|
временной областях, работающих в реальном масштабе времени, очень сложно. В /24/ предложено использовать просмотровые таблицы для хранения результатов свертки. Использование просмотровых таблиц является частным случаем использования распределенной арифметики, призванной уменьшить сложность вычислительных затрат. На рисунке 1Л2 изображена такая структура. Так как эхо-сигнал является функцией последних переданных отсчетов, то, используя в сдвиговом регистре данные отсчеты в качестве адреса, запоминаем в оперативной памяти величину эхо-сигнала. При поступлении на вход передатчика очередной комбинации из ОЗУ выбирается прежнее содержимое и выводится на вычитатель. В зависимости от величины недокомпенсации производится подстройка работы памяти согласно градиентного метода. Для настройки табличных эхо-компенсаторов используется несколько простых алгоритмов адаптации алгоритм стохастической итерации и знаковый алгоритм. зз |
зи их оптимальных значения. В результате среднеквадратическая ошибка превышает минимально-возможное значение среднеквадратичной ошибки. Данная ошибка, называемая расстройкой, определяется как /35/ М=(р • N • Р)/2, (1.9) где ц величина приращения, N объем выборки, Р мощность входного сигнала фильтра. Из анализа выражения (1.9) видно, что чем больше мощность п входного процесса Х(пТ), тем больше величина расстройки. Поэтог му для уменьшения величины расстройки объем выборки N и мощность входного процесса Х(пТ) необходимо уменьшать. При увеличении скорости передачи до нескольких десятков или даже сотен кбит/с, реализовать адаптивные фильтры и в частотной, и во временной областях, работающих в реальном масштабе времени, очень сложно. В /24/ предложено использовать просмотровые таблицы для хранения результатов свертки. Использование просмотровых таблиц является частным случаем использования распределенной арифметики, призванной уменьшить сложность вычислительных затрат. На рисунке 1.12 изображена такая структура. Рисунок 1.12 Адаптивный компенсатор на основе просмотровых таблиц Так как эхо-сигнал является функцией последних переданных отсчетов, то, используя в сдвиговом регистре данные отсчеты в качестве адреса, запоминаем в оперативной памяти величину эхо33 сигнала. При поступлении на вход передатчика очередной комбинации из ОЗУ выбирается прежнее содержимое и вывод ится_на_вычи-Л татель. В зависимости от величины недокомпенсации производится * подстройка работы памяти согласно градиентного метода. Для настройки табличных эхо-компенсаторов используется несколько простых алгоритмов адаптации алгоритм стохастической итерации и знаковый алгоритм. ~ ~ При алгоритме стохастической итерации оценка эхо-сигнала вычисляется в соответствии с выражением: ём=ё!+ р • П, (1.10) где ё i+1 оценка сигнала ошибки на (i+1) шаге, j постоянная усиления, г, величина недокомпенсации на выходе вычитателя. (1/ # При реализации алгоритма по (1.10) требуется АЦП, что нежелательно из соображений быстродействия, потребляемой мощности и стоимости. Применение алгоритма стохастической итерации эквивалентно использованию N независимых адаптивных фильтров с одним отво-у дом. Одним из самых распространенных алгоритмов адаптации табличного эхо-компенсатора является знаковый алгоритм. При реализации такого алгоритма АЦП заменяется компаратором. Оценка сигнала ошибки вычисляется следующим образом: ei+i=Si+ ASign(n), (1.11) где А шаг адаптации. • Недостатком знакового алгоритма является довольно низкая скорость сходимости. Тем не менее, этой скорости достаточно для отслеживания медленных изменений эхо-тракта. ' Нерешенной проблемой знакового алгоритма является первое t нечальная адаптация к подключенному каналу связи. Для выбора 7 знакового алгоритма с минимальным периодом адаптации обратимся к задаче одномерной оптимизации. Методы одномерной оптимизации служат для приближенного определения точки минимума функции <р(х), о которой известно, что она непрерывна на отрезке [а,Ь]. Поведение функции <р(х) исследуется в конечном числе точек, выбором которых различаются различные методы /25,26/. В нашем случае функция <р(х) это значение отсчета сигнала ошибки г, а параметр X соответствует ё, или оценке сигнала ошиб» ки на i-том интервале обработки. Функция ф(х) строго унимодельна, т.е. существует единственная точка минимума X*, поэтому 34 |