一种数字回波对消方法

文档序号:7811538阅读:448来源:国知局
一种数字回波对消方法
【专利摘要】本发明涉及数字信号处理领域,特别涉及数字信号处理领域对于回波信号的消除,具体的讲是针对实际应用背景下的数字回波对消方法。本发明所述的方法是,在LMS算法的基础上,对横向滤波器的输入信号先进行放大再滤波,放大的倍数与环路增益一致。使其在环路增益变化较大时不用重新估计回波信道,从而提高系统的工作效率。并且,在自适应模块前后分别加入了一级放大和衰减,使得横向滤波器的输入信号在不改变位宽的情况下,不会因为放大后幅度过大而溢出。此外,本发明在提高系统工作效率的同时,不会恶化系统性能,消耗的资源与传统算法相比无明显变化。
【专利说明】一种数字回波对消方法

【技术领域】
[0001] 本发明涉及数字信号处理领域,特别涉及数字信号处理领域对于数字回波信号的 对消方法。

【背景技术】
[0002] 目前,诸如干扰机、直放站等系统均需要将天线接收到的信号进行处理,然后放大 再发射出去。但是,收发天线之间存在耦合,发射出去的信号在空间传播会部分的反射回接 收天线,形成回波干扰。回波干扰与来波信号叠加,被接收天线接收进行处理,再放大后被 发射出去。如此循环放大,会影响系统性能,严重时会导致系统自激。因此,需要采取有效 措施来消除回波干扰,防止系统自激,提高系统性能。
[0003] 大多数系统采用自适应回波抑制的方法,即在系统中加入回波对消器,通过发射 训练序列,自适应估计回波信道;工作时,在系统中产生模拟的回波信号,在时域上消除接 收信号的回波成分,并且自适应跟踪回波信道。自适应算法中,基于最小均方误差(Least Mean Square,简称LMS)准则的最小均方误差算法的应用最为广泛。
[0004] LMS算法是由Widrow和Hoff于1975年基于最小均方误差准则提出的,由横向滤 波器和权向量更新构成,其原理框图如图1所示。横向滤波器是一个权值可以自适应调整 的滤波器,其主要作用是对输入信号u (η)进行滤波,产生对输入信号u (η)在某个时刻的估 计值

【权利要求】
1. 一种数字回波对消方法,其特征在于,包括以下步骤: a、 上电后,进入训练过程; b、 将训练序列分为两路,一路输出至数模转换器DAC,转化成模拟信号,然后经功率放 大器放大后发射出去,并在空间中反射回来,与来波信号叠加后被接收天线接收,随后通过 射频前端的处理后被模数转换器ADC采样,转化成数字信号,并经过一级衰减处理后输入 至LMS模块作为期望信号;同时另一路经过一级放大处理,放大的倍数与环路增益值相等, 然后输入至横向滤波器,在该滤波器的输出端得到回波干扰的估计值; c、 将期望信号减去回波干扰的估计值得到误差信号; d、 将误差信号与横向滤波器的输入信号相乘,并乘以训练步长,然后与横向滤波器当 前的权值相加,得到的结果做为新的横向滤波器权值; e、 循环步骤b?d,直到误差信号的平均功率小于噪声功率的2倍,然后进入工作过 程; f、 信号处理模块的输出信号分为两路,一路先进行幅度调整,通过DAC转化成模拟信 号,然后经过功率放大器放大后发射出去,并在空间中反射回来,与来波信号叠加后被接收 天线接收,随后通过射频前端的处理后被ADC采样,转化成数字信号,并经过一级衰减处理 后输入至LMS模块作为期望信号,衰减处理同训练过程;同时另一路经过一级放大处理,放 大的倍数与环路增益值相等,然后输入至横向滤波器,在该滤波器的输出端得到回波干扰 的估计值; g、 将期望信号减去回波干扰的估计值得到误差信号,并经过一级放大处理后输出至信 号处理模块做后续处理,放大处理通过左移实现,左移位数与衰减处理右移的位数一致; h、 将误差信号与自适应滤波器的输入信号相乘,并乘以工作步长,然后与横向滤波器 当前的权值相加,得到的结果做为新的横向滤波器权值; i、 循环步骤f?h。
2. 如权利要求1所述数字回波对消方法,其特征在于:所述环路增益包含功放增益、射 频前端增益和DAC前幅度调整所产生的增益。
3. 如权利要求1所述数字回波对消方法,其特征在于:所述幅度调整、LMS模块前后的 衰减和放大以及横向滤波器前的放大均可通过移位实现,其中衰减处理通过右移两位到四 位实现,放大处理通过左移两位到四位实现。
4. 如权利要求1所述数字回波对消方法,其特征在于:所述步长应满足LMS算法的收 敛条件,训练步长为自相关矩阵最大特征值的〇. 5倍到1. 5倍,而工作步长则为自相关矩阵 最大特征值的〇. 01倍到〇. 05倍。
【文档编号】H04L25/03GK104158776SQ201410401302
【公开日】2014年11月19日 申请日期:2014年8月14日 优先权日:2014年8月14日
【发明者】李朝海, 黄东辉, 朱凌峰, 江文颖, 夏威 申请人:电子科技大学
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1