基于误差子带的自适应滤波方法及系统

摘要

本发明公开了一种基于误差子带的自适应滤波方法及系统，涉及信号处理技术领域，减少自适应滤波算法的运算量。本发明包括对所述误差信号和输入信号分别进行分析滤波处理，得到误差子带信号和输入子带信号；并根据所述输入子带信号和所述误差子带信号进行计算，得到新的自适应滤波权值，并对自适应滤波器中的权值进行更新。本发明实施例用于自适应滤波的过程中。

说明书

技术领域

本发明涉及信号处理技术领域，尤其涉及一种基于误差子带的自适应滤波 方法及系统。

背景技术

自适应滤波广泛应用于系统辨识、回波干扰抵消以及信道均衡等领域，最 常用的是由LMS(Least Mean Square，最小均方算法)调节的横向滤波方法， 具体为根据估计误差信号，利用自适应算法自动修正权向量，使得误差信号达 到均方最小，但该方法的收敛性随着滤波器权值数的增加而减小。

为改善LMS调节的横向滤波方法算法的收敛性，在输入信号的路径上加入 了分析滤波器组，减小了输入信号的自相关性，从而改善了算法的收敛性。但 是，由于对输入信号经过了一组分析滤波器组，所以该滤波器在工作的时候还 需要一组综合滤波器组对信号进行恢复，这样做大大提高了自适应滤波设备结 构的复杂度，从而增加了整个自适应滤波算法的运算量，使其很难运用于高速 处理的数字系统中。

发明内容

本发明的实施例提供一种基于误差子带的自适应滤波方法及系统，减少自 适应滤波算法的运算量。

为达到上述目的，本发明的实施例采用如下技术方案：

一种基于误差子带的自适应滤波方法，其特征在于，包括：

自适应滤波器接收输入信号，根据当前存储在所述自适应滤波器内的自适 应滤波权值，对所述输入信号进行自适应滤波处理，得到自适应滤波信号，并 将所述自适应滤波信号传输至减法器；

减法器接收参考信号和所述自适应滤波信号，并根据所述参考信号和所述 自适应滤波信号进行计算，得到误差信号，并将所述误差信号传输至误差子带 滤波器；其中，所述参考信号为所述输入信号通过真实信道后生成的信号；

误差子带滤波器接收所述误差信号，并对所述误差信号进行子带分析滤波 处理，得到误差子带信号，并将所述误差子带信号传输至自适应权值更新器；

输入信号分析滤波器接收所述输入信号，并对所述输入信号进行子带分析 滤波处理，得到输入子带信号，并将所述输入子带信号传输至自适应权值更新 器；

自适应权值更新器接收所述误差子带信号和所述输入子带信号，并根据所 述误差子带信号和所述输入子带信号进行计算，得到新的自适应滤波权值，并 将当前存储在所述自适应滤波器内的自适应滤波权值替换为所述新的自适应滤 波权值。

一种基于误差子带的自适应滤波系统，其特征在于，包括：

自适应滤波器，用于接收输入信号，根据当前存储在所述自适应滤波器内 的自适应滤波权值，对所述输入信号进行自适应滤波处理，得到自适应滤波信 号，并将所述自适应滤波信号传输至减法器；

减法器，用于接收参考信号和所述自适应滤波信号，并根据所述参考信号 和所述自适应滤波信号进行计算，得到误差信号，并将所述误差信号传输至误 差子带滤波器；其中，所述参考信号为所述输入信号通过真实信道后生成的信 号；

误差子带滤波器，用于接收所述误差信号，并对所述误差信号进行子带分 析滤波处理，得到误差子带信号，并将所述误差子带信号传输至自适应权值更 新器；

输入信号分析滤波器，用于接收所述输入信号，并对所述输入信号进行子 带分析滤波处理，得到输入子带信号，并将所述输入子带信号传输至自适应权 值更新器；

自适应权值更新器，用于接收所述误差子带信号和所述输入子带信号，并 根据所述误差子带信号和所述输入子带信号进行计算，得到新的自适应滤波权 值，并将当前存储在所述自适应滤波器内的自适应滤波权值替换为所述新的自 适应滤波权值。

本发明实施例提供的一种基于误差子带的自适应滤波方法及系统，对所述 误差信号和输入信号分别进行分析滤波处理，得到误差子带信号和输入子带信 号；并根据所述输入子带信号和所述误差子带信号进行计算，得到新的自适应 滤波权值，并对自适应滤波器中的权值进行更新，从而使得自适应滤波器在进 行工作时可以直接使用更新后的权值对所述输入信号进行自适应滤波器处理， 得到自适应滤波信号。相比于现有技术中，需要将输入信号先进行分析滤波处 理，并将处理结果输入至自适应滤波器中进行自适应处理，得到自适应滤波子 带信号，再将自适应滤波子带信号进行综合滤波处理，才能得到自适应滤波信 号这一技术方案，本发明不需要对自适应滤波器的处理结果进行恢复，相比于 现有技术提供的技术方案，省去了用于信号重构的综合滤波器，从而减少自适 应滤波算法的运算量。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施 例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述 中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付 出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明中的一种基于误差子带的自适应滤波系统的组成框图；

图2为本发明实施例1中的一种基于误差子带的自适应滤波方法的流程图；

图3为本发明实施例1中的另一种基于误差子带的自适应滤波方法的流程 图；

图4为本发明中的一种自适应滤波器的组成框图；

图5为本发明中的一种误差子带滤波器的组成框图；

图6为本发明实施例2中的一种基于误差子带的自适应滤波方法的流程图；

图7为本发明实施例2中的一种基于误差子带的自适应滤波系统的组成框 图；

图8为本发明实施例3中的一种基于误差子带的自适应滤波系统的组成框 图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清 楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是 全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造 性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1

本发明实施例提供了一种基于误差子带的自适应滤波方法，可以应用于如 图1所示的自适应滤波系统中，该系统包括：自适应滤波器、减法器、误差子 带滤波器、输入信号分析滤波器和自适应权值更新器。

其中，自适应滤波器的入端口用于接收输入信号，出端口与减法器的一个 入端口相连；减法器的另一个入端口用于接收参考信号，出端口与误差子带滤 波器相连；输入信号分析滤波器的入端口用于接收所述输入信号，出端口与自 适应权值更新器的一个入端口相连；误差子带滤波器的出端口与所述自适应权 值更新器的另一个入端口相连。

其中，输入信号为数字信号，是自适应滤波器待处理的信号；所述参考信 号为所述输入信号通过真实信道后生成的信号；其中，所述真实信道可以为一 种实体的信号处理设备，也可以是自由空间中的信号传播路径，本发明实施例 对此不进行限制。

基于上述自适应滤波器系统，如图2所示，该方法包括：

101、自适应滤波器接收输入信号，根据当前存储在所述自适应滤波器内的 自适应滤波权值，对所述输入信号进行自适应滤波处理，得到自适应滤波信号， 并将所述自适应滤波信号传输至减法器。

其中，所述当前存储在所述自适应滤波器内的自适应滤波权值在自适应权 值更新器未对其进行更新时，为预先存储的默认值，默认值的取值可以遵从本 技术领域的经验值；在自适应权值更新器对其进行更新之后，所述当前存储在 所述自适应滤波器内的自适应滤波权值为更新后的自适应滤波权值。

需要说明的是，所述自适应滤波器信号不仅仅是一路信号，自适应滤波信 号的路数取决于自适应滤波器的抽头个数，在自适应滤波器中，自适应滤波器 的一个支路产生一路自适应滤波器信号。

102、减法器接收参考信号和所述自适应滤波信号，并根据所述参考信号和 所述自适应滤波信号进行计算，得到误差信号，并将所述误差信号传输至误差 子带滤波器。

103、误差子带滤波器接收所述误差信号，并对所述误差信号进行子带分析 滤波处理，得到误差子带信号，并将所述误差子带信号传输至自适应权值更新 器。

需要说明的是，所述误差子带信号不仅仅是一路信号，误差子带信号的路 数取决于误差子带滤波器的频带划分数量，在误差子带滤波器中，误差子带滤 波器的一个支路产生一路误差子带信号。

104、输入信号分析滤波器接收所述输入信号，并对所述输入信号进行子带 分析滤波处理，得到输入子带信号，并将所述输入子带信号传输至自适应权值 更新器。

需要说明的是，所述输入子带信号不仅仅是一路信号，输入子带信号的路 数取决于输入信号分析滤波器的频带划分数量，在输入信号分析滤波器中，输 入滤波器的一个支路产生M路输入子带信号。M为输入信号分析滤波器的频带划 分数量。

105、自适应权值更新器接收所述误差子带信号和所述输入子带信号，并根 据所述误差子带信号和所述输入子带信号进行计算，得到新的自适应滤波权 值，并将当前存储在所述自适应滤波器内的自适应滤波权值替换为所述新的自 适应滤波权值。

其中，所述新的自适应滤波权值的计算方法可以参照下述公式a，该公式具 体为：

${\hat{s}}_{\mathrm{ik}}(n+1)={\hat{s}}_{\mathrm{ik}}+2\mu \underset{l=0}{\overset{M-1}{\Sigma }}{\alpha }_l{e}_l\left(n\right)x_{\mathrm{li}}(n-k)$

i＝0，1，...，(M-1)........................(公式a)

$k=\mathrm{0,1},...,(\frac{L}{M}-1)$

其中，为更新后的自适应滤波权值，为当前自适应滤波权值， μ和α_l均为预设常数，L为自适应滤波器的抽头个数，M为分析滤波处理得到的 子带个数，e_l(n)为第1支路的误差信号值，x_li(n-k)为第1支路第i分量的输入 信号值。

值得说明的是，当使用当前自适应滤波权值对输入信号进行自适应滤波得 到的自适应滤波输出信号与真实输出信号之间差值稳定波动在一个较小的区间 内时，也就是说，在误差信号达到收敛时，则可以认为自适应滤波器已经可以 仿真真实信道了，此时需要输出自适应滤波器的信号，故在所述步骤102之后， 还设置有以下步骤，如图3所示，该方法还包括：

106、收敛检测器判断所述误差信号是否收敛。

107、若所述收敛检测器确定所述误差信号收敛，则控制所述减法器根据所 述自适应滤波信号，生成仿真信号，并将所述仿真信号输出。

具体来说，所述收敛检测器控制所述减法器根据所述自适应滤波信号，生 成仿真信号的实现方法可以为：当只有单路自适应滤波信号时，则控制所述减 法器将所述单路自适应信号作为仿真信号直接输出；当有多路自适应滤波信号 时，将所述多路自适应滤波信号进行加法计算，得到仿真信号。

另外，值得说明的是。本发明实施例提供了一种自适应滤波器，其结构如 图4所示。该滤波器具有L条支路，包括第1支路至第L支路，每条支路有一 个入端口和出端口；其中，L为正整数。

当L等于1时，第L支路中设置有M个乘法器，M-1个加法器、M-1个M拍 延时器；其中，所述M个乘法器为乘法器0至乘法器M-1，所述M-1个加法器为 加法器1到加法器M-1，所述M-1个M拍延时器为M拍延时器1到M拍延时器 M-1；每个延时器均具有一个入端口和一个出端口，每个乘法器均具有一个入端 口和一个出端口、每个加法器均具有两个入端口和一个出端口；其中，M为正整 数；所述第L条支路的入端口与乘法器0至乘法器M-1的入端口相连；乘法器0 的出端口与M拍延时器1的入端口相连；乘法器1至乘法器M-1的出端口分别 与加法器1至加法器M-1各自的一个入端口相连；M拍延时器1至M拍延时器 M-1的出端口分别于加法器1至加法器M-1各自的另一个出端口相连。

则所述自适应滤波器接收输入信号，根据当前存储在所述自适应滤波器内 的自适应滤波权值，对所述输入信号进行自适应滤波处理，得到自适应滤波信 号，包括：

在第L条支路中，乘法器0至乘法器M-1分别从入端口接收所述输入信号， 并根据乘法器各自内部存储的自适应滤波权值，分别对所述输入信号进行乘法 计算，得到各自生成的乘法器输出信号；乘法器0至乘法器M-1分别将各自生 成的乘法器输出信号从各自的出端口输出；M拍延时器1至M拍延时器M-1分别 对各自的入端口接收的信号进行M拍延时处理，生成各自生成的M拍延时信号； M拍延时器1至M拍延时器M-1分别将各自生成的M拍延时信号从各自的出端口 进行输出；加法器1至加法器M-1分别对从各自对应的两个入端口接收的信号 进行加法处理，得到各自生成的加法器输出信号；加法器1至加法器M-1分别 将各自生成的加法器输出信号从各自对应的出端口输出。

当L大于1时，第L支路中设置有一个L-1拍延时器、M个乘法器，M-1个 加法器、M-1个M拍延时器；其中，所述M个乘法器为乘法器0至乘法器M-1， 所述M-1个加法器为加法器1到加法器M-1，所述M-1个M拍延时器为M拍延时 器1到M拍延时器M-1；每个延时器均具有一个入端口和一个出端口，每个乘法 器均具有一个入端口和一个出端口、每个加法器均具有两个入端口和一个出端 口；在第L条支路中，所述第L条支路的入端口与L-1拍延时器的入端口相连； 所述L-1拍延时器的出端口与所有乘法器的入端口相连；乘法器0的出端口与M 拍延时器1的入端口相连；乘法器1至乘法器M-1的出端口分别与加法器1至 加法器M-1各自的一个入端口相连；M拍延时器1至M拍延时器M-1的出端口分 别于加法器1至加法器M-1各自的另一个出端口相连。

则所述自适应滤波器接收输入信号，根据当前存储在所述自适应滤波器内 的自适应滤波权值，对所述输入信号进行自适应滤波处理，得到自适应滤波信 号，包括：

在第L条支路中，L-1拍延时器从自身的入端口接收所述输入信号，并将所 述输入信号进行L-1拍延时处理，生成L-1拍延时信号；所述L-1拍延时器将 所述L-1拍延时信号从自身的出端口输出；乘法器0至乘法器M-1分别从入端 口接收所述L-1拍延时信号，并根据乘法器各自内部存储的自适应滤波权值， 分别对所述L-1拍延时信号进行乘法计算，得到各自生成的乘法器输出信号； 乘法器0至乘法器M-1分别将各自生成的乘法器输出信号从各自的出端口输 出；M拍延时器1至M拍延时器M-1分别对各自的入端口接收的信号进行M拍延 时处理，生成各自生成的延时信号；M拍延时器1至M拍延时器M-1分别将各自 生成的延时信号从各自的出端口进行输出；加法器1至加法器M-1分别对从各 自对应的两个入端口接收的信号进行加法处理，得到各自生成的加法器输出信 号；加法器1至加法器M-1分别将各自生成的加法器输出信号从各自对应的出 端口输出。

当然，本发明实施例不局限于只能使用上述自适应滤波器的结构来实现基 于误差子带的自适应滤波方法，也可以使用本技术领域中常用的FIR滤波器来 实现。

本发明实施例还提供了一种误差子带滤波器，其结构如图5所示，该滤波 器具有N条支路，包括第1支路至第N支路，每条支路有一个入端口和一个出 端口；其中，所述N为正整数。

当X等于1时，第X支路中设置有一个低通滤波器，一个乘法器X-1和一 个抽取器X-1；低通滤波器的入端口与第X支路的入端口相连，低通滤波器的出 端口与乘法器X-1的入端口相连，乘法器X-1的出端口与抽取器X-1相连，抽 取器X-1的出端口与第X支路的出端口相连。

则误差子带滤波器接收所述误差信号，并对所述误差信号进行子带分析滤 波处理，得到误差子带信号，包括：

低通滤波器从自身的入端口接收所述误差信号，根据自身的带通设置对所 述误差信号进行滤波处理，得到低通滤波器信号；低通滤波器将所述低通滤波 器信号从自身的出端口输出；乘法器X-1根据自身内部存储的权值，对从自身 的入端口接收到的信号进行惩罚处理，得到乘法器输出信号；乘法器X-1将乘 法器输出信号从自身的出端口输出；抽样器X-1对从自身的入端口接收到的信 号进行X倍下采样处理，得到第X支路的误差子带信号；抽样器X-1将第X支 路的误差子带信号从自身的出端口输出。

当X大于1，并小于N-1时，第X支路中设置有一个带通滤波器、一个X-1 拍延时器、一个乘法器X-1和一个抽取器X-1；带通滤波器的入端口与第X支路 的入端口相连，带通滤波器的出端口与X-1拍延时器的入端口相连；X-1拍延时 器的出端口与乘法器X-1的入端口相连，乘法器X-1的出端口与抽取器X-1相 连，抽取器X-1的出端口与第X支路的出端口相连。

则误差子带滤波器接收所述误差信号，并对所述误差信号进行子带分析滤 波处理，得到误差子带信号，包括：

带通滤波器从自身的入端口接收所述误差信号，根据自身的带通设置对所 述误差信号进行滤波处理，得到带通滤波器信号；带通滤波器将所述带通滤波 器信号从自身的出端口输出；X-1拍延时器将从自身的入端口接收的信号进行 X-1拍延时处理，得到延时信号；X-1拍延时器将所述延时信号从自身的出端口 输出；乘法器X-1根据自身内部存储的权值，对从自身的入端口接收到的信号 进行惩罚处理，得到乘法器输出信号；乘法器X-1将乘法器输出信号从自身的 出端口输出；抽样器X-1对从自身的入端口接收到的信号进行X倍下采样处理， 得到第X支路的误差子带信号；抽样器X-1将第X支路的误差子带信号从自身 的出端口输出。

当X等于N时，第X支路中设置有一个高通滤波器、一个X-1拍延时器、 一个乘法器X-1和一个抽取器X-1；高通滤波器的入端口与第X支路的入端口相 连，高通滤波器的出端口与X-1拍延时器的入端口相连；X-1拍延时器的出端口 与乘法器X-1的入端口相连，乘法器X-1的出端口与抽取器X-1相连，抽取器 X-1的出端口与第X支路的出端口相连。

则误差子带滤波器接收所述误差信号，并对所述误差信号进行子带分析滤 波处理，得到误差子带信号，包括：

高通滤波器从自身的入端口接收所述误差信号，根据自身的高通设置对所 述误差信号进行滤波处理，得到高通滤波器信号；高通滤波器将所述高通滤波 器信号从自身的出端口输出；X-1拍延时器将从自身的入端口接收的信号进行 X-1拍延时处理，得到延时信号；X-1拍延时器将所述延时信号从自身的出端口 输出；乘法器X-1根据自身内部存储的权值，对从自身的入端口接收到的信号 进行惩罚处理，得到乘法器输出信号；乘法器X-1将乘法器输出信号从自身的 出端口输出；抽样器X-1对从自身的入端口接收到的信号进行X倍下采样处理， 得到第X支路的误差子带信号；抽样器X-1将第X支路的误差子带信号从自身 的出端口输出。

当然，本发明实施例不局限于只能使用上述误差子带滤波器的结构来实现 基于误差子带的自适应滤波方法，也可以使用本技术领域中常用的子带分析滤 波器来实现。

并且，所述输入信号分析滤波器的结构与所述误差子带滤波器的结构类 似，对输入信号的分析滤波处理的方法也与误差子带滤波器对误差信号的处理 方法类似，本发明实施例对此不再详细描述。

本发明实施例提供的一种基于误差子带的自适应滤波方法，对所述误差信 号和输入信号分别进行分析滤波处理，得到误差子带信号和输入子带信号；并 根据所述输入子带信号和所述误差子带信号进行计算，得到新的自适应滤波权 值，并对自适应滤波器中的权值进行更新，从而使得自适应滤波器在进行工作 时可以直接使用更新后的权值对所述输入信号进行自适应滤波器处理，得到自 适应滤波信号。相比于现有技术中，需要将输入信号先进行分析滤波处理，并 将处理结果输入至自适应滤波器中进行自适应处理，得到自适应滤波子带信 号，再将自适应滤波子带信号进行综合滤波处理，才能得到自适应滤波信号这 一技术方案，本发明不需要对自适应滤波器的处理结果进行恢复，相比于现有 技术提供的技术方案，省去了用于信号重构的综合滤波器，从而减少自适应滤 波算法的运算量。

实施例2

基于如图1所示的系统架构的描述，本发明实施例以子带个数为2为例， 具体阐述本发明实施例提供的一种基于误差子带的自适应滤波方法。如图6所 示，该方法包括：

201、自适应滤波器、输入信号分析滤波器收到输入信号x(n)。

202、自适应滤波器根据所述当前自适应滤波权值，对x(n)进行自适应滤波 处理，生成L路自适应滤波输出信号y₀(n)、y₁(n)、...、y_L(n)，并将y₀(n)、 y₁(n)、...、y_L(n)送入减法器。

其中，L为自适应滤波器的抽头个数。

203、输入信号分析滤波器对x(n)进行子带分析滤波处理，得到4路输入子 带信号x₀₀(n)、x₀₁(n)、x₁₀(n)、x₁₁(n)，并将x₀₀(n)、x₀₁(n)、x₁₀(n)、x₁₁(n)，x₁(n) 送入自适应权值更新器。

204、减法器接收y₀(n)、y₁(n)、...、y_L(n)和参考信号d(n)，并将与d(n) 求差得到误差信号e(n)，并将e(n)送入误差子带滤波器。

205、误差子带滤波器对e(n)进行分析滤波处理得到2路误差子带信号e₀(n) 和e₁(n)，并将e₀(n)和e₁(n)送入自适应权值更新器。

206、自适应权值更新器根据x₀₀(n)、x₀₁(n)、x₁₀(n)、x₁₁(n)和e₀(n)和e₁(n)， 结合下述公式2，得到新的自适应滤波权值：

${\hat{s}}_{0k}(n+1)={\hat{s}}_{0k}\left(n\right)+2\mu [{\alpha }_0{e}_0\left(n\right)x_{00}(n-k)+{\alpha }_1{e}_1\left(n\right)x_{10}(n-k)]$

${\hat{s}}_{1k}(n+1)={\hat{s}}_{1k}\left(n\right)+2\mu [{\alpha }_0{e}_0\left(n\right)x_{01}(n-k)+{\alpha }_1{e}_1\left(n\right)x_{11}(n-k)]$......公式b

其中，k等于0、1、...、

207、自适应权值更新器将自适应滤波器中的当前自适应滤波权值替换为所 述新的自适应滤波权值。

在此实施例中，权系数更新式，即公式b的推倒过程如下，具体为

设该自适应滤波算法的代价函数为

$J=E\{{\alpha }_0{e}_0^2\left(n\right)+{\alpha }_1{e}_1^2\left(n\right)\}---\left(1\right)$

其权系数更新公式便可表示为

${\hat{S}}_m(n+1)={\hat{S}}_m\left(n\right)-\mu \frac{\partial J}{\partial {\hat{S}}_m\left(n\right)}$m＝0，1        (2)

其中k＝1，2，L，L/2-1，式中L为滤波器的抽头系数

$\frac{\partial J}{\partial {\hat{S}}_m\left(n\right)}=E\{2{\alpha }_0{e}_0\left(n\right)\frac{\partial e_0\left(n\right)}{\partial {\hat{S}}_m\left(n\right)}+2{\alpha }_1{e}_1\left(n\right)\frac{\partial e_1\left(n\right)}{\partial {\hat{S}}_m\left(n\right)}\},$m＝1，2        (3)

自适应滤波器的传递函数为

$\hat{S}\left(z\right)={\hat{S}}_0\left(z^2\right)+z^{-1}{\hat{S}}_1\left(z^2\right)---\left(4\right)$

滤波器输出信号为

$Y\left(z\right)=X\left(z\right)\hat{S}\left(z\right)=X\left(z\right){\hat{S}}_0\left(z^2\right)+X\left(z\right)z^{-1}{\hat{S}}_1\left(z^2\right)---\left(5\right)$

误差信号为

E(z)＝D(z)-Y(z)        (6)

根据误差子带滤波器的输入输出关系可以得到

$E_0\left(z\right)=\frac{1}{2}[E\left(z^{1/2}\right)H_0\left(z^{1/2}\right)+E(-z^{1/2})H_0(-z^{1/2})]$$\left(7\right)$

$E_1\left(z\right)=\frac{1}{2}[E\left(z^{1/2}\right)H_1\left(z^{1/2}\right)+E(-z^{1/2})H_1(-z^{1/2})]$

$E_0\left(z\right)=\frac{1}{2}\left\{\right[D\left(z^{1/2}\right)+D(-z^{1/2})]H_0\left(z^{1/2}\right)$

$-{\hat{S}}_0\left(z\right)[X\left(z^{1/2}\right)H_0\left(z^{1/2}\right)+X(-z^{1/2})H_0(-z^{1/2})]---\left(8\right)$

$-{\hat{S}}_1\left(z\right)[X\left(z^{1/2}\right)z^{-1/2}{H}_0\left(z^{1/2}\right)+X(-z^{1/2})(-z^{1/2})H_0(-z^{1/2})]\}$

$E_1\left(z\right)=\frac{1}{2}\left\{\right[D\left(z^{1/2}\right)+D(-z^{1/2})]H_1\left(z^{1/2}\right)$

$-{\hat{S}}_0\left(z\right)[X\left(z^{1/2}\right)H_1\left(z^{1/2}\right)+X(-z^{1/2})H_1(-z^{1/2})]---\left(9\right)$

$-{\hat{S}}_1\left(z\right)[X\left(z^{1/2}\right)z^{-1/2}{H}_1\left(z^{1/2}\right)+X(-z^{1/2})(-z^{1/2})H_1(-z^{1/2})]\}$

因为

$\frac{\partial E\left(z^{1/2}\right)}{\partial {\hat{S}}_0\left(z\right)}=-X\left(z^{1/2}\right)---\left(10\right)$

$\frac{\partial E(-z^{1/2})}{\partial {\hat{S}}_0\left(z\right)}=-X(-z^{1/2})---\left(11\right)$

所以

$\frac{\partial E_0\left(z\right)}{\partial {\hat{S}}_0\left(z\right)}=-\frac{1}{2}[X\left(z^{1/2}\right)H_0\left(z^{1/2}\right)+X(-z^{1/2})H_0(-z^{1/2})]$

$\frac{\partial E_1\left(z\right)}{\partial {\hat{S}}_0\left(z\right)}=-\frac{1}{2}[X\left(z^{1/2}\right)H_1\left(z^{1/2}\right)+X(-z^{1/2})H_1(-z^{1/2})]$$\left(12\right)$

$\frac{\partial E_0\left(z\right)}{\partial {\hat{S}}_1\left(z\right)}=-\frac{1}{2}[X\left(z^{-1/2}\right)z^{1/2}{H}_0\left(z^{1/2}\right)+X(-z^{1/2})(-z^{-1/2})H_0(-z^{1/2})]$

$\frac{\partial E_1\left(z\right)}{\partial {\hat{S}}_1\left(z\right)}=-\frac{1}{2}[X\left(z^{-1/2}\right)z^{1/2}{H}_1\left(z^{1/2}\right)+X(-z^{1/2})(-z^{-1/2})H_1(-z^{1/2})]$

令${X^{\prime }}_{00}=-\frac{\partial E_0\left(z\right)}{\partial {\hat{S}}_0\left(z\right)},$${X^{\prime }}_{10}=-\frac{\partial E_1\left(z\right)}{\partial {\hat{S}}_0\left(z\right)},$${X^{\prime }}_{01}=-\frac{\partial E_0\left(z\right)}{\partial {\hat{S}}_1\left(z\right)},$${X^{\prime }}_{11}=-\frac{\partial E_1\left(z\right)}{\partial {\hat{S}}_1\left(z\right)},$

所以

$\frac{\partial E_0}{\partial {\hat{S}}_{0k}\left(z\right)}=-{X^{\prime }}_{00}{z}^{-K}$

$\frac{\partial E_1}{\partial {\hat{S}}_{0k}\left(z\right)}=-{X^{\prime }}_{10}{z}^{-K}$$\left(13\right)$

$\frac{\partial E_0}{\partial {\hat{S}}_{1k}\left(z\right)}=-{X^{\prime }}_{01}{z}^{-K}$

$\frac{\partial E_1}{\partial {\hat{S}}_{1k}\left(z\right)}=-{X^{\prime }}_{11}{z}^{-K}$

(8)(9)式便可以写成

$E_0\left(z\right)=\frac{1}{2}[D\left(z^{1/2}\right)+D(-z^{1/2})]H_0\left(z^{1/2}\right)-{\hat{S}}_0\left(z\right){X^{\prime }}_{00}\left(z\right)-{\hat{S}}_1\left(z\right){X^{\prime }}_{01}\left(z\right)$$\left(14\right)$

$E_1\left(z\right)=\frac{1}{2}[D\left(z^{1/2}\right)+D(-z^{1/2})]H_{\text{0}}\left(z^{1/2}\right)-{\hat{S}}_0\left(z\right){X^{\prime }}_{10}\left(z\right)-{\hat{S}}_1\left(z\right){X^{\prime }}_{11}\left(z\right)$

结合(14)(13)(12)，(2)可以重新写成：

${\hat{s}}_{0k}(n+1)={\hat{s}}_{0k}\left(n\right)+2\mu \left[{\alpha }_{0}E\right\{e_0\left(n\right)x_{00}(n-k)\}+{\alpha }_1{E\{e}_1\left(n\right)x_{10}(n-k)\}]$

${\hat{s}}_{1k}(n+1)={\hat{s}}_{1k}\left(n\right)+2\mu \left[{\alpha }_0{E\{e}_0\left(n\right)x_{01}(n-k)\right\}+{\alpha }_{1}E\left\{e_1\left(n\right)x_{11}(n-k)\right\}]---\left(15\right)$

$k=\mathrm{1,2},...,\frac{L}{2}-1$

用瞬时值代替参考值便可以得到该LMS算法的权值更新式：

${\hat{s}}_{0k}(n+1)={\hat{s}}_{0k}\left(n\right)+2\mu [{\alpha }_0{e}_0\left(n\right)x_{00}(n-k)+{\alpha }_1{e}_1\left(n\right)x_{10}(n-k)]$$\left(16\right)$

${\hat{s}}_{1k}(n+1)={\hat{s}}_{1k}\left(n\right)+2\mu [{\alpha }_0{e}_0\left(n\right)x_{01}(n-k)+{\alpha }_1{e}_1\left(n\right)x_{11}(n-k)]$

由式(13)(12)可以得到：

${X^{\prime }}_{00}\left(z\right)=\frac{1}{2}[X\left(z^{1/2}\right)H_0\left(z^{1/2}\right)+X(-z^{1/2})H_0(-z^{1/2})]$

${X^{\prime }}_{10}\left(z\right)=\frac{1}{2}[X\left(z^{1/2}\right)H_1\left(z^{1/2}\right)+X(-z^{1/2})H_1(-z^{1/2})]$$\left(17\right)$

${X^{\prime }}_{01}\left(z\right)=\frac{1}{2}[X\left(z^{1/2}\right)z^{1/2}{H}_0\left(z^{1/2}\right)+X(-z^{1/2})(-z^{-1/2})H_0(-z^{1/2})]$

${X^{\prime }}_{11}\left(z\right)=\frac{1}{2}[X\left(z^{1/2}\right)z^{1/2}{H}_1\left(z^{1/2}\right)+X(-z^{1/2})(-z^{-1/2})H_1(-z^{1/2})]$

在本实施例中，该自适应滤波算法收敛性的推导过程如下，包括：

对真实信道的传递函数S(z)做多相分解。所以参考信号可以表示为：

D(z)＝X(z)S₀(z)+X(z)z^-1S₁(z)        (18)

式(6)便可以写成

$E\left(z\right)=X\left(z\right)[S_0\left(z^2\right)-{\hat{S}}_0\left(z^2\right)]+X\left(z\right)[z^{-1}{S}_1\left(z^2\right)-z^{-1}{\hat{S}}_1\left(z^2\right)]---\left(19\right)$

令$V_0\left(z\right)=S_0\left(z\right)-{\hat{S}}_0\left(z\right),$$V_1\left(z\right)=S_1\left(z\right)-{\hat{S}}_1\left(z\right)$上式便可改写为

E(z)＝X(z)V₀(z²)+X(z)z^-1V₁(z²)      (20)

代入(7)

E₀(z)＝X₀₀(z)V₀(z)+X₀₁(z)V₀(z)                                        (21)

E₁(z)＝X₁₀(z)V₀(z)+X₁₁(z)V₁(z)

(21)的时域表达式为：

$e_0\left(n\right)=x_{00}^T\left(n\right)v_0\left(n\right)+x_{01}^T\left(n\right)v_1\left(n\right)$$\left(22\right)$

$e_1\left(n\right)=x_{10}^T\left(n\right)v_0\left(n\right)+x_{11}^T\left(n\right)v_1\left(n\right)$

其中$x_{\mathrm{lk}}^T=[x_{\mathrm{lk}}\left(n\right),x_{\mathrm{lk}}(n-1),...,x_{\mathrm{lk}}(n-L/2+1)],$l，k＝1，2

将上式代入(16)权值更新式可以得到

$v_0(n+1)=v_0\left(n\right)-2\mu {\alpha }_0{x}_{00}\left(n\right)x_{00}^T\left(n\right)v_0\left(n\right)$

$-2\mu {\alpha }_0{x}_{00}\left(n\right)x_{01}^T\left(n\right)v_1\left(n\right)$$\left(23\right)$

$-2\mu {\alpha }_1{x}_{10}\left(n\right)x_{10}^T\left(n\right)v_0\left(n\right)$

$-2\mu {\alpha }_1{x}_{10}\left(n\right)x_{11}^T\left(n\right)v_1\left(n\right)$

$v_1(n+1)=v_1\left(n\right)-2\mu {\alpha }_0{x}_{01}\left(n\right)x_{00}^T\left(n\right)v_0\left(n\right)$

$-2\mu {\alpha }_0{x}_{01}\left(n\right)x_{01}^T\left(n\right)v_1\left(n\right)$$\left(24\right)$

$-2\mu {\alpha }_1{x}_{11}\left(n\right)x_{10}^T\left(n\right)v_0\left(n\right)$

$-2\mu {\alpha }_1{x}_{11}\left(n\right)x_{11}^T\left(n\right)v_1\left(n\right)$

把(23)和(24)用向量的形式表示

$\left(\begin{array}{c}{v}_0(n+1)\\ v_1(n+1)\end{array}\right)=\left(\begin{array}{c}{v}_0\left(n\right)\\ v_1\left(n\right)\end{array}\right)-2\mu [{\alpha }_0{A}_0+{\alpha }_1{A}_1]\left(\begin{array}{c}{v}_0\left(n\right)\\ v_1\left(n\right)\end{array}\right)---\left(25\right)$

其中

$A_0=\left(\begin{array}{cc}{x}_{00}\left(n\right)x_{00}^T\left(n\right)& x_{00}\left(n\right)x_{01}^T\left(n\right)\\ x_{01}\left(n\right)x_{00}^T\left(n\right)& x_{01}\left(n\right)x_{01}^T\left(n\right)\end{array}\right)---\left(26\right)$

$A_1=\left(\begin{array}{cc}{x}_{10}\left(n\right)x_{10}^T\left(n\right)& x_{10}\left(n\right)x_{11}^T\left(n\right)\\ x_{11}\left(n\right)x_{10}^T\left(n\right)& x_{11}\left(n\right)x_{11}^T\left(n\right)\end{array}\right)---\left(27\right)$

对(25)取均值

$E\left(\begin{array}{c}{v}_0(n+1)\\ v_1(n+1)\end{array}\right)=E\left(\begin{array}{c}{v}_0\left(n\right)\\ v_1\left(n\right)\end{array}\right)-2\mathrm{\mu E}[{\alpha }_0{A}_0+{\alpha }_1{A}_1]E\left(\begin{array}{c}{v}_0\left(n\right)\\ v_1\left(n\right)\end{array}\right)---\left(28\right)$

令Φ＝E[α₀A₀+α₁A₁]

所以上式便可改写为经典的

ε(n+1)＝[1-2μΦ]ε(n)        (29)

此时，因为x₀₀(n)，x₀₁(n)，x₁₀(n)，x₁₁(n)为x的解析量，有不同的频谱分量， 其内积为零，所以它们是互不关的。由此我们可以知道A₀，A₁，Φ为正定对角 阵。

设Φ的特征值为：

λ₁≤λ₂≤L≤λ_L            (30)

所以该自适应滤波算法收敛的条件为：

$0<\mu <\frac{1}{{\lambda }_L}---\left(31\right)$

在本实施例中，仅以子带数为2进行描述，但本发明实施例提供的基于误 差子带的自适应滤波算法则不局限于只能以2个子带进行处理，若将子带数量 推广至M时，则该自适应滤波算法的收敛条件为：

首先我们对估计滤波器做M组的多相分解：

$\hat{S}\left(z\right)={\hat{S}}_0\left(z^M\right)+z^{-1}{\hat{S}}_2\left(z^M\right)+L+z^{-M+1}{\hat{S}}_{M-1}\left(z^M\right)---\left(32\right)$

这时的代价函数为

$J\left(n\right)=E\{{\alpha }_0{e}_0^2\left(n\right)+{\alpha }_1{e}_1^2\left(n\right)+L+{\alpha }_{M-1}{e}_{M-1}^2\left(n\right)\}---\left(33\right)$

而它的权值更新式为

${\hat{s}}_{\mathrm{ki}}(n+1)={\hat{s}}_{\mathrm{ki}}\left(n\right)+2\mu \underset{l=0}{\overset{M-1}{\Sigma }}{\alpha }_l{e}_l\left(n\right)x_{\mathrm{lk}}(n-i)$

k＝0，1，L，(M-1)            (34)

$i=\mathrm{0,1},L,(\frac{L}{M}-1)$

L为的抽头个数。(28)可以扩展为

$E\left(\begin{array}{c}{v}_0(n+1)\\ v_1(n+1)\\ M\\ v_{M-1}(n+1)\end{array}\right)=[I_L-2\mathrm{\mu \Phi }]E\left(\begin{array}{c}{v}_0\left(n\right)\\ v_1\left(n\right)\\ M\\ v_{M-1}\left(n\right)\end{array}\right)---\left(35\right)$

Φ＝α₀Φ₀+α₁Φ₁+L+α_M-1Φ_M-1    (36)

其中

${\Phi }_k=E\left(\left(\begin{array}{c}{x}_{k0}\left(n\right)\\ x_{k1}\left(n\right)\\ M\\ x_{k,M-1}\left(n\right)\end{array}\right)\left(\begin{array}{cccc}{x}_{k0}^T\left(n\right)& x_{k1}^T\left(n\right)& L& x_{k,M-1}^T\left(n\right)\end{array}\right)\right)---\left(37\right)$

k＝0，1，L，(M-1)

则此时的收敛的条件为

$1<\mu <\frac{1}{{\lambda }_{\max }}---\left(38\right)$

为了描述方便，在此假设的长度为8，子带个数为4。

$\Phi =\underset{k=0}{\overset{3}{\Sigma }}{\alpha }_k{\Phi }_k---\left(39\right)$

$\Phi =\left(\left(\begin{array}{c}{x}_{k0}\\ x_{k1}\\ x_{k2}\\ x_{k3}\end{array}\right)\left(\begin{array}{cccc}{x}_{k0}^T& x_{k1}^T& x_{k2}^T& x_{k3}^T\end{array}\right)\right)---\left(40\right)$

其中

x_kl(n)＝[b_k(l+4n)b_k(l+4n+4)]^T    (41)

设

r_k(m)＝E[b_k(n)b_k(n+m)]           (42)

${\Phi }_k=\left(\begin{array}{cccccccc}{r}_k\left(0\right)& r_k\left(4\right)& r_k\left(1\right)& r_k\left(5\right)& r_k\left(2\right)& r_k\left(6\right)& r_k\left(3\right)& r_k\left(7\right)\\ r_k\left(4\right)& r_k\left(0\right)& r_k\left(3\right)& r_k\left(1\right)& r_k\left(2\right)& r_k\left(2\right)& r_k\left(1\right)& r_k\left(3\right)\\ r_k\left(1\right)& r_k\left(3\right)& r_k\left(0\right)& r_k\left(4\right)& r_k\left(1\right)& r_k\left(5\right)& r_k\left(2\right)& r_k\left(6\right)\\ M& M& M& M& M& M& M& M\\ M& M& M& M& M& M& M& M\\ M& M& M& M& M& M& M& M\\ R_k\left(7\right)& r_k\left(3\right)& r_k\left(6\right)& r_k\left(2\right)& r_k\left(5\right)& r_k\left(1\right)& r_k\left(4\right)& r_k\left(0\right)\end{array}\right)---\left(43\right)$

这里假设误差子带滤波器的4条支路的传递函数分别为H₀(e^jω)，H₁(e^jω)， H₂(e^jω)，H₃(e^jω)，它们的带宽分别是π/4。设H(e^jω)的通带为[-π/8，π/8]，通带 增益为1，该组滤波器便可由该滤波器平移得到。

$H_k\left(e^{\mathrm{j\omega }}\right)=H\left(e^{\left(j(\omega -{\omega }_k)\right)}\right)+H\left(e^{\left(j(\omega +{\omega }_k)\right)}\right)---\left(44\right)$

其中

ω_k＝(2k+1)(π/8)，k＝0，1，2，3                (45)

设x(n)的功率谱密度函数为

$P_x\left(e^{\mathrm{j\omega }}\right)=\underset{k=0}{\overset{3}{\Sigma }}{r}_k(P\left(e^{j(\omega -{\omega }_k)}\right)+P\left(e^{j(\omega +{\omega }_k)}\right))---\left(46\right)$

其中P(e^jω)在带宽内增益为1，带宽为[-π/8，π/8]。

则b(n)的功率谱函数为

$P_x\left(e^{\mathrm{j\omega }}\right)=P_x\left(e^{\mathrm{j\omega }}\right)\{{\left|H\left(e^{j(\omega -{\omega }_k)}\right)\right|}^2+{\left|H\left(e^{j(\omega -{\omega }_k)}\right)\right|}^2\}---\left(47\right)$

P(e^jω)与H(e^jω)有相同性质，所以(47)又可以写成

$P_k\left(e^{\mathrm{j\omega }}\right)=P_x\left(e^{\mathrm{j\omega }}\right)r_k(P\left(e^{j(\omega -{\omega }_k)}\right)+P\left(e^{j(\omega +{\omega }_k)}\right))---\left(48\right)$

对上式做反傅里叶变化

r_k(n)＝2r_kp(n)cos(ω_kn)              (49)

p(n)为P(e^jω)的傅里叶逆变换。令

$q\left(n\right)=\underset{k=0}{\overset{3}{\Sigma }}{\alpha }_k{r}_k\left(n\right)---\left(50\right)$

则有

$\Phi =\left(\begin{array}{cccccccc}q\left(0\right)& q\left(4\right)& q\left(1\right)& q\left(5\right)& q\left(2\right)& q\left(6\right)& q\left(3\right)& q\left(7\right)\\ q\left(4\right)& q\left(0\right)& q\left(3\right)& q\left(1\right)& q\left(2\right)& q\left(2\right)& q\left(1\right)& q\left(3\right)\\ q\left(1\right)& q\left(3\right)& q\left(0\right)& q\left(4\right)& q\left(1\right)& q\left(5\right)& q\left(2\right)& q\left(6\right)\\ M& M& M& M& M& M& M& M\\ M& M& M& M& M& M& M& M\\ M& M& M& M& M& M& M& M\\ q\left(7\right)& q\left(3\right)& q\left(6\right)& q\left(2\right)& q\left(5\right)& q\left(1\right)& q\left(4\right)& q\left(0\right)\end{array}\right)---\left(51\right)$

由令α_k为c/r_k，则

$q\left(n\right)=2\mathrm{cp}\left(n\right)\underset{k=0}{\overset{3}{\Sigma }}\cos \left({\omega }_{k}n\right)---\left(52\right)$

因为ω_k＝(2k+1)/(π/8)，k＝0，1，2，3所以当n＝8m，不 为零，又因为p(n)为s ine函数在n＝8m，m＝...-2，-1，1，2，...为零，所以只有当n＝0的 时候q(n)不为零，所以Φ＝q(0)I。所以该算法具有很好的收敛性。从式中我们可 以看出信号自相关矩阵的条件数为1(矩阵的最大特征值除以最小特征值)，而 一般的自适应滤波算法的输入自相关矩阵的条件数大于1。根据自适应算法的理 论我们可以知道，随着自相关矩阵条件数的增大，自适应滤波的收敛速度将会 下降。所以基于误差子带的自适应滤波具有更高的收敛速度。

另外，值得说明的是，本发明实施例提供的一种基于误差子带的自适应滤 波方法既可以用于仿真数字信道，也可以用于仿真模拟信道。若仿真数字信道， 则可以直接使用本发明实施例提供的一种基于误差子带的自适应滤波方法；若 要仿真模拟信道，本发明实施例还需要引入Sigma-Delta系统，该系统包括 Sigma-Delt调制器其作用是对模拟输入以大大高于耐奎斯特采样率的速度对模 拟输入信号进行过采样；Sigma-Delta数模转换器，其作用是对数据进行数模转 换；Sigma-Delta模数转换器，其作用是对数据进行模数转换。引入Sigma-Delta 系统后的自适应滤波系统如图7所示。

本发明实施例提供的一种基于误差子带的自适应滤波方法，对所述误差信 号和输入信号分别进行分析滤波处理，得到误差子带信号和输入子带信号；并 根据所述输入子带信号和所述误差子带信号进行计算，得到新的自适应滤波权 值，并对自适应滤波器中的权值进行更新，从而使得自适应滤波器在进行工作 时可以直接使用更新后的权值对所述输入信号进行自适应滤波器处理，得到自 适应滤波信号。相比于现有技术中，需要将输入信号先进行分析滤波处理，并 将处理结果输入至自适应滤波器中进行自适应处理，得到自适应滤波子带信 号，再将自适应滤波子带信号进行综合滤波处理，才能得到自适应滤波信号这 一技术方案，本发明不需要对自适应滤波器的处理结果进行恢复，相比于现有 技术提供的技术方案，省去了用于信号重构的综合滤波器，从而减少自适应滤 波算法的运算量。

实施例3

本发明实施例提供的一种基于误差子带的自适应滤波系统，参考图1，包 括：自适应滤波器、减法器、误差子带滤波器、输入信号分析滤波器、自适应 权值更新器。

自适应滤波器，用于接收输入信号，根据当前存储在所述自适应滤波器内 的自适应滤波权值，对所述输入信号进行自适应滤波处理，得到自适应滤波信 号，并将所述自适应滤波信号传输至减法器。

减法器，用于接收参考信号和所述自适应滤波信号，并根据所述参考信号 和所述自适应滤波信号进行计算，得到误差信号，并将所述误差信号传输至误 差子带滤波器；其中，所述参考信号为所述输入信号通过真实信道后生成的信 号。

误差子带滤波器，用于接收所述误差信号，并对所述误差信号进行子带分 析滤波处理，得到误差子带信号，并将所述误差子带信号传输至自适应权值更 新器。

输入信号分析滤波器，用于接收所述输入信号，并对所述输入信号进行子 带分析滤波处理，得到输入子带信号，并将所述输入子带信号传输至自适应权 值更新器。

自适应权值更新器，用于接收所述误差子带信号和所述输入子带信号，并 根据所述误差子带信号和所述输入子带信号进行计算，得到新的自适应滤波权 值，并将当前存储在所述自适应滤波器内的自适应滤波权值替换为所述新的自 适应滤波权值。

可选的是，参考图4，上述自适应滤波器具有L条支路，包括第1支路至第 L支路，每条支路有一个入端口和出端口；其中，L为正整数；

当L等于1时，第L支路中设置有M个乘法器，M-1个加法器、M-1个M拍 延时器；其中，所述M个乘法器为乘法器0至乘法器M-1，所述M-1个加法器为 加法器1到加法器M-1，所述M-1个M拍延时器为M拍延时器1到M拍延时器 M-1；每个延时器均具有一个入端口和一个出端口，每个乘法器均具有一个入端 口和一个出端口、每个加法器均具有两个入端口和一个出端口；其中，M为正整 数；所述第L条支路的入端口与乘法器0至乘法器M-1的入端口相连；乘法器0 的出端口与M拍延时器1的入端口相连；乘法器1至乘法器M-1的出端口分别 与加法器1至加法器M-1各自的一个入端口相连；M拍延时器1至M拍延时器 M-1的出端口分别于加法器1至加法器M-1各自的另一个出端口相连；

当L大于1时，第L支路中设置有一个L-1拍延时器、M个乘法器，M-1个 加法器、M-1个M拍延时器；其中，所述M个乘法器为乘法器0至乘法器M-1， 所述M-1个加法器为加法器1到加法器M-1，所述M-1个M拍延时器为M拍延时 器1到M拍延时器M-1；每个延时器均具有一个入端口和一个出端口，每个乘法 器均具有一个入端口和一个出端口、每个加法器均具有两个入端口和一个出端 口；在第L条支路中，所述第L条支路的入端口与L-1拍延时器的入端口相连； 所述L-1拍延时器的出端口与所有乘法器的入端口相连；乘法器0的出端口与M 拍延时器1的入端口相连；乘法器1至乘法器M-1的出端口分别与加法器1至 加法器M-1各自的一个入端口相连；M拍延时器1至M拍延时器M-1的出端口分 别于加法器1至加法器M-1各自的另一个出端口相连。

可选的是，参照图5，上述所述误差子带滤波器具有N条支路，包括第1支 路至第N支路，每条支路有一个入端口和一个出端口；其中，所述N为正整数；

当X等于1时，第X支路中设置有一个低通滤波器，一个乘法器X-1和一 个抽取器X-1；低通滤波器的入端口与第X支路的入端口相连，低通滤波器的出 端口与乘法器X-1的入端口相连，乘法器X-1的出端口与抽取器X-1相连，抽 取器X-1的出端口与第X支路的出端口相连；

当X大于1，并小于N-1时，第X支路中设置有一个带通滤波器、一个X-1 拍延时器、一个乘法器X-1和一个抽取器X-1；带通滤波器的入端口与第X支路 的入端口相连，带通滤波器的出端口与X-1拍延时器的入端口相连；X-1拍延时 器的出端口与乘法器X-1的入端口相连，乘法器X-1的出端口与抽取器X-1相 连，抽取器X-1的出端口与第X支路的出端口相连；

当X等于N时，第X支路中设置有一个高通滤波器、一个X-1拍延时器、 一个乘法器X-1和一个抽取器X-1；高通滤波器的入端口与第X支路的入端口相 连，高通滤波器的出端口与X-1拍延时器的入端口相连；X-1拍延时器的出端口 与乘法器X-1的入端口相连，乘法器X-1的出端口与抽取器X-1相连，抽取器 X-1的出端口与第X支路的出端口相连。

可选的是，如图8所示，还包括：收敛检测器。

收敛检测器，用于判断所述误差信号是否收敛；若确定所述误差信号收敛， 则控制所述减法器根据所述自适应滤波信号，生成仿真信号，并将所述仿真信 号输出。

本发明实施例提供的一种基于误差子带的自适应滤波装置，通过对所述误 差信号和输入信号分别进行分析滤波处理，得到误差子带信号和输入子带信 号；并根据所述输入子带信号和所述误差子带信号进行计算，得到新的自适应 滤波权值，使得输出信号时不需要对输入信号进行恢复，相比于现有技术提供 的技术方案，省去了用于信号重构的综合滤波器，从而减少自适应滤波算法的 运算量。

通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到本发 明可借助软件加必需的通用硬件的方式来实现，当然也可以通过硬件，但很多 情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或 者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软 件产品存储在可读取的存储介质中，如计算机的软盘，硬盘或光盘等，包括若 干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备 等)执行本发明各个实施例所述的方法。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于 此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到 变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应 以所述权利要求的保护范围为准。