестройки при сравнительно незначительных модификациях. Следовательно, она также потенциально применима для типов фильтров, описанных в гл. 4. Рис. 7.11. Экспериментально полученная характеристика подавления для адаптивного фильтра, выполненного на основе распределенной арифметики: а – входной сигнал; б - входной сигнал
|