實時實現的近端信號抵消通信

李子茗 黃西子 黃騰飛

（哈爾濱工程大學，黑龍江 哈爾濱 150001）

1 研究背景與意義

全雙工技術在5G 領域應用逐漸廣泛, 是5G 領域的關鍵技術之一[1],它能夠實現在相同頻率資源上同時進行信號的發射和接收的工作, 理論上有可能在無線電網絡中達到半雙工系統兩倍的頻譜效率[2]。但全雙工通信方式也存在著近端發送的信號會被近端接收設備所接收的問題,使得近端接收信號強度遠大于遠端信號強度。因此, 目前針對全雙工技術的研究都是以抑制同頻的自干擾信號為前提開展的。與此同時,全雙工水聲通信技術也是水下通信領域的研究難點之一, 無論使用哪種水下通信的方法,由于要同時進行對信號的發射和接收,近端信號依然會成為一個強烈的干擾源, 這一現象極大地影響了全雙工通信的性能。因此,無論在空氣聲道中還是水下聲信道中, 針對近端干擾信號抵消工作的研究都極具發展前景[3]。

2 主要工作

在空氣聲場中進行全雙工通信時, 近端和遠端分別同時發射相同頻率的聲波信號, 近端發射的信號聲壓級較大,遠端發射的信號聲壓級較小。接收端使用水聽器進行信號采集,將采集到的信號送入LMS 自適應濾波器進行自干擾抵消,實現對近端信號的干擾抵消。

3 抵消方案

全雙工通信技術在5G 領域運用廣泛,在全雙工的傳送方式下,有更高的數據傳輸速度等優勢。針對空氣聲信道,提出在全雙工的通信方式下,進行對自干擾抵消的研究。

3.1 自適應濾波

圖1 自適應濾波系統

圖2 N 抽頭橫向自適應濾波器

3.2 半實物仿真平臺

硬件在環回路(HIL)的方式既有仿真代碼又有部分實物,因此被稱為半實物仿真,可以顯著降低時間和成本[5]。雖然目前市面上可以進行實時仿真的平臺有很多, 但是HIL 中的Desktop Real-Time 工作模式是最為接近現實時間的, 它只需借助一臺設備就可完成仿真系統的程序編寫和運行,可以直接和硬件相連,功能更為強大[6]。

3.3 LMS 算法

根據上式,均方誤差為

本文中進行以下定義

經過推導可以得到

通過上式發現,E[(n)]是關于權系數向量w(n)的二次函數,該函數為形狀開口向上的拋物線,通過迭代調節權系數向量w(n),使均方誤差E[(n)]達到最小值,這一過程相當于沿著拋物性曲面下降找到最小值, 通過均方誤差E[(n)]的梯度來求最小值。

令?（n）=0可以得到

代入后可以得到

根據最速下降法得到w(n+1 ) =w(n) - μ?(n)(μ是算法的步長參數, ?是梯度算子)。E[(n)]計算復雜,取e2(n) 作為E[(n)]的估計值。因此

得到權值更新公式:

又因為

權值更新流程如圖3 所示。

圖3 權值更新框圖

3.4 RLS 算法

遞歸最小二乘(Recursive Least Squire, RLS)自適應算法[8],是通過指數加權的誤差平方和作為代價函數,將誤差函數代入代價函數后得到下式:

其中 λ為基于RLS 算法的自適應濾波器的遺忘因子。遺忘因子會賦給距離當前時刻近的誤差較大權重,離當前時刻遠的誤差相反, 這樣可以確保過去某時間段的觀測數據被“遺忘”,因此,基于RLS 算法的自適應濾波器可以做到在非平穩狀態下工作。

為找到使上述代價函數值最小的權值,可通過代價函數對權向量求導,令其導數為零,經過推導得:

其中 Λ (n) =Diag(λn-1,......, λ,1),得到:

因為抽頭圈向量取得是時刻的,而非時刻的。所以,當時:

又由于:

化簡得到權值更新公式:

4 LMS 實際驗證結果

實際驗證時,在完成系統搭建后,我們采用LFM 信號作為近端發射的干擾信號,OFDM 信號作為遠方發射的目標信號,圖4 為OFDM 信號時域波形以及應用LMS 算法的抵消結果。

如圖4 所示,從上到下，白色是近端水聽器接收的信號波形，深灰色是遠方OFDM 信號波形，淺灰色為抵消后的信號波形。觀察可知，穩定之后，在10kHz 頻率附近，抵消后的信號波形與遠端目標信號OFDM 信號的波形非常接近。因此，LMS 算法的抵消結果是十分理想的。

圖4 遠方信號和抵消LFM 信號后的波形

5 結論

針對實時實現對于近端干擾信號的抵消問題,本文設計完成了一款針對同時同頻發出的信號進行自干擾抵消的系統, 采用了HIL 半實物仿真平臺進行simulink 仿真測試,實現自適應控制過程,具有抗干擾能力強、操作便捷等特點。

本課題針對實現實時抵消近端自干擾信號的系統分別采用了LMS 和RLS 兩種算法進行自適應濾波器的設計,對實驗數據處理并對干擾抵消效果進行驗證。實驗結果顯示,運用LMS 算法的自適應濾波器的抵消后信號波形與遠端目標信號的波形非常接近; 而運用RLS 算法的自適應濾波器由于RLS 算法的復雜程度較高, 所以在濾波器長度相對較高時會導致電腦崩潰, 無法進行記性驗證。

因此, 我們最終選用基于LMS 算法的自適應濾波器進行實時狀態下的近端干擾抵消。