FPGA数字信号处理之：最小二乘法LMS自适应滤波器实现（两种实现方式）

一、定义

        1959年由Widrow和Hoff提出了最小均方（Least Mean Square，LMS）算法，LMS基于维纳滤波理论，采用瞬时值估计梯度矢量的算法，通过最小化误差信号的能量来更新自适应滤波器权值系数。最小二乘(Least Square)准则：以误差的平方和最小作为最佳准则的误差准则。

        式中, ξ(n)是误差信号的平方和；ej是j时刻的误差信号，

        dj是j时刻的期望信号，Xj是j时刻的输入信号构成的向量， W表示滤波器的权系数构成的向量。通过选择W，使ξ(n)取得最小值的滤波称为最小二乘(Least Square,简称LS)滤波，而满足E［e2j］取得最小值的滤波称为最小均方误差(Least Mean Square, 简称LMS)滤波。

二、原理 

        1.设计一个N 阶滤波器，它的参数为w(n)，则滤波器输出为
        $$y(n)=\sum_{i=0}^{N-1} w_{i}(n) x(n-i)=w^{T}(n)x(n)=x^{T}(n) w(n)$$
       2. 期望输出为d(n)，则误差信号可以定义为：
        $$e(n)=d(n)-y(n)=d(n)-w^{T}(n) x(n)$$
        3.我们的目标就是将误差e(n)最小化，采用最小均方误差（MMSE ）准则，最小化目标函数：J(w)
        $$J(w)=E\left\{|e(n)|^{2}\right\}=E\left\{\left|d(n)-w^{T}(n) x(n)\right|^{2}\right\}$$
        4.计算目标函数J(w)对w的导数，令导数为0：
        $$\nabla (J(w)) = \frac{{\partial [\mathop e\nolimits^2 (n)]}}{{\partial w(n)}} =  - 2e(n)X(n)$$
        5.则滤波器系数的更新公式可以写为：
        $$w(n+1)=w(n)-\frac{1}{2}\mu [-\nabla (J(w))]=w(n)+\mu e(n)X(n)$$
        上式中的u为步长因子。u值越大，算法收敛越快，但稳态误差也越大；u值越小，算法收敛越慢，但稳态误差也越小。为保证算法稳态收敛，应使u在以下范围取值：

        $$0 < \mu  < \frac{2}{{\sum\limits_{i = 1}^N {x(i)_{}^2} }}$$ 

三、FPGA实现

（一）matlab + RTL

        使用matlab生成LMS滤波器所需系数，然后使用system generator调用fir滤波器IP搭建算法模型如下：

 

 （二）纯RTL

        完全使用system generator搭建滤波器算法模型如下：

四、实现效果

        分别比较了自适应滤波器输入、预期输出、自适应滤波器matlab输出、自适应滤波器FPGA输出，经分析，使用fpga实现最小二乘法滤波还是挺不错的。 看起来图a效果要比图b效果好，那是因为图a抽头数20，图b抽头数8，后面有时间我将抽头数改为相同再比较试试。

图a：matlab + RTL

图b：纯RTL