Вы находитесь на странице: 1из 8

ВОПРОСЫ ТЕОРИИ

Адаптивные фильтры и их приложения


в радиотехнике и связи
(часть 3)

Виктор Джиган (Москва)


ные являются шумом – межсимволь
Настоящая статья является введением в теорию и практику адаптивной ной интерференцией, которая не поз
фильтрации. В ней рассмотрены основные понятия и термины, воляет правильно различать символы
используемые в адаптивной обработке сигналов, структуры адаптивных на приёмной стороне. Чтобы повысить
фильтров, целевые функции, лежащие в основе функционирования вероятность правильного решения от
адаптивных фильтров, а также ряд наиболее известных приложений носительно принимаемых символов,
адаптивных фильтров, таких как подавление эхо"сигналов, используются эквалайзеры, которые
выравнивание электрических характеристик каналов связи, адаптивные уменьшают межсимвольную интерфе
антенные решётки, шумоочистка и линейное предсказание. ренцию.
Эквалайзер функционирует таким
образом, что его АЧХ становится близ
ОБРАТНАЯ ИДЕНТИФИКАЦИЯ формационного символа x ~(k) символу кой к обратной АЧХ канала связи. Дру
НЕИЗВЕСТНОЙ СИСТЕМЫ x(k), переданному по каналу связи. гими словами, совместная АЧХ канала
И ВЫРАВНИВАНИЕ Если бы канал связи представлял со связи и эквалайзера становится близ
ЭЛЕКТРИЧЕСКИХ бой простую линию задержки на вре кой к равномерной. Это означает, что
ХАРАКТЕРИСТИК КАНАЛОВ СВЯЗИ мя t0, то принимаемые информацион свёртка импульсных откликов канала
Другим примером использования ные символы оценивались бы легко. связи w и эквалайзера h в моменты вре
адаптивных фильтров является задача Однако большинство каналов связи с мени kT близка к дельтафункции (см.
обратной идентификации объекта. Ре математической точки зрения пред рис. 20б). В этом случае выходной сиг
шение этой задачи широко используется ставляют собой КИХфильтр с импульс нал эквалайзера определяется как
для выравнивания характеристик элек ным откликом w (см. рис. 20а). Соглас y(t0 + kT) = δ(t0 + kT) + 0, т.е. может быть
трических каналов связи (см. рис. 19) с но рисунку 20а, в каждый отсчёт време оценен правильно.
помощью адаптивных эквалайзеров ни k, совпадающий с моментом смены Если сравнить рис. 4 и 19, то можно
[28, 29]. информационных символов с перио заметить, что в последнем случае также
Необходимость использования эква дом T, на выходе канала образуется решается задача идентификации ли
лайзеров возникает изза того, что при взвешенная сумма передаваемых под нейной системы, определяющей задерж
передаче цифровых данных по кана ряд символов: ку приёма передаваемого сигнала. Из
лам связи с ограниченной полосой вестно, что импульсная характеристика
пропускания возникает явление, назы линии задержки равна дельтафунк
ваемое межсимвольной интерферен ции (т.е. одному ненулевому ВК), а АЧХ,
цией. Межсимвольная интерференция, . как следствие, является равномерной.
наряду с шумом z(k) (см. рис. 19), ска Идентификация импульсной характе
зывается на правильности принятия В этой сумме только один символ не ристики линии задержки осуществля
решения о соответствии принятого ин сёт текущую информацию, а осталь ется с помощью каскадного соедине
ния КИХфильтра с фиксированными
ВК (канала связи) и КИХфильтра с из
меняемыми ВК (адаптивного фильт
ра). Это означает, что свёртка фикси
рованного импульсного отклика ка
нала связи с импульсным откликом
адаптивного фильтра в процессе адап
тации приближается к дельтафунк
ции, а АЧХ становится равномерной.
Рис. 19. Выравнивание электрического канала связи Поэтому АЧХ адаптивного фильтра
приближается к обратной АЧХ канала
w (t ) – импульсный отклик δ (t0) связи.
* канала связи * Совместный импульсный
отклик канала связи На практике требуемый сигнал фор
и эквалайзера мируется на приёмной стороне в тече
* * ние времени выполнения протокола
t t
* * * * * установления модемом связи, когда та
*
t 0−2T t0*−T t0 t 0*+ T t 0+ 2T t 0+ 3T t0− 2T t0− T t0 t0+ T t0+ 2T t0+ 3T
кая же последовательность передаётся
а) б)
модемом источника информации на
Рис. 20. Выравнивание электрического канала связи другом конце канала связи. После наст

70 © СТАПРЕСС WWW.SOEL.RU СОВРЕМЕННАЯ ЭЛЕКТРОНИКА ◆ № 2 2010


ВОПРОСЫ ТЕОРИИ

а) б)

Рис. 21. Адаптивные эквалайзеры


(а) без обратной связи, (б) с обратной связью

ройки адаптивного фильтра эквалайзе по каналу связи. Символы «Канал» – также некоторого искусства при выбо
ра, т.е. когда предполагается, что канал созвездие на выходе канала связи. Вид ре оптимального значения параметра
связи уже выровнен и вместо известной но, что без принятия какихто допол . Это также свидетельствует о превос
тренировочной последовательности нительных мер эти данные невозмож ходстве адаптивных фильтров на базе
уже передаются собственно неизвест но различить. Такой «дополнительной сложных алгоритмов над фильтрами
ные данные, в качестве сигнала d(k) ис мерой» является выравнивание кана на базе простых алгоритмов.
пользуется сигнал y ~(k), т.е. выходной ла связи. На рисунке 24 (см. созвездие, Следует также отметить, что для вы
сигнал адаптивного фильтра y(k), «кван обозначенное как «Эквалайзер») на равнивания каналов связи могут при
тованный» по критерию минимума рас блюдается очевидное превосходство меняться и т.н. «слепые эквалайзеры»,
стояния до элементов созвездия алфа эквалайзера с обратной связью перед т.е. не требующие тренировочных по
вита передаваемых данных. эквалайзером без обратной связи. следовательностей. Один из возможных
Существует два типа эквалайзеров Если сравнить поведение рассмот способов построения таких устройств
(см. рис. 21): без обратной связи и с об ренных эквалайзеров с эквалайзерами базируется на использовании CMкри
ратной связью [28, 29]. Эквалайзеры с на базе NLMSалгоритма, то в обоих терия [34] в случае, если передаваемые
обратной связью обеспечивают более случаях результаты будут худшими. Эк информационные символы удовлет
качественное выравнивание характе валайзер на базе этого алгоритма тре воряют этому критерию. Адаптивные
ристик канала связи, т.к. выходной сиг бует в десятки раз превышающую по алгоритмы на основе СМкритерия
нал такого эквалайзера после обучения длительности тренировочную после применяются для обработки PSKсиг
частично формируется из раннее при довательность для обеспечения сходи налов (см. рис. 25), а также других сиг
нятых «правильных» символов. Адап мости более медленного алгоритма, а налов, характеризуемых постоянным
тивный фильтр эквалайзера с обрат
ной связью можно рассматривать как w h
0,6 6
двухканальный адаптивный фильтр. 6
0,4
Результаты моделирования, подтве 6
рждающие это, представлены на рисун 0,2
4
ках 22 – 24. Из рисунков 22 и 23 следует, 0 2
что эквалайзер без обратной связи вы 0
–0,2
равнивает характеристики канала связи –2
–0,4
несколько хуже, чем эквалайзер с обрат –4
ной связью. Это проявляется в том, что –0,6 –6
свёртка импульсных откликов канала –0,8 –6
связи и эквалайзера без обратной связи 0 5 10 15 20 25 30 35 0 20 40 60 80 100 120
а) N б) N
(см. рис. 23) в меньшей степени напоми
h Амплитуда, дБ
нает дельтафункцию, чем в случае эква 1,2 40
лайзера с обратной связью (см. рис. 22), 1 20
и, как следствие, провал в АЧХ канала 2
0,8 3
связи (–60 дБ в рассматриваемом при 0
0,6 1
мере) выравнивается поразному. По –20
этому передаваемые информационные 0,4
символы (в данном случае с квадратур –40
0,2
ной фазовой модуляцией Phase Shift –60
0
Keying, PSK8) после выравнивания ка
–0,2 –80
нала различаются (рис. 24). 0 20 40 60 80 100 120 140 0 100 200 300 400 500 600
На рисунке 24 показано выравнива N Частота (спектральные составляющие)
в) г)
ние канала связи в терминах созвез
дий наблюдаемых информационных Рис. 22. Выравнивание канала: RLSалгоритм, эквалайзер с обратной связью
символов. Здесь символы «Данные» – (а) импульсный отклик канала связи, (б) импульсный отклик эквалайзера, (в) свёртка импульсных
это созвездие символов источника ин откликов канала связи и эквалайзера, (г) АЧХ: 1 – канала связи, 2 – эквалайзера, 3 – канала связи и
формации, т.е. данных, передаваемых эквалайзера

СОВРЕМЕННАЯ ЭЛЕКТРОНИКА ◆ № 2 2010 WWW.SOEL.RU © СТАПРЕСС 71


ВОПРОСЫ ТЕОРИИ

w h значением модуля информационных


0,6 5
4 символов.
0,4
3 Каждый СМсимвол ai, представ
0,2 ляющий собой комплексное число
2
0 1 Re(ai) + jIm(ai), обладает свойством
0 , i = 1…I, I – число
–0,2
–1 символов алфавита (используется в
–0,4
–2 обозначении PSKI). Значение модуля
–0,6 –3 информационных символов s на при
–0,8 –4 ёмной стороне является известным. В
0 5 10 15 20 25 30 35 0 20 40 60 80 100 120 общем случае СМкритерий для адап
а) N б) N
тивного фильтра формулируется как
h Амплитуда, дБ
1,2 40
2
1 , (10)
20
0,8 3
0 а соответствующие адаптивные алго
0,6
–20
ритмы обозначаются как СМ (p, q).
0,4 Целевая функция (10) является мно
1
–40 гоэкстремальной, поэтому использова
0,2
–60 ние простых градиентных алгоритмов
0
в качестве алгоритмов её минимиза
–0,2 –80 ции часто приводит к локальным ре
0 20 40 60 80 100 120 140 160 0 100 200 300 400 500 600
N Частота, спектральные составляющие шениям. Алгоритмы по критерию наи
в) г)
меньших квадратов, например, RLSал
Рис. 23. Выравнивание канала: RLSалгоритм, эквалайзер без обратной связи горитмы, также напрямую не могут
(а) импульсный отклик канала связи, (б) импульсный отклик эквалайзера, (в) свёртка импульсных быть использованы в этом случае. В то
откликов канала связи и эквалайзера, (г) АЧХ: 1 – канала связи, 2 – эквалайзера, 3 – канала связи же время, согласно [43], при q = 2 целе
и эквалайзера вая функция в уравнении (10) может
быть сведена к квадратичной функции,
Im Im
что позволяет для её минимизации ис
2 2
Канал Канал
пользовать незначительно модифици
1,5 Эквалайзер 1,5 Эквалайзер рованные алгоритмы минимизации
Данные Данные
1 1 квадратичных целевых функций.

0,5 0,5
АДАПТИВНЫЕ АНТЕННЫЕ
0 0
РЕШЁТКИ
–0,5 –0,5 Ещё одним широко используемым
–1 –1 приложением адаптивных фильтров яв
ляются ААР [1 – 3, 11] (см. рис. 26), кото
–1,5 –1,5
рые представляет собой многоканаль
–2 –2 ный адаптивный фильтр (см. рис. 3) с
–2 –1 0 1 2 –2 –1 0 1 2 одним ВК в канале.
а) Re б) Re
Подобно обычным адаптивным
Рис. 24. Выравнивание канала: RLSалгоритм фильтрам, в общем случае в алгорит
(а) эквалайзер с обратной связью, (б) эквалайзер без обратной связи мах вычисления ВК для ААР требуются
входные сигналы x1(k), x2(k), …, xm(k),
Qudrature Qudrature
…, xM(k), выходной y(k) и требуемый
1 1
d(k) сигналы. В то же время в ААР могут
быть также использованы алгоритмы,
0,5 0,5 не требующие сигнала d(k), если по
лезным принимаемым сигналом явля
ется СМсигнал или если известно на
0 0
правление приёма полезного сигнала.
Тогда это направление может быть ис
пользовано в качестве характеристики
–0,5 –0,5
полезного сигнала путём «введения в
алгоритм» линейного ограничения,
–1 –1 обеспечивающего необходимый уро
–1 –0,5 0 0,5 1 –1 –0,5 0 0,5 1 вень полезного сигнала на выходе ААР.
а) In"Phase б) In"Phase
Для обеспечения цифровой обработ
Рис. 25. Созвездия информационных символов ки входные сигналы ААР требуется уси
(а) PSK"8, (б) PSK"16 лить и понизить до нулевой несущей

72 © СТАПРЕСС WWW.SOEL.RU СОВРЕМЕННАЯ ЭЛЕКТРОНИКА ◆ № 2 2010


ВОПРОСЫ ТЕОРИИ

частоты, т.е. до информационной поло


сы частот. Обработка таких сигналов, в
частности, формирование выходного
сигнала ААР (умножение входных сиг
налов на ВК и сложение результатов ум
ножения), эквивалентна формирова
нию выходного сигнала на несущей
частоте путём традиционного анало
гового умножения и сложения [4].
Антенная решётка характеризуется
диаграммой направленности (ДН), т.е.
амплитудноугловой характеристикой
F(θ), которая, подобно АЧХ обычного
фильтра, с помощью ВК может изме
нять свою форму, обеспечивая требуе
мые значения усиления в направлени
ях на источники принимаемых сигна
лов, например, единичное или равное
M усиление в направлении на источ Рис. 26. Адаптивная антенная решётка
ник полезного сигнала и нулевое или
«очень малое» усиление в направлениях мощью восьмиэлементной эквидистан (см. зелёную кривую). Уровни этих ле
на источники помех. ААР с комплекс той линейной ААР (N = 8). Направления пестков примерно равны –13 дБ. Поэто
ными ВК характеризуется наличием M на источники принимаемых сигналов му, если любая из помех превышает на
степеней свободы, что означает её спо обозначены вертикальными розовыми 13 дБ уровень полезного сигнала, то её
собность принимать, например, один стрелками в верхней части рисунка 27а. вклад в выходной сигнал ААР будет со
полезный сигнал и полностью подав Источник полезного сигнала распола измеримым с полезным сигналом.
лять M – 1 сигналов источников прост гался в направлении максимума основ Из рисунка 27а следует, что ААР в ре
ранственноразнесённых помех. ного лепестка ДН, а источники помех – зультате адаптации так меняет свои ВК,
На рисунке 27 приведены примеры в симметричных направлениях макси что в направлении полезного сигнала
моделирования подавления помех с по мумов двух первых боковых лепестков сохраняется заданный уровень основ


×


ВОПРОСЫ ТЕОРИИ

|F(θ)|, дБ |F(θ)|, дБ верхней части графиков), а длитель


20
0 ность переходного процесса (в итера
0
Конечная циях алгоритма) и достижимый уро
–20 –20
вень ДН в установившемся режиме в
–40 направлениях на источники помех
–40
–60 (тёмнозелёная и красная кривые) ме
–60 –80 няется в зависимости от используемо
Исходная го алгоритма и его параметров. При =
–100
–80
= 0,0001 NLMSалгоритм в установив
–120
–100 0 0,5 1 1,5 2 2,5 шемся режиме обеспечивает пример
–80 –60 –40 –20 0 20 40 60 80 Номер итерации, k × 105
но такие же уровни ДН в направлениях
а) θ, град. б)
на источники помех, как и RLSалго
|F(θ)|, дБ |F(θ)|, дБ ритм, но при этом длительность пере
20 20
ходного процесса NLMSалгоритма
0 0
примерно в 10 раз превышает длитель
–20 –20 ность переходного процесса RLSалго
–40 –40 ритма. При увеличении параметра
–60 –60 длительность переходного процесса в
–80 NLMSалгоритме уменьшается. Однако
–80
–100
также уменьшается и достигаемая глу
–100
бина провалов ДН в направлениях на
–120 –120
0 0,5 1 1,5 2 2,5 0 0,5 1 1,5 2 2,5 источники помех. Данные результаты
Номер итерации, k × 105 Номер итерации, k × 105
в) г) также свидетельствуют о функцио
нальном превосходстве сложных адап
|F(θ)|, дБ |F(θ)|, дБ тивных алгоритмов над простыми ал
20 20
горитмами.
0 0
–20 –20 АДАПТИВНАЯ ШУМООЧИСТКА
–40 –40 Широко используемым приложени
–60 –60 ем адаптивных фильтров также являет
–80 –80 ся шумоочистка. В задаче шумоочистки
(см. рис. 28) в качестве сигнала d(k) ис
–100 –100
пользуется зашумленный полезный
–120 –120
0 0,5 1 1,5 2 2,5 0 0,5 1 1,5 2 2,5 сигнал x(k) + z1(k), а в качестве входно
Номер итерации, k × 105 Номер итерации, k × 105
д) е) го сигнала – сигнал z2(k), коррелиро
ванный с сигналом z1(k) и не коррели
Рис. 27. Адаптивная антенная решётка рованный с x(k). Адаптивный фильтр
(а) ДН; (б) RLS"алгоритм; (в) NLMS"алгоритм, = 0,0008; (г) NLMS"алгоритм, = 0,0004; из сигнала z2(k) выделяет z1(k), т.е.
(д) NLMS"алгоритм, = 0,0002; (е) NLMS"алгоритм, = 0,0001 y(k) ≈ z1(k), поэтому сигнал ошибки
α(k) = d(k) – y(k) ≈ x(k).
Примером использования фильтра,
показанного на рис. 28, является двух
микрофонная система шумоочистки
(см. рис. 29) [10], когда микрофон, фор
мирующий сигнал d(k), располагается
рядом с говорящим (A), а микрофон,
формирующий сигнал z2(k) (D), – ря
Рис. 28. Адаптивная шумоочистка сигналов (идея) дом с источником шума, который нель
зя физически устранить, например, ря
ного лепестка ДН, равный 0 дБ, а в на приёма источники какихлибо сигна дом с работающим вентилятором (C)
правлениях на источники помех в ДН лов в этих направлениях отсутствуют. или двигателем автомобиля, самолёта
образуются глубокие провалы (крас На остальных графиках (см. рис. 27) или вертолёта. В этом случае адаптив
ная кривая). Это означает, что прини показано, как изменяется ДН в процес ный фильтр (E) моделирует акустичес
маемые с этих направлений сигналы се адаптации в направлениях на ис кую среду распространения шума z2(k)
помех будут значительно ослаблены. точники принимаемых сигналов, т.е. в направлении к источнику полезного
В рассматриваемом случае дополни эти рисунки представляют собой пе сигнала (см. рис. 30).
тельное ослабление помех за счёт реходной процесс ААР в терминах зна Результаты моделирования шумо
адаптивной фильтрации составляет чений её ДН. На рисунках 27б – 27ж очистки (см. рис. 30) на базе адаптив
примерно –13 – (–100) = 87 дБ. При видно, что заданный уровень ДН (0 дБ) ного фильтра, использующего RLSал
этом изменения ДН во всех других на в направлении на источник полезного горитм, при Nh = 100 и Nw = 100 приве
правлениях не имеют принципиаль сигнала выдерживается на всех итера дены на рисунке 31. Рассматривалась
ного значения, поскольку в процессе циях алгоритма (прямая синяя линия в очистка сигнала речи (см. рис. 31а), за

74 © СТАПРЕСС WWW.SOEL.RU СОВРЕМЕННАЯ ЭЛЕКТРОНИКА ◆ № 2 2010


ВОПРОСЫ ТЕОРИИ

шумленного шумом двигателя верто


лета (см. рис. 31б).
В результате шумоочистки, в точке A
Входной сигнал E
приёма сигнал будет очищенным от Говорящий
B
шума. Из сравнения рисунков 31а и 31в
+ Σ
видно, что результат очистки зашум –
ленной речи (рис. 31г) является доста F
Адативный
точно хорошим, о чём свидетельствует A фильтр
D
также рис. 31д. Этот результат является Помеха
Слушающий
следствием достаточно хорошей иден
тификации акустического импульсно Адаптивное устройство подавления помех

го отклика, формирующего шум z1(k), Эталонный сигнал


что также подтверждается значения
ми параметра рассогласования (5), Рис. 29. Двухмикрофонная система шумоочистки [10]
представленными на рисунке 31е. В
аналогичных условиях NLMSалгоритм
демонстрирует несколько худшие ре
зультаты (см. рис. 32).
Похожие результаты также получа
ются при небольших изменениях Nh
(в пределах ±30 ВК) относительно Nw,
что свидетельствует о достаточно вы
сокой эффективности адаптивной шу
моочистки.

ЛИНЕЙНОЕ ПРЕДСКАЗАНИЕ Рис. 30. Адаптивная шумоочистка сигналов: природа сигналов


Линейное предсказание наблюдае
мых сигналов также является одним из ве требуемого сигнала адаптивного его задержанная копия. По окончании
приложений адаптивного фильтра. фильтра используется наблюдаемый переходного процесса адаптивный
При линейном предсказании в качест сигнал, а качестве входного сигнала – фильтр представляет модель источни
ВОПРОСЫ ТЕОРИИ

x(k) z2(k) x(k)


0,5 0,5 0,5

0,25 0,25 0,25

–0 –0 –0

–0,25 –0,25 –0,25

–0,5 –0,5 –0,5


0 2 4 6 8 10 0 2 4 6 8 10 0 2 4 6 8 10
Отсчёты, k × 104 Отсчёты, k × 104 Отсчёты, k × 104
а) б) в)
x(k) + z1(k) x(k) – α(k) ρ(k), дБ
0,5 0,5 0

–10
0,25 0,25
–20

–0 –0
–30

–0,25 –0,25 –40

–50
–0,5 –0,5
0 2 4 6 8 10 0 2 4 6 8 10 0 2 4 6 8 10
Отсчёты, k × 104 Отсчёты, k × 104 Отсчёты, k × 104
г) д) е)

Рис. 31. Адаптивная шумоочистка, RLSалгоритм


(а) сигнал речи x(k); (б) сигнал источника шума z2(k); (в) сигнал очищенной речи α(k); (г) сигнал d(k) = x(k) + z1(k); (д) сигнал x(k) – α(k); (е) рассогласование

x(k) z2(k) x(k)


0,5 0,5 0,5

0,25 0,25 0,25

–0 –0 –0

–0,25 –0,25 –0,25

–0,5 –0,5 –0,5


0 2 4 6 8 10 0 2 4 6 8 10 0 2 4 6 8 10
Отсчёты, k × 104 Отсчёты, k × 104 в) Отсчёты, k × 104
а) б)
x(k) + z1(k) x(k) – α(k) ρ(k), дБ
0,5 0,5 0

–10
0,25 0,25
–20

–0 –0
–30

–0,25 –0,25 –40

–50
–0,5 –0,5
0 2 4 6 8 10 0 2 4 6 8 10 0 2 4 6 8 10
Отсчёты, k × 104 Отсчёты, k × 104 Отсчёты, k × 104
г) д) е)

Рис. 32. Адаптивная шумоочистка, NLMSалгоритм (при = 0.01)


(а) сигнал речи x(k); (б) сигнал источника шума z2(k); (в) сигнал очищенной речи α(k); (г) сигнал d(k) = x(k) + z1(k); (д) сигнал x(k) – α(k); (е) рассогласование

ка сигнала, которая может быть исполь используется при кодировании речи (в выделения узкополосных сигналов x(k)
зована для предсказания этого сигнала. вокодерах) [42], при построении быст (спектральных линий, line enhance
Линейное предсказание, в частности, рых адаптивных фильтров, а также для ment) на фоне широкополосных по
мех z(k) (см. рис. 33).
При разделении узкополосных и
широкополосных сигналов величина
задержки D в отсчётах обрабатывае
мых сигналов выбирается такой, что
kz < D < kx, где kz – ширина основного
лепестка автокорреляционной функ
ции (АКФ) широкополосного сигнала
Рис. 33. Адаптивная фильтрация узкополосных сигналов z(k) и kx – ширина основного лепестка

76 © СТАПРЕСС WWW.SOEL.RU СОВРЕМЕННАЯ ЭЛЕКТРОНИКА ◆ № 2 2010


ВОПРОСЫ ТЕОРИИ

АКФ узкополосного сигнала x(k). Буду 4. Honig M.L., Messerschmitt D.G. Adaptive fil 29. Qureshi S. Adaptive equalization. Proc. of
чи задержанным на D отсчётов, сигнал ters: structures, algorithms and applications. the IEEE. 1985. Vol. 73. № 9. PP. 1349–1387.
x(k – D) остаётся коррелированным с MA, Hingham: Kluwer Academic, 1984. 30. Djigan V.I. Recursive least squares – an idea
сигналом x(k), потому в процессе адап 5. Giordano A.A., Hsu F.M. Least square estima whose time has come. Proc. of the 7th In
тации на выходе адаптивного фильтра tion with application to digital signal pro tern. Workshop on Spectral Methods and
формируется сигнал, близкий к узко cessing. John Wiley and Sons, 1985. Multirate Signal Processing. Moscow, 2007.
полосному сигналу x(k), а на выходе 6. Alexander S.T. Adaptive signal processing. PP. 255–260.
сигнала ошибки – сигнал, близкий к Theory and applications. Springer, 1986. 31. Джиган В.И. Многообразие алгоритмов
широкополосному сигналу z(k). В за 7. Ljung L., Soderstrom T. Theory and practice of адаптивной фильтрации по критерию на
висимости от того, какой из обрабаты recursive identification. MIT Press, 1986. именьших квадратов. Современная элек
ваемых сигналов является «полезным» 8. Treicher J.R., Johnson C.R., Larimore M.G. The троника. 2008. № 3. С. 32–39.
(узкополосный или широкополос ory and design of adaptive filters. John Wiley 32. Джиган В.И. Прикладная библиотека
ный), в качестве «полезного» выходно and Sons, 1987. адаптивных алгоритмов. Электроника:
го сигнала используется соответствен 9. Коуэн К.Ф.Н., Грант П.М. Адаптивные Наука, Технологии, Бизнес. 2006. № 1.
но или выходной сигнал адаптивного фильтры. Мир, 1988. С. 60–65.
фильтра, или сигнал ошибки. 10. Уидроу Б., Стирнз С. Адаптивная обра 33. Солохина Т., Александров Ю., Петричко3
ботка сигналов. Радио и связь, 1989. вич Я. Сигнальные контроллеры компа
ЗАКЛЮЧЕНИЕ 11. Пистолькорс А.А, Литвинов О.С. Введение нии «ЭЛВИС»: первая линейка отечествен
В настоящей статье было дано общее в теорию адаптивных антенн. Наука, 1991. ных DSP. Электроника: Наука, Технология,
представление об адаптивной фильт 12. Adaptive system identification and signal Бизнес. 2005. № 7. С. 70–77.
рации сигналов, структурах адаптив processing algorithms. N. Kalouptsidis, 34. Treichler J., Larimore M. New processing tech
ных фильтров, целевых функциях и S. Theodoridis, Eds. PrenticeHall, 1993. niques based on the constant modulus adap
критериях, лежащих в основе постро 13. Clarkson P.M. Optimum and adaptive sig tive algorithm. IEEE Trans. Acoustics, Speech
ения адаптивных фильтров, а также nal processing. CRC Press, 1993. and Signal Processing. 1985. Vol. 33. № 2.
некоторых показателях качества, ис 14. Zelniker G., Taylor F.J. Advanced digital signal PP. 420–431.
пользуемых в адаптивной фильтра processing: theory and applications. Marcel 35. Widrow B. Thinking about thinking: the dis
ции. Рассмотренные примеры извест Dekker, 1994. covery of the LMS algorithm – DSP history.
ных приложений адаптивных фильт 15. Regalia P.A. Adaptive IIR filtering in signal IEEE Signal Processing Magazine. 2005.
ров свидетельствуют о зависимости processing and control. Marcel Dekker, 1995. Vol. 22. № 1. PP. 100–106.
качества функционирования адаптив 16. Macchi O. Adaptive processing. John Wiley 36. Джиган В.И., Солохина Т.В., Петричко3
ных фильтров от вида используемых and Sons, 1995. вич Я.Я. Подавление электрического эха
алгоритмов и их параметров. 17. Тараканов А.Н., Хрящев В.В., Приоров А.Л. на базе контроллеров «МУЛЬТИКОР».
Эти примеры не исчерпывают все Адаптивная цифровая обработка сигна Электроника: Наука, Технологии, Бизнес.
существующие или возможные облас лов. Ярославль: ЯГУ, 2001. 2004. № 8. С. 26–33.
ти применения адаптивных фильтров, 18. Bellanger M.G. Adaptive digital filters. 2nd ed. 37. Chen W.Y. Simulation techniques and stan
среди которых следует отметить ши Marcel Dekker, 2001. dards development for digital subscriber line
рокополосные акустические решётки, 19. Haykin S. Adaptive filter theory. 4th ed. Pren systems. Macmillan Technical Publishing, 1998.
компенсаторы боковых лепестков tice Hall, 2001. 38. Starr T., Cioffi J.M., Silverman P.J. Understand
направленных антенн, активные ком 20. Sayed A.H. Fundamentals of adaptive filter ing digital subscriber line technology. Pren
пенсаторы шума, многоканальные эк ing. John Wiley and Sons, 2003. tice Hall, 1999.
валайзеры акустических каналов в ап 21. Adaptive signal processing: applications to 39. Huntly H.R. Transmission design of intertoll
паратуре высококачественного вос realworld problems. J. Benesty, Y. Huang, Eds. telephone trunks. Bell System Technical J.
произведения звука, одноканальные и Springer, 2003. 1953. Vol. 32. PP. 1019–1036.
многоканальные компенсаторы сиг 22. Poularikas A.D., Ramadan Z.M. Adaptive filter 40. Allen J.B., Berkley D.A. Image method for ef
налов акустического эха в аппаратуре ing premier with MATLAB. CRC Press, 2006. ficiently simulating smallroom acoustics.
озвучивания помещений, полиноми 23. Ogunfunmi T. Adaptive nonlinear system J. Acoustic Society of America. 1979. Vol. 65.
альные (нелинейные) адаптивные identification: the Volterra and Wiener model № 4. PP. 943–950.
фильтры и другие устройства, описа approaches. Springer Science + Business Me 41. Digital network echo cancellers. ITUT Re
ние принципов работы которых мож dia, 2007. commendation G.168, 04/2000. Geneva, 2001.
но найти в современной научнотех 24. Dzing P.S.R. Adaptive filtering algorithms 42. Deller J.R., Proakis J.G., Hansen G.H.L. Dis
нической литературе. and practical implementation. 3rd ed. cretetime processing of speech signals. Pren
Springer Science + Business Media, 2008. tice Hall, 1993.
ЛИТЕРАТУРА 25. Sayed A.H. Adaptive filters. John Wiley and 43. Chen Y., Le3Ngoc T., Champagne B., Xu C.
1. Hudson J.E. Adaptive array principles. England, Sons, 2008. Recursive least squares constant modulus
Loughborough: Peter Peregrinus, 1981. 26. Makino S. Acoustic echo cancellation. IEEE algorithm for blind adaptive array. IEEE
2. Монзинго Р.А., Миллер Т.У. Адаптивные ан Signal Processing. 1997. Vol. 14. № 5. PP. 39–41. Trans. Signal Processing. 2004. Vol. 52. № 5.
тенные решётки. Введение в теорию. Ра 27. Messerschmitt D. Echo cancellation in speech PP. 1452–1456.
дио и связь, 1986. and data transmission. IEEE J. Selected Areas in 44. Плетнева И.Д., Джиган В.И. Моделирова
3. Журавлев А.К., Лукошкин А.П., Поддубный С.С. Communications. 1984. Vol. 2. № 2. PP. 283–297. ние обработки сигналов в цифровых ан
Обработка сигналов в адаптивных антен 28. Qureshi S. Adaptive equalization. IEEE Com тенных решетках. Исследования в облас
ных решетках. Издво Ленинградского munications Magazine. 1982. Vol. 20. № 2. ти цифровых систем связи (Межвузовс
университета, 1983. PP. 9–16. кий сборник). МИЭТ, 2007. С. 36–43.

СОВРЕМЕННАЯ ЭЛЕКТРОНИКА ◆ № 2 2010 WWW.SOEL.RU © СТАПРЕСС 77

Оценить