lms算法的fpga实现代码_（探讨滤波器）3. 自适应滤波LMS算法的FPGA实现

最近有网友问能不能写一下LMS滤波算法的FPGA实现，当然可以，因为去年我就已经做过LMS滤波算法的FPGA实现，只是一直没有讲。

本文简单阐述LMS算法的原理，更细节的内容知乎上有人介绍，然后讲LMS算法的FPGA实现方法，将涉及部分现代信号处理，随机信号分析，矩阵，概率论等知识。

本文所用的FPGA代码为去年写，记忆可能有些偏差，实现方法可能也有不妥之处，可供学习使用。

---

其实所有的数字滤波器都逃不过 延时加权求和的六字真谛，但我们之前讨论的FIR滤波器，其截止频率等参数都是事先已经定好；如果事先已知有用信号与噪声信号的频率相差较远，用这种滤波器是可以完成滤波的。 但如果噪声与有用信号频率相差不大或者噪声近似高斯白噪声呢，这个情况该如何面对？这意味着滤波器参数不能再保持固定不变，也就意味着加权系数不能是定值，而是应该根据信号的某些统计特性改变。 维纳滤波器就是这样一种自适应滤波器，根据维纳霍夫方程可以求得维纳滤波器的加权系数。但是，维纳滤波器有其本身的局限性，在求解加权系数时，需要知道期望信号与输入信号的互相关函数，输入信号的自相关函数。这导致计算过程设计到矩阵运算，并且滤波器不适合非平稳信号，非平稳信号的相关性不是仅仅跟时间有关。 为了简化计算量，LMS不通过求均方误差的数学期望最小去获得最佳权值，而是直接对均方误差求最小值获得权值，然后不断地重复这个过程，直到接近最优维纳解。 维纳的权值更新方程： 根据最陡梯度下降，对 J 求导，得到 所以，权值更新方程最终为： u为学习率，控制权值更新的速度。 所以，LMS算法相比于前面讲过的FIR滤波器，不仅要对输入信号进行加权求和，还要求滤波器输出信号与期望信号的差值，然后根据差值更新权值信息。 LMS算法的FPGA实现结构里，我们依然使用FIR的基础模块，基础模块实现加权和权值更新，然后通过generate for调用基础模块，对所有结果求和；顶层求误差；这里对实现细节不做过多讲述，可以参考(探讨滤波器)2. 手把手用Verilog实现FIR滤波器，非IP核 的实现细节，原理大致相同。 示例中使用的输入信号为带噪信号，期望信号是带噪的语音信号。 base_generator.v 基础模块实现过程，当时使用的是Altera的芯片，所以设置了如果FPGA_FAMILY为“ALTERA”，会调用Altera的乘法器IP核进行权值增量的计算和加权计算过程。 always块里面，首先保存输入信号和误差信号，然后进行加权结果输出，权值更新。

wire signed [X_W+E_W-1:0]	coef_tmp		;	// xin * errre