紀(jì)彥星 丁賢君
(1.中國人民解放軍91404部隊 秦皇島 066001)(2.中國船舶集團有限公司第七〇九研究所 武漢 430205)
自適應(yīng)陷波濾波器(ANF)能夠有效地估計和提取背景噪聲中的窄帶信號參數(shù)。早期的研究基于有限脈沖響應(yīng)(FIR)濾波器和最小均方(LMS)算法。通過采用最陡下降搜索方向,LMS算法具有數(shù)值計算復(fù)雜度低和魯棒性強的優(yōu)點,因此應(yīng)用比較廣泛。為了解決正弦信號的在線頻率估計的經(jīng)典問題,Hsu、Ortega和 Damm[1]提出了一種新的保證全局收斂的ANF。然而,它的主要局限是收斂速度相對較慢,并且對輸入相關(guān)矩陣特征值擴散的變化敏感[2~3]。為了提高ANF的性能,學(xué)者們付諸了大量的研究。Mojiri和 Bakhshai[4]開發(fā)了一種改進的ANF,以實現(xiàn)周期性信號的在線頻率估計,這種周期信號不必滿足正弦條件。此外,他們還證明了該算法具有更簡單的穩(wěn)定性分析特點,即使在純正弦信號的情況下也減輕了問題的復(fù)雜性。梁國龍等[5]提出了頻率自跟蹤估計器(FATAFE),克服了頻率偏差的增加,與自適應(yīng)頻率估計器(AFE)相比,進一步降低了估計偏差和方差。針對寬帶噪聲干擾下正弦信號的頻率估計問題,Punchalard、Lorsawat?siri和Loetwassana等[6]提出了二階自適應(yīng)FIR陷波濾波器(AFNF)。AFNF的收斂速度和均方誤差(MSE)等性能可以很容易地通過步長參數(shù)來控制。由于傳統(tǒng)的離散化過程在計算自適應(yīng)濾波器狀態(tài)導(dǎo)數(shù)時會產(chǎn)生偏差,Yoon、Bahn和Lee等[7]提出了一種新的LMS-ANF頻率估計的離散導(dǎo)數(shù)方法。新的ANF可以準(zhǔn)確估計不同頻率范圍內(nèi)輸入信號的頻率。
近年來,采用牛頓搜索方向的遞推最小二乘(RLS)算法被引入ANF。這種算法被認(rèn)為具有更大的應(yīng)用潛力,受到越來越多的研究。Pei,Tseng[8]提出了一種實時級聯(lián)ANF來估計正弦信號的振幅、頻率和相位(AFP)。Liu,Diniz和Laakso[9]提出了基于復(fù)數(shù)ANF的抑制射頻干擾的方法。此外,劉和胡[10]開發(fā)了一種高效的RLS-ANF,用于抑制電力線干擾(PLI)。Paleologu[11]和 Leung[12]還提出了具有可變遺忘因子(VFF)的RLS算法,以實現(xiàn)更少的穩(wěn)態(tài)失調(diào)和良好的同步讀寫能力。但在VFF-RLS算法中需要預(yù)先設(shè)定的遺忘因子,它們不能很好地跟蹤馬爾可夫型非平穩(wěn)過程。因此,通過最小化無噪聲后驗誤差的均方,Bhotto和Antoni?ou[13]獲得遺忘因子,并提出了一種新的VFF-RLS算法。Zhu等[14]也提出了一種新的基于RLS算法的格型自適應(yīng)無限脈沖響應(yīng)(IIR)陷波濾波器,用于估計和跟蹤復(fù)雜正弦信號的頻率。
本文設(shè)計了一種基于RLS算法的自適應(yīng)相移估計器,用來估測有源窄帶水聲定位系統(tǒng)中陣元間接收信號的相位差。首先介紹了RLS-ANF估計器的結(jié)構(gòu)及其原理,然后對算法進一步改進以解決“跳象限”現(xiàn)象,最后通過仿真和實驗進行對比,得出結(jié)論。
波達方向(DOA)估計是水聲定位系統(tǒng)的重要任務(wù)之一。在有源窄帶定位系統(tǒng)中,其本質(zhì)都是利用聲波到達水聽器陣列時的聲程差和相移。
如圖1所示的一個二元陣系統(tǒng),陣元間距是d,在遠場條件下,平面波到達兩個陣元的聲程差為
圖1 二元陣相位差示意圖
其中α是聲源的入射角,定義為聲線與陣元法線間的夾角。因此相鄰陣元接受信號的時延為
其中c是聲音在水中的速度。在窄帶有源水聲定位系統(tǒng)中,聲源的頻率ω和波長λ已知。因此,可以得到相鄰陣元接受信號的相移:
其中α∈(0,±π 2)。式(3)說明相移和入射角一一對應(yīng)。因此,聲源的入射角可以通過測量反應(yīng)聲程差的相移得到。
為了估計接受信號的相位,在圖2中展示了RLS-ANF相位估計器的結(jié)構(gòu)。
圖2 RLS-ANF相位估計器結(jié)構(gòu)圖
系統(tǒng)的輸入聲源和接收聲源分別設(shè)為
其中n(t)是背景噪聲。將兩路正交的參考信號rs(t)和rc(t)為
其中ω0與聲源的頻率相同。參考信號rs(t)和rc(t)的抽頭權(quán)系數(shù)分別為ωs和ωc。因為ANF是維納濾波器的物理實現(xiàn),只有當(dāng)濾波器的頻率與聲源的中心頻率對齊時,才能達到最小均方誤差,不然信號會泄露到殘差中。
將信號離散化表示,濾波器的輸入信號向量為r(n)=[rs(n),rc(n)]T,其對應(yīng)的抽頭權(quán)系數(shù)為ω(n)=[ωs(n),ωc(n)]T,期望信號為x(n)。濾波器的實際輸出是ωn和rn的內(nèi)積
抽頭權(quán)系數(shù)的遞推過程也由Boroujeny,John和Sons[15]推導(dǎo)過。在第N次迭代中,抽頭權(quán)系數(shù)的改變量取決于先驗估計誤差和增益向量k(n)的內(nèi)積,增益向量根據(jù)各個時刻的采樣數(shù)據(jù)實時更新,這使得RLS算法有更強的適應(yīng)能力和更敏感的利用新信息的能力。
可以證明,由式(15)給出的相位估計器是理想條件下的最大似然比估計器[16]。
在有源窄帶定位系統(tǒng)中,重要的待測參數(shù)是相位差而不是相位。通過并聯(lián)兩路RLS-ANF相位估計器,可以得到RLS-ANF相位差估計器。
兩路估計器對應(yīng)陣元的期望信號來源于同一個聲源,具有相同的頻率ω0,只需要一組有著相同頻率的rs(t)和rc(t)作為參考信號。RLS-ANF不斷利用參考信號的觀測數(shù)據(jù)來更新抽頭權(quán)系數(shù),然后可分別得到相位估計?1和?2。最終,相位差估計為
當(dāng)進行波達方向估計時,需要將兩路接收信號的相位差φ12歸進區(qū)間(-π,π)內(nèi)。然而大量的仿真證明,當(dāng)相位差真值φ12接近區(qū)間邊緣,即±π時,將不可避免地發(fā)生“跳象限“現(xiàn)象,這種現(xiàn)象在低信噪比的條件下更容易發(fā)生。如圖3所示,以下措施可以用來解決“跳象限”現(xiàn)象。
圖3 克服“跳象限”現(xiàn)象框圖
首先對每個點的相位差估計值進行判決。當(dāng)滿足條件 |φ12|<|π+ε|時,則認(rèn)為“跳象限“現(xiàn)象會發(fā)生,隨后這些相位差估計值被存儲在DATA 1中,并且記錄個數(shù)N。剩下的相位估計值存儲在DA?TA 2中。如果N
為了驗證RLS-ANF相位差估計器的收斂性能,在高斯白噪聲的背景下進行了仿真驗證。仿真的參數(shù)滿足以下條件:兩路正弦信號的初始相位為-π 4和3π 4,信號的頻率ω0為500Hz,采樣率fs為3kHz,快拍數(shù)為60,SNR為20dB,遺忘因子λ為0.99,抽頭權(quán)系數(shù)的初始值ωs和ωc為0。
RLS-ANF相位估計的收斂曲線如圖4所示,圖(a)表示絕對誤差曲線,圖(b)表示抽頭權(quán)系數(shù)的更新曲線。圖(a)中的絕對誤差在不到20次迭代后就收斂到零附近,隨后受噪聲影響在一定范圍內(nèi)擾動。當(dāng)相位絕對誤差趨近于零時,圖(b)中的抽頭權(quán)系數(shù)快速平穩(wěn)的收斂。
圖4 RLS-ANF相位估計器的收斂性能
與此同時,兩個信號之間的相位被設(shè)置為-π來滿足“跳象限”現(xiàn)象。未克服“跳象限”現(xiàn)象的相位差估計曲線如圖5(a)所示??梢钥吹?,在某些快拍數(shù)上相位差估計值在兩個相鄰的象限內(nèi)劇烈跳變,嚴(yán)重影響相位差估計的準(zhǔn)確性。利用圖3列出的措施克服“跳象限”現(xiàn)象后,得出的相位差估計曲線如圖5(b)所示??梢钥吹剑辔徊罟烙嬛悼焖偈諗康秸鎸嵵蹈浇?,在隨后的迭代計算中保持穩(wěn)定。然后使用蒙特卡洛方法進行500次仿真,平均相對誤差低于1‰。因此,使用圖3所示的辦法來克服“跳象限”現(xiàn)象是非常實用和必要的。
圖5 是否克服“跳象限”現(xiàn)象的相位估計曲線
為了滿足遠場條件,將水聽器放置在消聲水池進行了聲學(xué)實驗。聲源是14kHz的正弦信號,數(shù)據(jù)采集系統(tǒng)的采樣率為108 kHz,相鄰水聽器接受信號的相位差真實值為π/6。陣元接受到的原始信號如圖6(a)所示。對直達聲信號進行歸一化等預(yù)處理后,作為自適應(yīng)相位差估計器的輸入?;嚱邮盏降膬陕吩夹盘柡皖A(yù)處理后的信號曲線如圖6(b)所示。
圖6 相鄰陣元的接收信號曲線
為了對比兩個相位差估計器的性能,同時使用LMS-ANF和RLS-ANF來計算處理后的信號。RLS-ANF的遺忘因子為0.99,LMS-ANF的步長參數(shù)為0.002,兩個相位差估計器的中心頻率都和聲源相同,其他參數(shù)保持一致。LMS-ANF的相位差估計曲線如圖7(a)所示,相位差估計值在30次迭代計算后漸漸收斂到真實值附近,隨后在稍微大的范圍內(nèi)上下浮動。RLS-ANF的相位差估計曲線如圖7(b)所示,很明顯,相位差估計曲線在更短的時間內(nèi)就收斂到真實值附近,并在隨后的迭代計算中保持穩(wěn)定。因此,兩種估計器都能對環(huán)境有很好的適應(yīng)能力,并以較高的精度完成相位差估計,但是,RLS-ANF比LMS-ANF需要更少的快拍數(shù),并且具有更強的抗干擾能力。
圖7 兩種估計器的相位差估計曲線
本文提出了一種基于RLS算法的自適應(yīng)相移估計器。針對“跳象限”現(xiàn)象,進一步改進了RLS-ANF。改進算法的有效性通過仿真得到了驗證。并且,通過實驗將LMS-ANF和RLS-ANF進行了性能對比。結(jié)果顯示,RLS-ANF有更快的收斂速度,更強的抗干擾能力,更好的穩(wěn)定性,也更適合主動式窄帶定位系統(tǒng)的實時應(yīng)用。