韶關學院DSP課程設計報告

1、韶關學院DSP課程設計報告 基于DSP的自適應數(shù)字濾波器設計 專業(yè)班級： 13級嵌入式通信工程 設計人員： 廖廣輝 梁慶財 丁倫 學號：13115032027指導教師簽字： 日期: 目 錄1、 設計任書 1二、設計方案 13、 硬件設計44、 軟件設計7 五、實驗調(diào)試與結果分析13 六、參考文獻19 一、 設計任務書1. 設計要求及目標 （1）設計一個自適應數(shù)字濾波器，技術參數(shù)可以自定義，設計自適應算法并在MATLAB上進行軟件仿真。 （2）將算法移植到DSP中，信號源可用軟件上模擬產(chǎn)生，濾波后可在CCS上進行頻譜分析，效果應與仿真結果一致。

2、2. 設計任務（1）繪制系統(tǒng)組成框圖(利用VISIO繪制)； （2）用EDA軟件繪制原理圖和PCB圖，包括電源設計、復位電路設計、時鐘電路設計、JTAG接口設計及其系統(tǒng)運行需要的其他外圍電路等；（3）MATLAB仿真效果圖 ； （4）繪制程序流程圖，編寫程序，在CCS中完成編程，并在開發(fā)板中完成調(diào)試； （5）論文書寫規(guī)范。 二、 設計方案2.1 自適應濾波器的原理 所謂的自適應濾波，就是利用前一時刻以獲得的濾波器參數(shù)的結果，自動的調(diào)節(jié)現(xiàn)時刻的濾波器參數(shù)，以適應信號和噪聲未知的或隨時間變化的統(tǒng)計特性，從而實現(xiàn)最優(yōu)濾波。自適應濾波器實質上就是一種能調(diào)節(jié)其自身傳輸特性以達到最優(yōu)的維納濾波器。自適應濾

3、波器不需要關于輸入信號的先驗知識計算量小，特別適用于實時處理。由于無法預先知道信號和噪聲的特性或者它們是隨時間變化的，僅僅用FIR和I I種具有固定濾波系數(shù)的濾波器無法實現(xiàn)最優(yōu)濾波。在這種情況下，必須設計自適應 濾波器，以跟蹤信號和噪聲的變化。自適應濾波器的特性變化是由自適應算法通過調(diào)整濾波器系數(shù)來實現(xiàn)的。一般而言，自適應濾波器由兩部分組成，一是濾波器結構，二是調(diào)整濾波器系數(shù)的自適應算法。自適應濾波器的結構采用FIR或IIR結構均可，由于IIR濾波器存在穩(wěn)定性問題，因此一般采用FIR濾波器作為自適應濾波器的結構。圖2-1示出了自適應濾波器的一般結構。 圖2-1 自適應濾波器圖2-2是使用自適應

4、濾波器的系統(tǒng)識別原理圖。 自適應濾波器的結構可以采用FIR或IIR濾波器存在穩(wěn)定性問題，因此一般采用FIR濾波器作為自適應濾波器的結構。自適應FIR濾波器結構又可分為3種結構類型：橫向型結構對稱橫向型結構以及格型結構。本文采用自適應濾波器設計中最常 用的FIR橫向型結構 圖2-2 FIR橫向型結構2.2 自適應IIR濾波器的基本原理 圖2- 3為自適應IIR濾波器的基本結構，其輸入為x(n)，輸出為y(n)，濾波器由系數(shù)IIR濾波器和遞歸算法組成，遞歸算法通過預測誤差e(n)去調(diào)系數(shù)(n)，以使輸出y(n)按某種準則逼近于期望響應d(n)。為描述濾波器具有零點和極點轉移函數(shù)的系數(shù)參數(shù)。濾波器輸

5、出誤差e(n)=d(n)-y(n)是按某種準則，如均方誤差 （MSE)或遞歸最小二乘(RLS)準則等，使e2 (n)最小化，可調(diào)整IIR系數(shù)使輸信 號y(n)逼近于期望響應d(n) 。 圖2-3 IIR濾波器2.3 IIR濾波器的基本結構示意圖 根據(jù)前面所介紹的IIR濾波器的傳遞函數(shù)可表示為： 假設濾波器有m個零點，n個極點，且濾波器參數(shù)可調(diào)，這樣H(z)可寫為： IIR濾波器的一般結構，其輸入為x，輸出為u。因此濾波器輸出可表示為以下形式： 2.4 FIR橫向型濾波器的一般結構 如圖2-4所示。這種結構僅包含有由延遲級數(shù)所決定的有限個存儲單元，可歸結為有限沖激響應（FIR）或橫向濾波器（Ka

6、llman）。輸入信號被若干延遲單元延時，其延遲時間可以是連續(xù)的。這些延遲單元的輸出與存儲的一組權系數(shù)依次相乘，將其乘積相加得到輸出信號。這意味著輸出是輸入信號與所存儲的權系數(shù)或沖激響應的卷積。這種濾波結構僅包含有零點（因為沒有遞歸反饋單元），因此，若要獲得銳截止的頻率特性，則需要有大量的延遲單元。不過，這種濾波器始終是穩(wěn)定的，并能提供線性相位特性。圖2-4是橫向型濾波器的結構示意圖。 圖2-4 橫向型濾波器 三、 硬件設計3.1 系統(tǒng)結構流程圖 采用TI公司的DSP芯片 TMS320VC5509，還有電源芯片，上電復位，時鐘震蕩，JTAG接口的連接。結構圖3-1如下： 圖3-1 系統(tǒng)結構流程

7、圖 3.2 電源電路設計 由于TMS320VC5509核電壓為1.6V，端口電壓為3.3V，外圍器件為3.3V，其它器件的提供電壓在3.3V 。TI公司的電源TPS76D318是一個雙輸出電壓為分離電源，可以由3.3V產(chǎn)生3V和1.6V的電壓輸出，最大輸出電流為1A，可以滿足要求。該器件具有快速瞬態(tài)響應和超低85uA典型靜態(tài)電流，熱關斷保護的每一個調(diào)節(jié)，有個28引腳。如圖3-2所示： 圖3-2 電源電路3.3 復位電路設計 系統(tǒng)上電時可自動復位，但是為了防止系統(tǒng)受到外界干擾或電源波動時出現(xiàn)死機現(xiàn)象，還專門加了外部RESET，主要使用了施密特觸發(fā)器74。如圖3-3 圖3-3 復位電路3.4 JT

8、AG接口電路設計 JTAG是基于IEEE 1149. 1 標準的一種邊界掃描測試方式。TI 公司為其大多數(shù)的DSPs 產(chǎn)品都提供了J TAG端口支持。結合配套的仿真軟件,可訪問DSPs 的所有資源,包括片內(nèi)寄存器及所有的存儲器,從而提供了一個實時的硬件仿真與調(diào)試環(huán)境,便于開發(fā)人員進行系統(tǒng)軟件調(diào)試。除上述電路接口外,要使系統(tǒng)板正常地工作,還必須配置跳線和接插座等部分。其中:電源模塊接出一個插座,以便于外部電壓輸入;音頻編解碼部分需安裝話筒和揚聲器;USB 芯片要連接到USB 接口插件,以實現(xiàn)與主機的交互。實用起見,所有這些插件均設置在電路板邊界部分。最后,對于系統(tǒng)中一些難以事先決定的設置引腳附近

9、,放置上位/ 下拉電阻,為以后的電路更改或擴展提供方便 通過JTAG接口，可以對TMS320VC5509芯片內(nèi)部的所有結構進行訪問，如圖3-4所示： 圖3-4 JTAG接口電路3.5 時鐘震蕩電路鎖向環(huán)（PLL）模塊主要用來控制DSP內(nèi)核的工作頻率，外部提供一個參考時鐘輸入，經(jīng)過PLL倍頻或分頻后提供給DSP內(nèi)核。5509 DSP有倍頻電路，最高頻率到達200MHz。下圖為本發(fā)板上采用的電路，采用的內(nèi)部振蕩器方式，選用的外部晶振為12M的電路。Y4為實時時鐘RTC提供的時鐘震蕩電路。如圖3-5 圖3-5 時鐘震蕩電路 四、 軟件設計4.1 MATLAB7.0仿真本例通過設計一個二階加權系數(shù)自適

10、應橫向FIR濾波器，對一正弦信號加噪聲信號進行濾波。為了實現(xiàn)該功能，得先生成一個標準正弦波信號s(n)和一個隨機噪聲信號n(n),然后將s(n)與n(n)相加就得到了加噪后的正弦信號x(n),再依照由LMS算法推導出來的公式（5），設計自適應濾波算法，對噪聲干擾信號進行濾波，最后得到濾波后的信號e(n)。實現(xiàn)程序代碼如下：cleart=0:1/10000:1-0.0001;%設置迭代次數(shù)s=sin(2*pi*t);%標準正弦信號n=randn(size(t);%與時間t等長隨機信號x=s+n;%加噪信號w=0,0.5;%初始2階加權系數(shù)u=0.00026;%最佳參數(shù)for i=1:9999;%

11、自適應算法y(i+1)=n(i:i+1)*w'e(i+1)=x(i+1)-y(i+1);w=w+2*u*e(i+1)*n(i:i+1);end;%畫圖程序figure(1)subplot(4,1,1)plot(t,n);title('Noise signal');xlabel('t');ylabel('n(t)');subplot(4,1,2)plot(t,s);title('Sinusoidal signal');xlabel('t');ylabel('s(t)');subplot(4,1

12、,3)plot(t,x);title('Sinusoidal signal with noise');xlabel('t');ylabel('x(t)');subplot(4,1,4)plot(t,e);title('theresultoffiltering');xlabel('t');ylabel('e(t)'4.2 自適應濾波算法的DSP實現(xiàn) 4.2.1 自適應濾波算法 由Widrow和Hoff引入的最小均方(LMS)算法，由于其簡單性、運算高效性各種運行條件下良好的性能，而被廣泛應用?；谔荻?/p>

13、的最小均方(LMS)算法是最基本的算法，其含義相對簡單明了。選定均方誤差為權矢量二次函數(shù)時，性能度量曲線可以形象地看成一個碗形曲面這樣自適應處理器的任務便是不斷地向最低點逼近，即可以通過計算梯度的方法實現(xiàn)性能度量的最優(yōu)化。而基于梯度的算法中，最簡單的一種就是最小均方算法LMS算法，LMS算法使用的準則是使均衡器的期望輸出值和實際輸出值之間的均方誤差(MSE)最小化的準則，依據(jù)輸入信號在迭代過程中估計梯度矢量，并更新權系數(shù)以達到最優(yōu)的自適應迭代算法。這算法不需要計算相應的相關函數(shù)，也不需要進行矩陣運算。自適應濾波器最普通的應用就是橫向結構。濾波器的輸出信號y(n)是y(n)T表示轉置矩陣， n是

14、時間指針，N是濾波器次數(shù)。這個例子就是有限脈沖響應濾波器的形式，為x(n)和w(n)兩個矩陣卷積。 這種自適應算法使用誤差信號： 為了方便起見，將上述式子表示為向量形式，則上述式子表示為： 誤差序列可寫為： 其中d(n)是期望信號，y(n)是濾波器的輸出。使用輸入向量x(n)和e(n)來更新自適應濾波器的最小化標準的相關系數(shù)。 顯然，自適應濾波器控制機理是用誤差序列e(n)按照某種準則和算法對其系數(shù)wi(n)，i=1，2，N進行調(diào)節(jié)的，最終使自適應濾波的目標(代價)函數(shù)最小化，達到最佳濾波狀態(tài)。 本節(jié)所用的標準是最小均方誤差(MSE)。 E表示算子期望。假如公式中的y(n)被公式(3.3)取代

15、，公式(3.5)就可以表示為 是N *N 自相關矩陣，是輸入信號的自相關矩陣。 是N*1互相關向量，也指出了期望信號d(n)和輸入信號向量x(n)的 相互關矢量。最優(yōu)解 最小化MSE，源自解這個公式 將式(2-12)對w求其偏導數(shù)，并令其等于零，假設矩陣R滿秩(非奇異)， 可得代價函數(shù)最小的最佳濾波系數(shù) 這個解稱為維納解，即最佳濾波系數(shù)值。因為均方誤差mse函數(shù)是濾波系數(shù)w的二次方程，由此形成一個多維的超拋物面，這好像一個碗狀曲面又具有唯一的碗底最小點，通常稱之為自適應濾波器的誤差性能曲面。當濾波器工作在平穩(wěn)隨機過程的環(huán)境下，這個誤差性能曲面就具有固定邊緣的恒定形狀。自適應濾波系數(shù)的起始值wi

16、(0)，i=1，2，N是任意值，位于誤差性能曲面上某一點，經(jīng)過自適應調(diào)節(jié)過程，使對應于濾波系數(shù)變化的點移動，朝碗底最小點方向移動，最終到達碗底最小點，實現(xiàn)了最佳維納濾波。 自適應過程是在梯度矢量的負方向接連的校正濾波系數(shù)的，即在誤差性能曲面的最陡下降法方向移動和逐步校正濾波系數(shù)，最終到達均方誤差為最小的碗底最小點，獲得最佳濾波或準最優(yōu)工作狀態(tài)。廣泛使用的LMS算法是一種選擇性法適應采樣和采樣基礎。這個方法可以避免復雜的計算。LMS算法是最陡下降法，在這個算法中，向量w(n+1)通過改變對最小均方誤差性能的負梯度比例自適應濾波算法及應用研究來增強。4.2.2 DSP實現(xiàn) 數(shù)字信號處理(DSP)是

17、指人們利用計算機或專用處理設備，以數(shù)字的形式對信號進行采集，變換，濾波，估值，增強，壓縮，識別等處理，以得到符合人們需要的信號形式。其框圖如圖4-1所示。 圖4-1 DSP流程框圖根據(jù)算法和DSP匯編語言程序, 在CCS 環(huán)境下編譯,連接生成公共目標代碼文件,在線下載到DSP 中運行。為了能觀察到相應的波形, 在CCS 環(huán)境下選擇View Grap h Time Freqency 進入圖形觀察窗口,在“Graph PropertyDialog”窗口中選定相應類型的值。將編譯產(chǎn)生的可執(zhí)行文件下載到DSP芯片中，經(jīng)過運行得到輸入信號的時域圖，正弦信號中疊加了噪聲，導致正弦信號出現(xiàn)了較大的畸變。通過

18、對輸入信號進行FFT變換，低頻的信號中疊加了比較多的高頻噪聲，要得到比較好的原始低頻正弦信號，必須要進行濾波。實驗程序流程圖如下圖4-6： 圖4-6 程序流程圖程序設計的整個實現(xiàn)過程主要分為3個步： (1)濾波運算前的相關運算單元、寄存器以及變量的初始化； 原始信號xxi=256*sin(i*2*PI/34); (2)根據(jù)輸入的采樣值計算濾波器的輸出并求出誤差； 這一步是最重要的濾波計算，我們用FIRLMS(int *nx,float *nh,int nError,int nCoeffNumber) 這個函數(shù)來實現(xiàn)。其完整代碼是int FIRLMS(int *nx,float *nh,int

19、nError,int nCoeffNumber) int i,r; float fWork; r=0; for ( i=0;i<nCoeffNumber;i+ ) fWork=nxi*nError*fU; nhi+=fWork; r+=(nxi-i*nhi); r/=128; return r; 收斂因子fU=0.0005。nError是上一次的誤差值, fWork是當前的濾波器權系數(shù),輸出值r。這里實現(xiàn)自適應算法中å-=的公式。輸出值y（n）等于輸入值 x(n-1)*w(i)的積分。½½½ (3)根據(jù)LMS算法的迭代公式更新濾波器參數(shù)，有新的采樣

20、輸入后轉到第二步循環(huán)執(zhí)行。把一信號進行采樣。把采樣點放在數(shù)字中。這里用到了輸入信號數(shù)組xx,輸出信號數(shù)組rr,誤差數(shù)組wc，以及濾波器權系數(shù)h。通過for循環(huán)語句進行一個一個樣點值濾波計算。得到想要的結果。 for ( i=COEFFNUMBER+1;i<INPUTNUMBER;i+ ) nLastOutput=FIRLMS(xx+i,h,nLastOutput-xxi-1,COEFFNUMBER); rri=nLastOutput; wci=rri-xxi; 用FIRLMS函數(shù)得到了一個濾波后的樣點信號值nLastOutput 存放在輸出信號數(shù)組rr中。for循環(huán)一個一個得到濾波過的信

21、號值第INPUTNUMBER=1024個為止。自適應濾波代碼如下：#include"math.h"#define PI 3.1415926#define COEFFNUMBER 16#define INPUTNUMBER 1024int FIRLMS(int *nx,float *nh,int nError,int nCoeffNumber);float hCOEFFNUMBER,fU;int xxINPUTNUMBER,rrINPUTNUMBER,wcINPUTNUMBER;main()int i,nLastOutput;nLastOutput=0;fU=0.0005;f

22、or ( i=0;i<COEFFNUMBER;i+ )hi=0;for ( i=0;i<INPUTNUMBER;i+ )xxi=256*sin(i*2*PI/34);rri=wci=0;for ( i=COEFFNUMBER+1;i<INPUTNUMBER;i+ )nLastOutput=FIRLMS(xx+i,h,nLastOutput-xxi-1,COEFFNUMBER);/ break pointrri=nLastOutput;wci=rri-xxi;exit(0);int FIRLMS(int *nx,float *nh,int nError,int nCoeffNu

23、mber)int i,r;float fWork;r=0;for ( i=0;i<nCoeffNumber;i+ )fWork=nxi*nError*fU;nhi+=fWork;r+=(nxi-i*nhi);r/=128;return r; 五、 實驗調(diào)試與結果分析 5.1 MATLAB7.0仿真圖如下 圖 5-1 µ=0.00026 當µ取0.00026時得到的效果較好。前面一段時間較模糊是因為濾波器參數(shù)還沒有調(diào)整到最佳，如圖5-1所示。由圖可知當t取0.5時，已經(jīng)找到了最佳加權系數(shù)。 圖5-2 µ=0.000026 圖5-3 µ=0.26 如圖5-2所示 當µ取0.000026時，濾波結果幾乎呈直線，而且線條很粗，說明尋找加權系數(shù)的速度太慢了。如圖5-3所示， 當µ取0.26時，結果也是呈直線狀，而且線條很細，有的地方還有毛刺，說明系統(tǒng)參數(shù)變化太快，系統(tǒng)還沒有調(diào)整到最佳