Tài liệu Nghiên cứu thiết kế mạch lọc thích nghi sử dụng lớp thuật toán lms với công nghệ fpga

MỞ ĐẦU Ngày nay, với sự phát triển vượt bậc của khoa học kỹ thuật, các hệ thống tương tự được thay thế dần bằng các hệ thống số. Các công nghệ mới được ứng dụng rộng rãi cho xử lý tín hiệu. Bài toán loại bỏ can nhiễu và tạp âm luôn luôn là vấn đề lớn trong các hệ thống xử lý tín hiệu. Để loại bỏ can nhiễu và tạp âm thường sử dụng các bộ lọc. Các bộ lọc kinh điển được thiết kế với mục đích chọn lọc tần số (bộ lọc thông thấp, bộ lọc thông cao, bộ lọc thông dải…) hay cực tiểu hóa bình phương trung bình của tín hiệu sai lệch. Tuy nhiên những phương pháp này yêu cầu cần phải biết trước các đặc trưng thống kê cơ bản của nhiễu như kỳ vọng, phương sai, hàm tương quan… giả định nhiễu và tạp âm là những quá trình ngẫu nhiên dừng. Nhưng trong thực tế, nhiễu và tạp âm là những quá trình ngẫu nhiên không dừng do đó các tham số của nó thay đổi theo thời gian và do vậy việc thiết kế các bộ lọc theo phương pháp kinh điển rất khó đạt được hiệu quả cao. Để phù hợp hơn với điều kiện thực tế người ta đã đề xuất phương pháp xử lý tín hiệu thích nghi. Mục đích của xử lý tín hiệu thích nghi là đạt được tín hiệu đầu ra tối ưu. Việc nghiên cứu và xử lý tín hiệu trong môi trường không dừng dựa trên các thuật toán xử lý thích nghi có một ý nghĩa thực tiễn rất lớn khi thiết kế các hệ thống thông tin có độ chính xác cao. Trước kia do công nghệ chế tạo IC còn hạn chế nên việc thực hiện các thuật toán xử lý tín hiệu thích nghi là rất khó khăn. Ngày nay công nghệ chế tạo IC phát triển vượt bậc nên việc sử dụng các dụng cụ điện tử, thiết bị bán dẫn và các bộ vi xử lý có độ tích hợp cao như DSP, FPGA… để thực hiện thuật toán xử lý tín hiệu thích nghi là dễ dàng hơn rất nhiều. Đề tài " Nghiên cứu thiết kế mạch lọc thích nghi sử dụng lớp thuật toán LMS với công nghệ FPGA" sẽ đi sâu vào nghiên cứu thuật toán xử lý tín hiệu thích nghi LMS và các biến thể của nó, kiến trúc của FPGA và chip ProAsic3 của Actel. Từ đó thực hiện mạch xử lý tín hiệu thích nghi loại bỏ can nhiễu. Nội dung của luận văn bao gồm ba chương: Chương 1: Tổng quan về lọc thích nghi Chương này nghiên cứu tổng quan về xử lý tín hiệu thích nghi và nghiên cứu một số ứng dụng cơ bản của thuật toán xử lý tín hiệu thích nghi. Chương 2: Thuật toán xử lý tín hiệu thích nghi LMS và các biến thể của nó. Chương này tập chung nghiên cứu về thuật xử lý tín hiệu thích nghi LMS và các biến thể của nó gồm có thuật toán LMS chuẩn hóa (NLMS) và thuật toán xử lý LMS khối (BLMS). Chương 3: Giải pháp và kết quả thiết kế lọc thích nghi với FPGA. Chương này nghiên cứu một sơ đồ khử nhiễu thích nghi, từ sơ đồ đó tiến hành mô phỏng trên Simulink và xây dựng chương trình VHDL thực hiện thuật toán LMS để thực hiện quá trình lọc thích nghi loại bỏ nhiễu khỏi tín hiệu thoại. Chương trình này được cài đặt ứng dụng trên bo mạch FPGA của Actel. Chương 1 TỔNG QUAN VỀ LỌC THÍCH NGHI 1.1. Tổng quan về xử lý tín hiệu thích nghi. Xử lý tín hiệu thực chất là một quá trình lấy ra tín hiệu mong muốn từ một tập tín hiệu có lẫn nhiễu tại đầu vào máy thu. Tín hiệu khi được truyền đi trong môi trường bị biến dạng bởi các tác động của can nhiễu và tạp âm. Do vậy tại thiết bị thu ta phải thiết kế như thế nào để càng giảm được tác động của nhiễu càng nhiều càng tốt. Với mục đích nâng cao độ tin cậy cho thiết bị thu thì các hệ thống thông tin cần phải tích hợp các khối xử lý để giảm ảnh hưởng của nhiễu và tạp âm. Những khối này luôn tồn tại trong các hệ thống thông tin tương tự cũng như các hệ thống thông tin số, chúng có thể qui về các bộ lọc và các bộ san bằng. Một trong những ứng dụng quan trọng của các bộ lọc là loại bỏ nhiễu và tạp âm. Các bộ lọc kinh điển được thiết kế với mục đích chọn lọc tần số (bộ lọc thông thấp, bộ lọc thông cao, bộ lọc thông dải…) hay cực tiểu hóa bình phương trung bình của tín hiệu sai lệch. Tuy nhiên những phương pháp này yêu cầu cần phải biết trước các đặc trưng thống kê cơ bản của nhiễu như kỳ vọng, phương sai, hàm tương quan…và giả định nhiễu và tạp âm là những quá trình ngẫu nhiên dừng. Hình 1.1 mô tả cấu trúc của một bộ lọc tuyến tính hoạt động trong môi trường dừng. Hình 1.1 : Bộ lọc tuyến tính trong môi trường dừng Nhưng trong thực tế, nhiễu và tạp âm là những quá trình ngẫu nhiên không dừng do đó các tham số của nó thay đổi theo thời gian và do vậy việc thiết kế các bộ lọc theo phương pháp kinh điển rất khó đạt được hiệu quả cao. Để phù hợp hơn với điều kiện thực tế người ta đã đề xuất phương pháp xử lý tín hiệu thích nghi. Mục đích của xử lý tín hiệu thích nghi là đạt được tín hiệu đầu ra tối ưu theo nghĩa này hay nghĩa khác. Do không biết trước được các tham số đặc trưng cho nhiễu hay tín hiệu có lẫn nhiễu tại đầu vào máy thu nên các thuật toán xử lý tín hiệu thích nghi sẽ xử lý theo từng mẫu dữ liệu thu được và sử dụng các mẫu đó để tìm các mẫu dữ liệu kế tiếp theo phương pháp đệ quy. Mọi thuật toán xử lý tín hiệu thích nghi đều xuất phát từ một tập điều kiện ban đầu. Điều kiện ban đầu chính là những gì biết được về môi trường truyền dẫn. Trong môi trường dừng, ta sẽ tìm được một giá trị tối ưu sau khi thực hiện một số chu kỳ xử lý thành công. Nhưng ngược lại trong môi trường không dừng, không tồn tại một giải pháp tối ưu duy nhất cho quá trình xử lý tín hiệu thích nghi. Để đảm bảo đạt được tín hiệu thu tốt nhất thì các bộ lọc thích nghi vẫn phải thực hiện quá trình điều chỉnh trọng số bộ lọc dù không biết trước được các tính chất thống kê của tín hiệu vào. Nhưng thay vì phải đưa ra tất cả mọi thông tin về một quá trình nào đó thì ta chỉ phải đưa ra một chuỗi mẫu tín hiệu tại thời điểm đó và sử dụng phương pháp đệ quy để tìm các mẫu tín hiệu trong các thời điểm kế tiếp. Có rất nhiều biện pháp để có thể tìm ra được tín hiệu mong muốn nhưng phương pháp hiệu chỉnh theo sai số bình phương trung bình là phổ biến hơn cả. Sơ đồ khối của hệ thống xử lý tín hiệu thích nghi được mô tả trên hình 1.2. Hình 1.2: Sơ đồ khối của hệ thống xử lý tín hiệu thích nghi Từ trên sơ đồ ta thấy rằng hoạt động của thuật toán xử lý tín hiệu thích nghi gồm hai quá trình chính: ➢ Quá trình lọc: quá trình này thực hiện lấy tín hiệu ra từ tín hiệu đầu vào. ➢ Quá trình xử lý thích nghi: mục đích của quá trình này là điều chỉnh hàm truyền đạt của hệ thống theo sự thay đổi của môi trường. Quá trình thích nghi điều chỉnh theo một tín hiệu sai lệch. Thông thường thì giá trị bình phương trung bình của tín hiệu sai lệch được sử dụng trong quá trình xử lý thích nghi. Hai quá trình trên xử lý luân phiên nhau. Do vậy việc lựa chọn một cấu trúc cho quá trình lọc có ảnh hưởng rất lớn đến toàn bộ quá trình xử lý của toàn bộ thuật toán. Có ba dạng cấu trúc bộ lọc hay được sử dụng trong thuật toán xử lý tín hiệu thích nghi là: ➢ Bộ lọc dàn hàng [9]: bộ lọc này chỉ bao gồm ba phần tử cơ bản như được chỉ ra trên Hình 1.3, đó là: bộ trễ, bộ nhân và bộ cộng. Số phần tử trễ trong bộ lọc sẽ tương ứng với số đáp ứng xung hay bậc của bộ lọc. Tín hiệu đầu ra của bộ lọc dàn hàng: (1.1) với: là tín hiệu đầu ra của bộ lọc. là hệ số của bộ lọc hay còn gọi là trọng số lọc là đầu vào của bộ lọc. Hình 1.3. Bộ lọc dàn hàng ➢ Bộ dự báo mắt cáo [9]: Bộ dự báo này gồm các môđun riêng biệt, mỗi môđun này chỉ xuất hiện trong một mắt lưới. Quan hệ giữa tín hiệu đầu vào và tín hiệu đầu ra của bộ dự báo mắt cáo. (1.2) với ở đây và số dự báo tiến thứ m, và là bậc dự báo cuối cùng. Biến là sai số dự báo lùi thứ m. Hệ số hệ số phản xạ thứ m. Sai số dự báo tiến nhau giữa đầu vào ( là sai được gọi là được định nghĩa như sự khác là đầu vào bộ dự đoán mắt cáo tại thời điểm m) và giá trị dự đoán một bước của nó, giá trị dự đoán này được xác định trên cơ sở tập m đầu vào trước đó. Tương tự, sai số dự báo lùi được định nghĩa như sự khác nhau giữa đầu vào và các dự báo lùi của nó mà được xác định trên cơ sở tập m các đầu vào tiếp theo ➢ Mạng tâm thu-Systolic array [9]: được đề xuất bởi Kung và Leiserson vào năm 1978. Mạng Systolic bao gồm một quá trình song song theo một ma trận. Hai thành phần cơ bản của nó là tế bào đường biên và tế bào bên trong. Quan hệ giữa tín hiệu đầu vào và đầu ra của mạng Systolic như sau: (1.3) Trong đó những phần tử của ma trận R có chứa trong từng tế bào đường biên và tế bào bên trong. Từ những phân tích trên ta thấy quá trình xử lý tín hiệu thích nghi phù hợp hơn với sự tác động của môi trường. Các quá trình xử lý tín hiệu thích nghi trong môi trường không dừng đã cải thiện đáng kể chất lượng của các thiết bị thu dưới tác động của nhiễu màu. Nhưng một nhược điểm chính của thuật toán xử lý tín hiệu thích nghi là rất phức tạp trong tính toán và số phép tính thực hiện rất nhiều. Ngày nay, với sự phát triển vượt bậc của khoa học kỹ thuật ta hoàn toàn có khả năng xây dựng các bộ xử lý tín hiệu thích nghi. Với những bộ vi xử lý có độ tích hợp cao như DSP, FPGA…cho phép thực hiện các thiết bị có độ tính toán lớn và phức tạp. Với thuật toán xử lý tín hiệu thích nghi do không tồn tại một giải pháp tối ưu duy nhất nên cần có một số công cụ cần thiết. Đó chính là những thuật toán xử lý tín hiệu thích nghi như: thuật toán giảm bước nhanh nhất, LMS, RLS, bộ lọc Wiener, bộ lọc Kalman... Trong đó, thuật toán giảm bước nhanh nhất và thuật toán LMS đều dựa trên phương pháp gradient. Còn thuật toán RLS lại dựa vào sự đánh giá bình phương trung bình cực tiểu của tín hiệu sai lệch. Mỗi thuật toán đều có những ưu điểm và nhược điểm riêng của nó. Do vậy, để chọn thuật toán xử lý tín hiệu thích nghi nào thì tùy thuộc vào từng hệ thống mà ta muốn xây dựng. Rõ ràng bất kể sự lựa chọn nào ta cũng đều phải dựa theo một tiêu chí nhất định như hiệu suất, hàm tiêu phí của hệ thống. Với mục đích cải thiện độ tin cậy của thiết bị thu số chúng ta cần phải quan tâm đến ba yếu tố là: tính toán sự tiêu hao, hiệu suất và khả năng thực hiện hệ thống. Bằng các công cụ mô phỏng hiện có (chẳng hạn phần mềm mô phỏng Matlab) ta thấy thuật toán LMS thì rất đơn giản và vì vậy nó khá phổ thông và được sử dụng trong hầu hết các ứng dụng [9]. Trong các lĩnh vực viễn thông, rađa, định vị và thông tin hàng hải thì các thành phần tín hiệu nhận được tại máy thu và những tín hiệu đã bị điều chế với tín hiệu sóng mang. Dải phổ của tín hiệu thường rất nhỏ hơn so với tần số sóng mang. Để thu được tín hiệu băng gốc thì tại máy thu cần phải thực hiện giải điều chế. Một cách tổng quát, tín hiệu băng gốc có dạng phức như sau: (1.4) Trong đó là thành phần thực và là thành phần ảo của tín hiệu băng gốc. Theo công thức Ơle ta có thể viết lại như sau: (1.5) Tương tự như vậy thì tín hiệu đầu ra của bộ lọc thích nghi cũng có dạng phức. Điều quan trọng là ta phải thể hiện được quan hệ giữa cấu trúc và dạng toán học của bộ lọc thích nghi trên miền phức. Nếu tín hiệu vào có dạng phức ta nên chuyển về dạng thực bằng cách sử dụng liên hợp phức và ma trận chuyển vị Hermitian [9]. 1.2. Những ứng dụng cơ bản của thuật toán xử lý tín hiệu thích nghi. Các thuật toán xử lý tín hiệu thích nghi đã và đang rất thành công trong nhiều lĩnh vực khác nhau như: viễn thông, ra đa, định vị, điện tử y sinh, địa chấn học. Mặc dầu tất cả mọi lĩnh vực này đều rất khác nhau trong thực tế nhưng chúng đều có chung một đặc điểm cơ bản là vectơ tín hiệu vào và đáp ứng mong muốn trong hệ thống đều được sử dụng để tìm một sai số đánh giá. Sai số đánh giá được sử dụng để điều chỉnh hàm truyền đạt của hệ thống làm sao cho nó có thể lấy ra được tín hiệu hữu ích. Tuy nhiên sự khác nhau giữa các lĩnh vực trên là dạng đáp ứng mong muốn được lấy ra. Trong nội dung của luận văn tôi xin giới thiệu một số ứng dụng cơ bản của xử lý tín hiệu thích nghi. 1.2.1.Nhận dạng hệ thống. Nhận dạng hệ thống là một phương pháp thực nghiệm để mô hình hóa quá trình xử lý hay một thiết bị nào đó chưa biết. Sơ đồ khối của một cơ cấu nhận dạng hệ thống được thể hiện trên hình 1.4. Hình 1.4: Sơ đồ nhận dạng hệ thống Trong ứng dụng này, bộ lọc thích nghi được sử dụng như một mô hình tuyến tính và có nhiệm vụ điều chỉnh hàm truyền đạt của hệ thống phù hợp nhất với một quá trình chưa biết. Bộ lọc thích nghi và hệ thống cần nhận dạng đều cùng được điều khiển bằng một tín hiệu vào. Đầu ra của hệ thống cần nhận dạng là đáp ứng mong muốn, được sử dụng vào quá trình điều chỉnh của bộ lọc thích nghi. Số lượng đáp ứng mong muốn lại chính là tham số của bộ lọc. Bộ lọc thích nghi đã xây dựng một mô hình toán học và được sử dụng cho mục đích xây dựng nhận dạng hệ thống. Một ứng dụng của nhận dạng hệ thống được trình bày trên hình 1.5, đó là mô hình hóa một kênh vô tuyến. Trong thông tin di động, sự ghép kênh sẽ gây ra các nhiễu xuyên dấu ISI. Để giảm nhiễu xuyên dấu thì tại các thiết bị thu người ta sử dụng các bộ san bằng. Một giải pháp cho vấn đề này, người ta sử dụng một bộ đánh giá các symbol có khả năng xảy ra cực đại, do vậy cần phải có một mô hình về méo dạng kênh. Mô hình này có thể thực hiện được nếu sử dụng nhận dạng hệ thống thích nghi. Với mục đích này thì một chuỗi bít huấn luyện được phát đi một cách định kỳ (xen lẫn vào các symbol thông tin). Chuỗi bít huấn luyện này đã được biết trước ở máy thu và được sử dung như một đáp ứng mong muốn trong nhận dạng hệ thống thích nghi. Thiết bị thu sẽ quan sát đầu ra của kênh và cần phải biết được đáp ứng đầu ra của kênh, do vậy cần phải sử dụng một thiết bị nhận dạng về đánh giá kênh. Mô hình này thường được sử dụng trong các bộ san bằng của máy thu. Tham số của một kênh vô tuyến thường thay đổi rất nhanh theo thời gian, vì vậy thiết bị nhận dạng kênh cần phải được thực hiện liên tục và rất nhanh. Trong hệ thống GSM, với mỗi khung tín hiệu được phát đi có chứa 26 bit huấn luyện và được sử dụng trong quá trình cập nhật mô hình kênh. Hình 1.5: Nhận dạng hệ thống trong GSM 1.2.2.Khử nhiễu. Loại bỏ nhiễu là một trong những ứng dụng quan trọng của xử lý tín hiệu thích nghi. Loại bỏ nhiễu thích nghi là một phương pháp khử nhiễu bằng cách trừ đi thành phần nhiễu trong tín hiệu thu được kết hợp với một quá trình điều khiển hệ thống cho mục đích cải thiện tỷ lệ tín/tạp (SNR). Thông thường, phương pháp khử nhiễu không thích nghi không thích hợp để khử nhiễu từ tín hiệu thu được bởi vì hệ thống điều khiển có thể mang lại một kết quả rất tai hại là làm tăng công suất của nhiễu tại đầu ra của máy thu. Tuy nhiên khi quá trình lọc và khử nhiễu đều được điều khiển bởi một thuật toán xử lý tín hiệu thích nghi thì sẽ tạo ra một hệ thống có hiệu quả tốt hơn so với việc khử trực tiếp nhiễu từ tín hiệu thu được. Hệ thống khử nhiễu thích nghi có hai đầu vào và một vòng lặp kín như được minh họa trên hình 1.6 Hình 1.6: Mô hình khử nhiễu thích nghi Hai đầu vào của hệ thống được nhận từ một cặp các bộ cảm biến chính và bộ cảm biến phụ. Hoạt động của hệ thống khử nhiễu thích nghi diễn ra như sau: ➢ Bộ cảm biến chính nhận tín hiệu của nhiễu cộng tính đã bị méo do có tác động : (1.6) Trong đó tín hiệu ➢ với và nhiễu là không tương quan với nhau. Bộ cảm biến phụ thu được nhiễu nhưng lại có quan hệ với . không tương quan . Sự quan hệ đó được biểu diễn như sau : (1.7) Và (1.8) Tín hiệu tham chiếu sẽ được xử lý tại bộ lọc thích nghi và có giá trị ước lượng nhiễu tại lối ra của bộ lọc thích nghi như sau: (1.9) Trong đó trọng số của băng lọc thứ k trong bộ lọc thích nghi. Tín hiệu đầu ra của bộ lọc thích nghi sẽ bị trừ bởi tín hiệu đáp ứng mong muốn để tìm ra một tín hiệu sai lệch . Tín hiệu sai lệch này được sử dụng nhằm hiệu chỉnh trọng số của bộ lọc thích nghi sao cho có thể lấy ra được tín hiệu hữu ích. (1.10) Thay phương trình (1.6) vào phương trình (1.10) ta có : (1.11) Hình 1.7 là một ví dụ về mô hình khử nhiễu sử dụng các thuật toán xử lý thích nghi. Hình 1.7 : Khử nhiễu âm thanh Đây chính là mô hình giảm nhiễu âm thanh trong các bộ thu tiếng nói. Microphone tham chiếu được bố trí tại những nơi có khả năng cô lập hoàn toàn với nguồn tín hiệu thoại. Phương pháp khử nhiễu âm thanh được rất hữu ích trong thực tế đối với những bộ mã hóa tiếng nói có tốc độ mã hóa thấp. Nhưng các bộ mã hóa tiếng nói rất nhạy cảm với sự có mặt của tạp âm nền và gây nên sự khó hiểu trong biểu diễn số hóa tín hiệu thoại. Do vậy một ứng dụng nổi tiếng của phương pháp này chính là lược đồ khử nhiễu điện từ, trong đó tín hiệu tham chiếu được tạo ra từ một hệ thống phát thanh phụ. 1.2.3. San bằng thích nghi. Trong các hệ thống thông tin, do băng tần hạn chế nên nó thường bị méo dạng tín hiệu do tạp âm nhiệt và nhiễu xuyên dấu ISI. Hình 1.8 là sơ đồ băng gốc tương đương của hệ thống điều chế biên độ xung (PAM). Hình 1.8 : Hệ thống truyền dẫn băng gốc Để khắc phục được ISI thì tốc độ lấy mẫu phải thỏa mãn tiêu chuẩn Nyquist. Do vậy đáp ứng tần số của toàn bộ hệ thống phải có dạng như hàm truyền đạt của bộ lọc Cosine nâng. Nhưng trong thực tế, đặc tính của kênh truyền thay đổi theo thời gian nên nó làm cho hàm truyền đạt của toàn bộ hệ thống cũng thay đổi theo. Như vậy tín hiệu nhận được tại đầu vào máy thu sẽ là một quá trình không dừng nên việc sử dụng một bộ lọc phát và lọc thu có hàm truyền đạt cố định sẽ không loại bỏ hoàn toàn được ISI. Do đó cần phải thiết kế một bộ san bằng thích nghi nhằm điều khiển hàm truyền đạt của hệ thống thay đổi sao cho phù hợp với sự thay đổi của môi trường truyền dẫn. Khi đó ta chỉ cần xây dựng một bộ san bằng được bố trí ngay sau bộ lọc thu. Lúc đó tác động của nhiễu có thể được giảm nhỏ tùy ý bằng cách tạo ra hệ số hiệu chỉnh (trọng số lọc) trong bộ san bằng thích nghi lớn tùy ý. Thuật toán xử lý tín hiệu thi nghi yêu cầu cần phải biết trước đáp ứng mong muốn với mục đích tín hiệu sai lệch sử dụng cho quá trình thích nghi phải có dạng hàm số. Về mặt lý thuyết, chuỗi bit huấn luyện được sử dụng như đáp ứng mong muốn. Tuy nhiên trong thực tế thì bộ san bằng thích nghi được bố trí ngay sau bộ lọc thu và nó hoàn toàn tách biệt so với đáp ứng mong muốn lý tưởng. Do vậy cần phải tạo ra một bản sao chuỗi bit huấn luyện ngay tại thiết bị thu. Thông qua bản sao chuỗi bit huấn luyện này thuật toán xử lý tín hiệu thích nghi sẽ hiệu chỉnh hàm truyền của bộ san bằng nhằm tìm ra một giá trị cực tiểu trên bề mặt thực thi sai lệch toàn phương. Hình 1.9 mô tả sơ đồ khối của san bằng thích nghi. Hình 1.9 : San bằng thích nghi Cấu trúc của bộ san bằng thích nghi sử dụng một bộ lọc thích nghi và một bộ quyết định ngưỡng trực tiếp. Sau chuỗi bit huấn luyện ban đầu, một chuỗi những bit thông tin được phát đi, giá trị đầu ra của bộ lọc thích nghi yêu cầu phải rất giống so với chuỗi bit đã được phát đi. Một thiết bị quyết định hay một hàm băm được sử dụng nhằm chọn ra những bit (symbol) gần giống nhất với chuỗi bit huấn luyện đã được phát đi tại mỗi mẫu, để loại bỏ nhiễu dư. Hình 1.10 mô tả một ứng dụng của san bằng thích nghi trong thông tin di động. Nếu xác suất xuất hiện sai lệch nhỏ, đầu ra của bộ quyết định trực tiếp được xem như đáp ứng mong muốn cho sự điều khiển thích nghi của bộ lọc. Hình 1.10 : San bằng thích nghi trong thông tin di động Trong một vài năm gần đây, xu hướng phát triển của thông tin di động là sử dụng một trạm phát BS (Base Station) đa ăng ten. Do vậy bộ san bằng thích nghi cần phải có khả năng chống lại nhiễu xuyên dấu vừa phải có khả năng giảm được nhiễu đồng kênh. Như vậy bộ san bằng thích nghi cần phải có nhiều đầu vào, như thế bộ lọc thích nghi trong bộ san bằng phải có bậc rất cao. Hình 1.11 trình bày một đồ hình về ứng dụng san bằng thích nghi trong mạng ăng ten. Hình 1.11 : San bằng kênh trong thông tin di động 1.2.4. Khử tiếng vang. Khử tiếng vang là một trong những ứng dụng kinh điển của thuật toán xử lý tín hiệu thích nghi. Khử tiếng vang được đưa ra từ những phương pháp khử nhiễu và tạp âm trong hệ thống viễn thông. Sơ đồ khối của hệ thống khử tiếng vang được trình bày trên hình 1.12. Hình 1.12 : Hệ thống khử tiếng vang Trong sơ đồ trên khối đường vọng được xem như một kênh hay một thiết bị cần phải xác định. Mục đích của hệ thống lấy được tín hiệu mong muốn bằng cách trừ đi một dạng âm vang đã được tổng hợp từ một tín hiệu khác (như âm thanh được thu từ microphone). Hình 1.13 cho ta thấy rõ được mô hình này. Hình 1.13 : Loại bỏ tiếng vang âm thanh Lược đồ này được áp dụng rất nhiều trong các hệ thống điện thoại hand-free trong xe ôtô, hội nghị qua điện thoại. Những tín hiệu đầu xa được cung cấp cho loa còn microphone sẽ thực hiện thu những tín hiệu đầu gần và được xem như một dạng tiếng vang của loa, cuối cùng tín hiệu đầu gần này được lọc bằng âm một bộ lọc âm phòng. Tín hiệu mong muốn bao gồm tiếng vang và tín hiệu người nói đầu gần. Mô hình này khác so với ứng dụng nhận dạng hệ thống là ta giả định tín hiệu đầu gần là hoàn toàn độc lập thống kê so với tín hiệu đầu xa. Do vậy bộ lọc thích nghi sẽ cố gắng mô hình hóa hệ thống khối đường vọng như thể không có tín hiệu đầu gần. Khi đó trọng số của bộ lọc thích nghi sẽ được điều khiển phần lớn trong những chu kỳ mà trong hệ thống chỉ có tồn tại tín hiệu đầu xa. Trong những thời gian này, tín hiệu sai lệch chính là tín hiệu vang dư và khi đó tín hiệu sai lệch được đưa ngược trở về để điều khiển bộ lọc thích nghi. Như ta đã trình bày ở trên, quá trình xử lý thích nghi gồm hai quá trình chính là quá trình lọc và quá trình điều khiển thích nghi. Quá trình lọc trong mô hình này sẽ hoạt động liên tục bất kể sự có mặt của tín hiệu đầu gần, nhằm loại bỏ tiếng vang. Quá trình thích nghi chỉ được thực hiện khi không có tín hiệu đầu gần. Mô hình khử tiếng vang cũng được ứng dụng rất nhiều trong mạng điện thoại. Hình 1.14 là một dạng ứng dụng khử tiếng vang trong mạng điện thoại. Hình 1.14 : Khử tiếng vang trong mạng điện thoại Do sự không hoàn hảo của các mạch sai động (mạch chuyển từ hai dây sang bốn dây và ngược lại) sẽ chính là nguyên nhân gây ra tiếng vang của người nói và người nghe. Giải pháp cho quá trình khử tiếng vang trên đường dây điện thoại được trình bày trên hình 1.15. Hình 1.15 : Mô hình khử tiếng vang trong mạng điện thoại Thuật toán xử lý tín hiệu thích nghi ngày càng trở nên cần thiết trong mọi lĩnh vực. Với mục đích nâng cao chất lượng hay độ tin cậy của các thiết bị thu số thì việc nghiên cứu và ứng dụng những thuật toán xử lý tín hiệu thích nghi là rất cần thiết và một trong những yêu cầu cấp bách trong nhiệm vụ hiện đại hóa thông tin liên lạc trong quân sự. Nhưng có rất nhiều thuật toán xử lý tín hiệu thích nghi như LMS, RLS, QRD..và mỗi thuật toán đều có những ưu và nhược điểm riêng của nó. Như đã trình bày ở mục trước thuật toán LMS khá phổ thông và được sử dụng trong hầu hết các ứng dụng, vì vậy trong Chương hai tôi sẽ giới thiệu thuật toán xử lý tín hiệu thích nghi LMS và các biến thể của nó. Chương 2 THUẬT TOÁN XỬ LÝ TÍN HIỆU THÍCH NGHI LMS VÀ CÁC BIẾN THỂ CỦA NÓ 2.1. Thuật toán xử lý tín hiệu thích nghi LMS. Thuật toán LMS được giới thiệu bởi Widrow và Hoft năm 1959 là một thuật toán thích nghi. Thuật toán LMS là một trong những thành viên quan trọng trong hệ thuật toán gradient ngẫu nhiên. Đặc điểm nổi bật nhất của thuật toán LMS là đơn giản, không yêu cầu tìm ma trận tương quan, và cũng không tìm ma trận nghịch đảo. Do vậy thuật toán LMS rất đơn giản và được sử dụng làm chuẩn cho các thuật toán xử lý thích nghi khác. 2.1.1. Tổng quan về cấu trúc và hoạt động của thuật toán LMS Thuật toán LMS là một thuật toán lọc thích nghi tuyến tính, nó bao gồm hai quá trình cơ bản sau: - Quá trình lọc: Quá trình này bao gồm việc tính toán đầu ra của bộ lọc dãy theo các tín hiệu vào băng lọc và đánh giá sự sai lệch giữa đầu ra và tín hiệu chuẩn. - Quá trình xử lý thích nghi: Đây là quá trình điều khiển tự động trọng số lọc tương ứng với sai số được đánh giá. Như vậy thuật toán LMS là sự kết hợp đồng thời của hai quá trình này và được minh hoạ trên hình 2.1. Hình 2.1: Sơ đồ biểu diễn thuật toán LMS Thuật toán LMS cũng sử dụng tiêu chuẩn trung bình bình phương cực tiểu để đánh giá sai số lọc. Khi cập nhật các trọng số lọc, phương pháp gradient thích nghi cần phải xác định ma trận tương quan và vector tương quan chéo của tín hiệu vào giữa tín hiệu vào và tín hiệu mong muốn. Điều này đòi hỏi khối lượng tính toán lớn, gây khó khăn cho việc thực hiện thiết bị, đặc biệt khi xử lý tín hiệu trong thời gian thực. Thuật toán LMS được giới thiệu để vượt qua những khó khăn này. Ta viết lại phương trình cập nhật trọng số lọc của phương pháp gradient giảm bước nhanh nhất [9]: (2.1) Trong đó là vector trọng số lọc tại thời điểm . là hằng số thực dương. là giá trị của vector gradient ở thời điểm và (2.2) và là phần thực và phần ảo của trọng số lọc Thay (2.2) vào (2.1) chúng ta có (2.3) Thuật toán LMS thực hiện ước lượng cho ma trận tương quan R và vector tương quan chéo p như sau: là ước lượng của và H là toán tử Hermitian. Như vậy phương pháp LMS thực hiện ước lượng ma trận tương quan và vector tương quan chéo bằng phương pháp sử dụng trực tiếp các mẫu tín hiệu đầu vào. Khi đó ước lượng tức thời của vectơ gradient là: