CN116401493A - 一种适用于中压载波系统的自适应滤波方法 - Google Patents

一种适用于中压载波系统的自适应滤波方法 Download PDF

Info

Publication number
CN116401493A
CN116401493A CN202310384387.4A CN202310384387A CN116401493A CN 116401493 A CN116401493 A CN 116401493A CN 202310384387 A CN202310384387 A CN 202310384387A CN 116401493 A CN116401493 A CN 116401493A
Authority
CN
China
Prior art keywords
signal
carrier
sampling points
fpga
filtering method
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202310384387.4A
Other languages
English (en)
Inventor
徐剑英
崔键
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Qingdao Topscomm Communication Co Ltd
Original Assignee
Qingdao Topscomm Communication Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Qingdao Topscomm Communication Co Ltd filed Critical Qingdao Topscomm Communication Co Ltd
Priority to CN202310384387.4A priority Critical patent/CN116401493A/zh
Publication of CN116401493A publication Critical patent/CN116401493A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/10—Pre-processing; Data cleansing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02—Preprocessing
    • G06F2218/04—Denoising
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/40—Arrangements for reducing harmonics

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Algebra (AREA)
  • Computing Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Filters That Use Time-Delay Elements (AREA)

Abstract

本发明属于电力线通信技术领域，具体公开了一种适用于中压载波系统的自适应滤波方法，包括：根据FPGA计算能力，决策系统能存储的采样点数量；FPGA存储包含连续多个采样点的信号，作为输入信号(底噪)；给出自适应滤波器的目标函数，以输入信号为基础，通过求偏导和逆矩阵的形式求解滤波系数。本发明以提前存储单相底噪作为输入信号的形式，除去了自适应滤波器对于两路信号的要求。在中压载波电力线通信这种类似只有一路信号的的场景中，完全有效。通过对提前存储的单相底噪进行迭代参数计算，可以对下一帧甚至几帧数据进行有效滤波，提高链路信噪比。本发明对存储时间的要求不高，即对芯片的计算能力要求不高，适用性很广。

Description

一种适用于中压载波系统的自适应滤波方法
技术领域
本发明属于电力线通信技术领域，具体涉及一种适用于中压载波系统的自适应滤波方法。
背景技术
在通常的滤波场合中，从频域的角度进行滤波，只要给出相应的设计指标就可以很方便的设计出满足要求的滤波器。然而在更一般的情况下，人们所需要的滤波器工作环境是时变的，这就导致事先已经设计好的滤波器性能下降甚至不能被使用，比如被埋藏在强背景噪声中微弱而不稳定的有用信号，要想在非平稳且随时间变化的背景噪声中提出信号，就需要自适应噪声抵消技术。
自适应噪声抵消技术的核心是自适应滤波器，自适应算法对其参数进行控制，以实现最佳滤波。不同的自适应滤波算法，具有不同的收敛速度、稳态失调和算法复杂度。根据自适应算法是否与滤波器输出有关，可将其分成开环算法和闭环算法。自适应噪声抵消技术利用了输出反馈，属于闭环算法。其优点在于能在滤波器输入变化时保持最佳的输出，而且还能在某种程度上补偿滤波器元件参数的变化误差以及运算误差，其缺点在于稳定性问题和收敛速度。
此外，自适应滤波的工作前提是需要对至少两路信号同时进行处理，其中一路为包含信号和噪声的相线，另一路仅含有噪声(或信号信息幅值极小)。对于中压载波系统来说，三相电力线存在强耦合现象，可近似看做只有一路信号。这给自适应滤波带来了极大的挑战。
发明内容
为解决上述现有技术存在的不足或缺陷，本发明提出一种适用于中压载波系统的自适应滤波方法。本发明去除了自适用滤波对两路信号的强制要求，采用单相提取噪声的方式进行滤波，最终提高链路的信噪比。
本发明的技术方案为：
一种适用于中压载波系统的自适应滤波方法，包括以下步骤：
S1：计算FPGA计算系统可存储的采样点数量，根据FPGA算力，计算规定时间内FPGA可承载的采样点计算数量q；
S2：载波机发送报文后，转为接收状态，载波机内的FPGA存储接收到包含连续q个采样点的底噪信号，作为输入信号x(n)；在载波机接收到新的信号前，FPGA每新存储一个采样点，都会剔除掉原q个采样点中的第一个采样点，即FGPA中永远只存储最新的q个采样点；
S3：采集当前载波机接收信号，作为期望信号d(n)；期望信号d(n)是噪声和有用信号的叠加，其中d(n)中的噪声与S2中的x(n)具有相关性。x(n)经过自适应滤波器后，将被用于抵消d(n)中的噪声，得到期望信号与模型滤波器输出信号之差e(n)；
S4：在给定时刻k，输入S2的信号向量为
Figure BDA0004173338500000021
得到基于滤波系数的目标函数ξd(k)；
S5：对目标函数求滤波系数w(k)的偏导转化，作为输入信号的确定性相关矩阵RD(k)和输入信号与期望信号之间的确定性互相关向量PD(k)的乘积形式；
S6：利用矩阵求逆引理，求解RD(k)的逆矩阵，将复杂的逆运算更替为乘除运算；
S7：求解PD(k)，计算w(k)，再次计算目标函数ξd(k)；
S8：鉴于不同业务的报文的长度不同，通过对q的微调，进一步增强滤波器的性能。
本发明的有益效果为：以提前存储单相底噪作为输入信号的形式，除去了自适应滤波器对于两路信号的要求。与实时计算的自适应滤波器相比，性能有所下降。但在中压载波电力线通信这种类似只有一路信号的的场景中，完全有效。通过对提前存储的单相底噪进行迭代参数计算，可以对下一帧甚至几帧数据进行有效滤波，提高链路信噪比。本发明对存储时间的要求不高，即对芯片的计算能力要求不高，适用性很广。
附图说明
图1为本发明实施例一种适用于中压载波系统的自适应滤波方法消除噪声方法图。
图2为本发明实施例一种适用于中压载波系统的自适应滤波方法流程图。
具体实施方式
下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图2所示，本实施例的具体流程为：
S1：根据FPGA计算系统能存储的采样点数量。根据FPGA算力，计算规定时间内FPGA可承载的采样点计算数量q。
每个采样点需要的计算量分析如下：SD计算需要4*n2+n次乘法，(3n-2)*n次加法；PD计算需要2n次乘法及n次加法。w(k)的计算需要n2次乘法和(n-1)次加法。
S2：载波机发送报文后，转为接收状态，FPGA存储包含连续q个采样点的底噪信号，作为输入信号x(n)。存储时间为
Figure BDA0004173338500000031
秒，其中Q为采样率，单位MHZ。存储时间必须大于载波机发送报文结束与载波机接收报文的时间差。以保证存储的信号是不含载波信号的底噪；若载波机未检测到载波信号前，FPGA又新存储q个采样点的信号，则保留最新存储的，删除前一个存储；
S3：载波机当前接收信号作为期望信号d(n)，其中d(n)中的噪声与S2中的x(n)具有相关性。如图1所示，x(n)经过自适应滤波器后，将被用于抵消d(n)中的噪声，得到期望信号与模型滤波器输出信号之差e(n)；
S4：在给定时刻k，输入到步骤S2的信号向量
Figure BDA0004173338500000032
其中N为滤波器个数。滤波系数为wj(k),j＝0,1,2,…,N，通过自适应调整wj(k)的值，来实现目标函数(期望信号与模型滤波器输出信号之差e(n)的平方和)最小化。目标函数定义为：
Figure BDA0004173338500000033
式中，d(i)为i时刻的期望信号，ε(i)＝e(n)为i时刻的后验输出误差，λ为指数加权因子，也被称为遗忘因子，取值范围在0～1之间，其值越大，旧数据对系数更新的贡献就越小。
S5：对目标函数求
Figure BDA0004173338500000034
的偏导，将/>
Figure BDA0004173338500000035
转化为输入信号的确定性相关矩阵/>
Figure BDA0004173338500000036
和输入信号与期望信号之间的确定性互相关向量/>
Figure BDA0004173338500000037
的乘积形式。
为了求ξd(k)的极小值，对其求w(k)的偏导，令偏导为0即可，公式如下：
Figure BDA0004173338500000038
得到下面关系：
Figure BDA0004173338500000041
S6：利用矩阵求逆引理，得到确定性相关矩阵
Figure BDA0004173338500000042
的逆矩阵公式为：
Figure BDA0004173338500000043
从上式中看出，复杂的矩阵求逆运算被替换为了普通乘除计算，而串行系统对于这种迭代计算十分合适。
S7：根据求解出的
Figure BDA0004173338500000044
再次计算S5中w(k)，并根据再次计算的w(k)，求得S4中目标函数ξd(k)，其中，/>
Figure BDA0004173338500000045
S8：鉴于不同业务的报文的长度不同，通过对q的微调，进一步增强滤波器的性能。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，所属领域的普通技术人员参照上述实施例依然可以对本发明的具体实施方式进行修改或者等同替换，这些未脱离本发明精神和范围的任何修改或者等同替换，均在申请待批的本发明的权利要求保护范围之内。

Claims (7)

1.一种适用于中压载波系统的自适应滤波方法，其特征在于，具体包括以下步骤：
S1：计算FPGA计算系统可存储的采样点数量，根据FPGA算力，计算规定时间内FPGA可承载的采样点计算数量q；
S2：载波机发送报文后，转为接收状态，载波机内的FPGA存储接收到包含连续q个采样点的底噪信号，作为输入信号x(n)；在载波机接收到新的信号前，FPGA每新存储一个采样点，都会剔除掉原q个采样点中的第一个采样点，即FGPA中永远只存储最新的q个采样点；
S3：采集载波机接收信号，作为期望信号d(n)；期望信号d(n)是噪声和有用信号的叠加，其中d(n)中的噪声与S2中的x(n)具有相关性；x(n)经过自适应滤波器后，将被用于抵消d(n)中的噪声，得到期望信号与模型滤波器输出信号之差e(n)；
S4：在给定时刻k，输入S2的信号向量为
Figure FDA0004173338490000011
得到基于滤波系数的目标函数ξd(k)；
S5：对目标函数求滤波系数
Figure FDA0004173338490000012
的偏导转化，作为输入信号的确定性相关矩阵/>
Figure FDA0004173338490000013
和输入信号与期望信号之间的确定性互相关向量/>
Figure FDA0004173338490000014
的乘积形式；
S6：利用矩阵求逆引理，求解
Figure FDA0004173338490000015
的逆矩阵，将复杂的逆运算更替为乘除运算；
S7：求解
Figure FDA0004173338490000016
计算w(k)，再次计算目标函数ξd(k)；
S8：鉴于不同业务的报文的长度不同，通过对q的微调，进一步增强滤波器的性能。
2.根据权利要求1所述的一种适用于中压载波系统的自适应滤波方法，其特征在于，所述步骤S1每个采样点需要的计算量分析如下：SD计算需要4*n2+n次乘法，(3n-2)*n次加法；PD计算需要2n次乘法及n次加法；w(k)的计算需要n2次乘法和(n-1)次加法。
3.根据权利要求1所述的一种适用于中压载波系统的自适应滤波方法，其特征在于，所述步骤S2载波机发送报文后，转为接收状态，FPGA存储包含连续q个采样点的信号x，作为输入信号，存储时间为
Figure FDA0004173338490000017
秒，其中Q为采样率，单位MHZ；存储时间必须大于载波机发送报文结束与载波机接收报文的时间差，以保证存储的信号是不含载波信号的底噪；若载波机未检测到载波信号前，FPGA又新存储的q个采样点的信号，则保留最新存储的，删除前一个存储。
4.根据权利要求1所述的一种适用于中压载波系统的自适应滤波方法，其特征在于，所述步骤S4，在给定时刻k，输入提前存储的q个采样点的信号向量
Figure FDA0004173338490000018
其中N为滤波器个数；滤波系数为wj(k),j＝0,1,2,…,N，通过自适应调整wj(k)的值，来实现目标函数(期望信号与模型滤波器输出信号之差e(n)的平方和)最小化，目标函数定义为：
Figure FDA0004173338490000021
式中，d(i)为i时刻的期望信号，ε(i)＝e(n)为i时刻的后验输出误差，λ为指数加权因子，也被称为遗忘因子，取值范围在0～1之间，其值越大，旧数据对系数更新的贡献就越小。
5.根据权利要求1所述的一种适用于中压载波系统的自适应滤波方法，其特征在于，所述步骤S5对目标函数求
Figure FDA0004173338490000022
的偏导，将/>
Figure FDA0004173338490000023
转化为输入信号的确定性相关矩阵/>
Figure FDA0004173338490000024
和输入信号与期望信号之间的确定性互相关向量/>
Figure FDA0004173338490000025
的乘积形式；
为了求ξd(k)的极小值，对其求w(k)的偏导，令偏导为0即可，公式如下：
Figure FDA0004173338490000026
得到下面关系：
Figure FDA0004173338490000027
6.根据权利要求1所述的一种适用于中压载波系统的自适应滤波方法，其特征在于，所述步骤S6利用矩阵求逆引理，得到确定性相关矩阵
Figure FDA0004173338490000028
的逆矩阵公式为：
Figure FDA0004173338490000029
7.根据权利要求1所述的一种适用于中压载波系统的自适应滤波方法，其特征在于，所述步骤S7中的
Figure FDA00041733384900000210
CN202310384387.4A 2023-04-11 2023-04-11 一种适用于中压载波系统的自适应滤波方法 Pending CN116401493A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310384387.4A CN116401493A (zh) 2023-04-11 2023-04-11 一种适用于中压载波系统的自适应滤波方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310384387.4A CN116401493A (zh) 2023-04-11 2023-04-11 一种适用于中压载波系统的自适应滤波方法

Publications (1)

Publication Number Publication Date
CN116401493A true CN116401493A (zh) 2023-07-07

Family

ID=87011986

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310384387.4A Pending CN116401493A (zh) 2023-04-11 2023-04-11 一种适用于中压载波系统的自适应滤波方法

Country Status (1)

Country Link
CN (1) CN116401493A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117014260A (zh) * 2023-10-07 2023-11-07 芯迈微半导体(上海)有限公司 一种信道估计滤波系数的加载方法和加载装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117014260A (zh) * 2023-10-07 2023-11-07 芯迈微半导体(上海)有限公司 一种信道估计滤波系数的加载方法和加载装置
CN117014260B (zh) * 2023-10-07 2024-01-02 芯迈微半导体(上海)有限公司 一种信道估计滤波系数的加载方法和加载装置

Similar Documents

Publication Publication Date Title
Park et al. Fast tracking RLS algorithm using novel variable forgetting factor with unity zone
NZ253807A (en) Estimating received digital symbols using viterbi algorithm
CN108200522B (zh) 一种变正则化比例归一化子带自适应滤波方法
CN116401493A (zh) 一种适用于中压载波系统的自适应滤波方法
US20060161428A1 (en) Narrowband detector
JPH07176991A (ja) 適応フィルタ装置及びその制御方法
Shaddeli et al. Noise removal from ECG signals by adaptive filter based on variable step size LMS using evolutionary algorithms
Boudreau et al. Joint time-delay estimation and adaptive recursive least squares filtering
Thevaril et al. Speech enhancement using adaptive neuro-fuzzy filtering
CN116154773A (zh) 一种配电网电能质量优化控制方法
US6202075B1 (en) Second order LMS tap update algorithm with high tracking capability
Lin et al. Design of an SCRFNN-based nonlinear channel equaliser
Ramdane et al. Low-complexity Fast NLMS based on Partial Updating Strategy for Acoustic Echo Cancellation
Vainio et al. Harmonics-resistant adaptive algorithm for line-frequency signal processing
JP3087491B2 (ja) 適応等化器
CN113676156B (zh) 一种基于lms的任意幅频响应fir滤波器设计方法
CN113472346B (zh) 一种基于复合型滤波器的电网同步软件锁相环
Arezki et al. Improvement of the simplified FTF-Type algorithm
CN116248078A (zh) 一种鲁棒的复数自适应系统、迭代方法及处理器可读介质
CN112422102A (zh) 一种节省乘法器的数字滤波器及其实现方法
Mayyas et al. A fast weighted subband adaptive algorithm
Devi et al. A New Time Varying Adaptive Filtering System (TVAFS) for Ambulatory ECG Signals
Wattanaluk et al. Variable step-size modified MNG algorithm for adaptive IIR notch filter for detection of sinusoids
Arezki et al. Fast algorithms with low complexity for adaptive filtering
CN118300464A (zh) 一种改进式混合终端滑模的直线振荡电机速度观测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination