用于自适应滤波器的系统和方法技术方案

在一个实施例中，一种用于训练自适应滤波器的方法包括：设备的处理器接收输入信号和训练参考信号，以及根据所述输入信号、所述训练参考信号和滤波器类型确定相关矩阵。所述方法还包括根据所述相关矩阵确定多个系数以及根据所述多个系数调整所述自适应滤波器。

【技术实现步骤摘要】
【国外来华专利技术】本申请要求2014年3月20日提交的，申请号为14/220,755，名称为“用于自适应滤波器的系统和方法”的美国非临时申请的权益，该申请以引用方式并入本文。
本专利技术涉及用于滤波的系统和方法，尤其涉及一种用于自适应滤波器的系统和方法。
技术介绍
自适应滤波用于多种情况，包括功率放大器预失真系统。预失真是提高功率放大器的线性度的技术，例如在电信系统中。非线性的功率放大器导致对其它无线电信道的干扰。预失真电路对功率放大器的增益和相位的特性逆向建模，以产生线性更佳的系统。将逆向失真引入功率放大器的输入，抵消放大器中的非线性。自适应滤波器的特性可以由于功率放大器的类型或者功率放大器的子系统的架构的不同而变化。自适应均衡器提供反馈，例如，用于均衡跨频率带宽的信道增益以补偿在不同频率的不同的增益。自适应滤波器也可用于其它类型的自适应系统中的干扰计算。自适应滤波器基于误差信号的优化算法自调整其传递函数。在一个示例中，自适应过程使用成本函数作为优化算法的输入，其为滤波器的最优性能标准。该算法确定如何修正滤波器传递函数以将下次迭代的成本最小化。
技术实现思路
用于训练自适应滤波器的方法实施例包括：设备的处理器接收输入信号和训练参考信号，以及根据所述输入信号、所述训练参考信号和滤波器类型，确定相关矩阵。所述方法还包括根据所述相关矩阵确定多个系数，以及根据所述多个系数调整所述自适应滤波器。该方法进一步包括根据所述相关矩阵确定多个系数以及根据所述多个系数调整所述自适应滤波器。用于训练自适应滤波器的方法实施例包括：设备的处理器接收输入信号和训练参考信号，以及根据所述输入信号和所述训练参考信号确定三角矩阵。所述方法还包括存储所述三角矩阵，以及根据所述三角矩阵确定多个系数。此外，所述方法包括根据所述多个系数调整所述自适应滤波器。计算机实施例包括处理器以及存储有由所述处理器执行的程序的计算机可读存储介质。所述程序包括指令用于接收输入信号和训练参考信号，以及根据所述输入信号、所述训练参考信号和滤波器类型确定相关矩阵。所述程序还包括指令，用于根据所述相关矩阵确定多个系数以及根据多所述个系数调整自适应滤波器。为了使后续本专利技术的详细描述可以更好地被理解，前述内容仅粗略地概述了本专利技术实施例的特征。本专利技术实施例的另外的特征以及优点将在下文中予以描述，它们形成本专利技术权利要求的主题。本领域技术人员应当理解，所公开的概念和具体实施例可容易地被用作修改或设计用于实现与本专利技术相同的目的的其它结构或程序的基础。本领域技术人员还应当意识到，这样的等效结构并不脱离所附权利要求说明的本专利技术的精神和范围。附图说明为了更完整地理解本及其优点，现结合附图并参照以下描述，其中：图1示出了用于自适应滤波器的系统实施例；图2示出了用于自适应滤波的方法实施例的流程图；图3示出了用于自适应滤波的方法实施例的另一流程图；以及图4示出了通用计算机系统实施例的框图。除非另有说明，相应的数字和符号在不同的图中通常指代相应的部分。所画附图用于清楚地说明实施例的相关方面，并不必要按比例绘制。具体实施例首先应当理解，尽管下面提供了一个或多个实施例的示例性实现方式，所公开的系统和/或方法可以利用任意数量的技术来实现，无论当前是否已知或存在。本公开不应以任何方式被限制于以下示出的示例性实现方式、附图、以及技术，包括这里所示出的以及所描述的示例性设计以及实现方式，而是可以在所附权利要求的范围以及其等同物的全部范围内进行修改。一实施例利用灵活的自适应架构来以不同的方式实现收敛，以及迅速适应不同类型的训练目标。常见的硬件架构可以用于多种训练算法，如最小二乘(LS)-GIVEN、最小二乘QR分解(LS-QRD)、QR分解递归最小二乘(QRD-RLS)或(QRD)、以及最小均方(LMS)。可配置参数包括训练算法、滤波器类型、矩阵大小、用于相关矩阵计算的样本数、用于基本三角旋转矩阵计算的相关矩阵(相关多个U向量或单个U向量)中的行数、具有遗忘因子λ1、λ2、以及λ3的多层自适应、系数更新参数μ、以及正则因子α。图1示出了用于自适应滤波器训练的系统100。向量引擎104、旋转引擎106、以及系数引擎110对于LS-GIVEN、LS-QRD、以及QRD滤波器类型是通用的。相关矩阵引擎102和三角矩阵引擎108是可编程的，以方便LS-GIVEN、LS-QRD、QRD和LMS架构。相关矩阵引擎102生成U向量和相关矩阵Rxd。在一个示例中，U向量由输入信号x组成，当使用直接训练时，输入信号x是预致动器模型的输出，当使用非直接训练时，输入信号x是装置的输出。用于训练输入U向量的一般公式是输入信号的函数，并由下式给出：U＝f(x0，x1，...，xi)其中，i表示训练模型参数的总数。在一般情况下，第k个相关矩阵由递归关系式定义： R xd k = R xd k b + λ 1 R xd k - 1 - - - ( 1 ) ]]>是第(k-1)个相关矩阵，λ1是矩阵Rxd的遗忘因子，以及是在第k个相关矩阵块的基本相关矩阵。相关矩阵是由相关矩阵UH×U以及交叉相关矩阵向量UH×d组成，其中，d是训练参考信号。即： R xd k b = U H × U U H × d M × ( M + 1 ) ]]>U向量的相关本文档来自技高网...

【技术保护点】
一种用于训练自适应滤波器的方法，所述方法包括：设备的处理器接收输入信号和训练参考信号；根据所述输入信号、所述训练参考信号和滤波器类型，确定相关矩阵；根据所述相关矩阵确定多个系数；以及根据所述多个系数调整所述自适应滤波器。

【技术特征摘要】
【国外来华专利技术】2014.03.20 US 14/220,7551.一种用于训练自适应滤波器的方法，所述方法包括：设备的处理器接收输入信号和训练参考信号；根据所述输入信号、所述训练参考信号和滤波器类型，确定相关矩阵；根据所述相关矩阵确定多个系数；以及根据所述多个系数调整所述自适应滤波器。2.根据权利要求1所述的方法，进一步包括：确定U向量，其中，确定所述相关矩阵进一步包括根据所述U向量确定所述相关矩阵。3.根据权利要求2所述方法，其中，确定所述U向量包括：根据所述输入信号和所述滤波器类型确定所述U向量。4.根据权利要求2所述的方法，其中，确定所述U向量包括：根据所述训练参考信号和所述滤波器类型确定所述U向量。5.根据权利要求2所述的方法，进一步包括：确定所述U向量的大小。6.根据权利要求1所述的方法，进一步包括：确定所述相关矩阵的大小。7.根据权利要求1所述的方法，进一步包括：根据所述滤波器类型确定第一遗忘因子；根据所述滤波器类型确定第二遗忘因子；以及根据所述滤波器类型确定第三遗忘因子，其中，确定所述相关矩阵进一步包括：根据所述第一遗忘因子、所述第二遗忘因子、以及所述第三遗忘因子确定所述相关矩阵。8.根据权利要求1所述的方法，进一步包括：确定正则因子，其中，确定所述相关矩阵进一步包括：根据所述正则因子确定所述相关矩阵。9.根据权利要求1所述的方法，其中，所述相关矩阵由基本块矩阵组成。10.根据权利要求1所述的方法，其中，...

【专利技术属性】
技术研发人员：胡兰，赛·莫翰·开拉姆比，贾明，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：广东;44