基于Matlab/Simulink的天线系统自适应滤波器的仿真实现

作者:胡开宇;艾力·玉苏甫;刘奇 刊名:天文研究与技术 上传者:徐益宏

【摘要】为了使天线系统接收和显示的信号更清晰,达到消除系统噪声和电磁干扰的目的,针对中国科学院新疆天文台南山观测基地对射电天文观测和深空探测(探月工程和火星探测)的特殊要求,利用Matlab/Simulink强大的数值计算与仿真功能实现了一种依据自适应方法滤除噪声的滤波器。首先选择脉冲星1910+0728和1913-0440的观测信号为滤波参考信号。在Matlab上通过编写M文件设计了滤波算法并有效滤除了噪声。然后运用Simulink进行建模仿真,通过不断改变系统阶数与步长找到了滤波效果最好的自适应滤波器,确定了其最优参数为8阶,迭代步长为0.005。实验表明在这种阶数和步长下,滤波器能在保证快速滤波的前提下有效地还原接收信号的轮廓,将偏差降到最小。仿真最终结果表明自适应滤波器滤波效果良好,实用性强,满足了射电天文观测和探月的需求。

全文阅读

自适应滤波器是近几十年发展起来的信号处理理论的一个新的分支。它的研究对象是可以调整自身参数的系统,即可以通过自身与外界环境的接触来改变自身对信号处理的性能,在输入过程的统计特性未知或是输入过程的统计特性变换时,它能够调整自己的参数,达到使系统误差降到最小的目的。随着人们在该领域的研究深入,自适应信号处理的理论和技术日趋完善,其应用领域也越来越广,目前在射电天文领域,国外很多天文台已经开始采用这种新的滤波方法消除无线电干扰对天文观测带来的影响[1]。1自适应滤波器的结构自适应滤波技术是一种能调节自身传输特性以达到最优化目的的维纳滤波器[2-3],因其不需要输入信号的先验知识,因此得到了广泛的应用。自适应滤波,是利用前一时刻获得的滤波器参数的结果,自动调节当前时刻的滤波器参数,以适应信号或噪声未知的或随时间变化的统计特性,从而实现最优滤波。自适应滤波器实质上是一种能调节自身传输特性以达到最优的维纳滤波器。自适应滤波器不需要输入信号的先验知识,计算量小,特别适用于实时处理。图1给出了天线自适应滤波器的工作原理图和新疆天文台南山基地的数字滤波器实物图。图中,x为输入信号;y为输出信号;d为参考信号;e是d和y的误差信号。自适应滤波器的滤波器系数受到误差信号e控制,根据e的值和自适应算法自动调整,用以达到滤除y中噪声的目的,并将滤除噪声后的信号传输到显示系统中。一个自适应滤波器的完整规范由3项组成:(1)应用,主要应用在回波消除、色散信道的均衡、系统辨识、信号增强、自适应波束形成、噪声消除一级控制等领域;(2)结构,有两种结构形式,有限长冲击响应(FIR)滤波器和无限长冲击响应(IIR)滤波器;(3)算法,常用的自适应算法有迫零算法、最陡下降算法、LMS算法、RLS算法以及各种盲均衡算法等[4]。应用最广泛的是LMS算法。图1自适应滤波器的工作原理图及南山站的数字滤波器Fig.1AschematicdiagramofanadaptivefilterandapictureofthedigitalfilterintheNanshanstation2自适应滤波器的原理根据自适应算法的优化准则的不同,自适应滤波算法可以分为两类最基本的算法:最小均方(LMS)算法和递推最小二乘(RLS)算法。最小均方算法简单,计算量小,容易硬件实现,是目前实际应用中较为广泛也较成熟的一种算法,本文对脉冲星信号进行处理选用的是最小均方算法。最小均方算法是1960年由Hoff和Widrow提出的最小均方误差算法[5-6],此算法是基于估计梯度的最速下降算法,算法的判据是基于最小均方误差,即理想信号d(n)与滤波器输出y(n)之差e(n)的平方值的期望值最小,并且根据这个判据修改权系数wi(n),因此这种算法称为最小均方算法。绝大多数对自适应滤波器的研究是基于由Widrow提出的最小均方算法。这是因为最小均方算法的设计和实现都比较简单,在很多应用场合比较实用。令N阶FIR滤波器的抽头系数为wi(n),滤波器的输入和输出分别为x(n)和y(n),则FIR横向滤波器方程可表示为:y(n)=Ni=1wi(n)x(n-i)(1)令d(n)代表“所期望的响应”,并定义误差信号:e(n)=d(n)-y(n)=d(n)-Ni=1wi(n)x(n-i)(2)采用向量形式表示权系数以及输入w和X(n),可以将误差信号e(n)写作:e(n)=d(n)-WTX(n)=d(n)-XT(n)W(3)误差的平方为:e2(n)=d2(n)-2d(n)XT(n)W+WTX(n)XT(n)W(4)上式两边取数学期望后,得

参考文献

引证文献

问答

我要提问