Содержание к диссертации
Введение
1. Структуры систем идентификации нелинейных и рекурсивных цифровых фильтров 11
1.1. Вводные замечания , 11
1.2. Математические модели нелинейных цифровых фильтров 16
1.3. Структура системы идентификации рекурсивных фильтров на основе трансверсальных прямых и обратных фильтров 24
1.4. Структуры системы идентификации нелинейных фильтров с разделенными нелинейными и инерционными свойствами 36
1.4.1. Обоснование применения нелинейных инерционных фильтров с разделенными нелинейными и инерционными свойствами 36
1.4.2. Структура системы идентификации с применением динамической линеаризации 37
1.4.3. Структура системы идентификации на основе раздельной адаптации нелинейной и линейной частей фильтра с использованием обратных моделей 43
1.5. Структура системы идентификации нелинейных нерекурсивных фильтров по критерию минимума неквадратичной ошибки адаптации во временной области 47
1.6. Структура системы идентификации нелинейных рекурсивных цифровых фильтров в пространстве состояний 54
1.7. Выводы 60
2. Обоснование структур адаптивных систем нелинейных цифровых фильтров в различных радиотехнических устройствах 63
2.1. Вводные замечания 63
2.2. Предварительная оценка порядка нелинейности и инерционности степенной модели нелинейных цифровых фильтров 67
2.3. Структура адаптивной системы
фильтра нелинейных инерционных предыскажений 70
2.4. Структуры адаптивных систем нелинейных инерционных устройств подавления аддитивной смеси импульсных и узкополосных помех 81
2.4.1. Нелинейный адаптивный фильтр подавления комплекса помех 81
2.4.2. Нелинейный адаптивный фильтр - компенсатор комплекса помех 90
2.5. Структуры адаптивных нелинейных цифровых фильтров - синтезаторов вокализованных звуков речи 98
2.6. Выводы 105
3. Гоактическаяреашзаіщя адаптивных нелинейных фильтров в радиотехнических устройствах 107
3.1. Вводные замечания 107
3.2. Кодек АДИКМ с нелинейным адаптивным фильтром -предсказателем 109
3.3. Исследование влияния разрядности вычислительных операций на линеаризацию усилителя мощности CDMA 117
3.3.1. Характеристики системы фиксированного радиодоступа CDMA 117
3.3.2. Обоснование разрядности устройства введения нелинейных инерционных предыскажений сигнала системы CDMA 120
3.4. Программно-аппаратная реализация устройства нелинейного инерционного предыскажения сигналов 122
3.5. Выводы 134
Заключение 136
Список литературы
- Структура системы идентификации рекурсивных фильтров на основе трансверсальных прямых и обратных фильтров
- Предварительная оценка порядка нелинейности и инерционности степенной модели нелинейных цифровых фильтров
- Кодек АДИКМ с нелинейным адаптивным фильтром -предсказателем
- Обоснование разрядности устройства введения нелинейных инерционных предыскажений сигнала системы CDMA
Введение к работе
Актуальность темы. Качество и эффективность функционирования различных радиотехнических устройств (РТУ) в значительной степени определяется близостью их характеристик к теоретически заданным, полученным при известных моделях сигналов и воздействующих шумов. В процессе функционирования системы по различным причинам может наблюдаться изменение сигнально-помеховой обстановки, что приводит к значительному снижению показателей качества (ПК) всей радиотехнической системы (РТС). В связи с этим при разработке современных устройств формирования и обработки цифровых сигналов целесообразно применять адаптацию алгоритма функционирования к изменяющимся свойствам входных сигналов и шумов. Весомый вклад в области разработки адаптивных алгоритмов функционирования РТУ внесли как отечественные ученые -Цыпкин Я.З., Стратонович Р.Л., Пугачев B.C., Шахгильдян В.В., Райбман Н.С., Репин В.Г, Тартаковский Г.Г., Фомин В.Н., Фельдбаум А.А., Медведев Г.А., Медведев А.В., БрикманМ.С. Григорьев В.А. и др.; так и зарубежные: АокиМ., ЭйкхоффП., ОстремаК., УидроуБ., СтирнзС.Д., Коуэн К. Ф. Н., Грант П. М. и др. [16...23].
Известно [9, 24, 25], что большинство усилителей, генераторов, фильтров и др., которые используются в системах радиолокации, радионавигации, телевидении и других системах передачи информации являются нелинейными и инерционными, а также могут содержать рекурсивные связи, причем свойства нелинейности и инерционности часто неразделимы. В этом случае линейные адаптивные нерекурсивные фильтры не могут обеспечить получение требуемых характеристик преобразования входных сигналов в выходные с заданной точностью. Такое преобразование может быть осуществлено только нелинейными и рекурсивными цифровыми фильтрами. Сложность оптимизации характеристик нелинейных и рекурсивных цифровых фильтров заключается в том, что их алгоритмы
5 адаптации (АА) в основном оказываются неустойчивыми.
Структура нелинейных цифровых фильтров определяется моделью преобразования входных сигналов в выходные, в качестве которой могут быть использованы нелинейные инерционные математические модели (ММ).
Предложено большое количество ММ нелинейных инерционных преобразований [9, 16, 24, 26, 27 и др.], что требует их систематизации с целью определения преимуществ каждой в различных приложениях. Известно [28, 29], что каждое нелинейное динамическое РТУ может быть описано с использованием аппарата рядов Вольтерра, ортоганализованных по Винеру. Однако, при решении задачи указанным методом возникают значительные технические трудности, связанные, во-первых, с отсутствием аттестованных генераторов шума с нормальным законом распределения и равноменым энергетическим спектром, а во-вторых, ММ нелинейного инерционного преобразования оказывается многомерной и требует значительных вычислительных ресурсов. В частности, для современного неспециализированного компьютера Pentium IV с тактовой частотой 2 ГГц задача получения первых 10 симметризованных ядер Вольтерра с погрешностью 1 % требует около года машинного времени [28].
Таким образом, решение задачи определения по экспериментальным данным в близком к реальному масштабу времени параметров нелинейных цифровых фильтров может быть выполнено только с использованием алгоритмов в пространстве с ограниченной размерностью. В связи с этим актуальна разработка устойчивых и эффективных по вычислительным затратам и скорости сходимости структур адаптивных систем нелинейных и рекурсивных цифровых фильтров, а также методики предварительной оценки порядка нелинейности и инерционности РТУ.
Так как наиболее общие модели в силу «тупика многомерности» [28] не могут быть практически использованы, то, исходя из преимуществ и недостатков набора моделей нелинейных инерционных РТУ, следует обоснованно выбрать структуры адаптивных нелинейных цифровых
фильтров.
Ввиду большого числа определяющих ММ параметров алгоритм оптимизации нелинейных цифровых фильтров должен обладать относительно невысокими вычислительными затратами, необходимыми на одну итерацию адаптации. Такому требованию удовлетворяет АА на основе метода наименьших квадратов (МНК), т. к. необходимые вычислительные затраты в этом случае пропорциональны количеству оптимизируемых параметров, тогда как при использовании АА, обеспечивающих более высокую скорость сходимости, например, рекуррентный алгоритм наименьших квадратов (РНК), вычислительные затраты пропорциональны квадрату количества оптимизируемых параметров [30]. Поэтому при значительном количестве адаптивных параметров МНК можно реализовать в реальном масштабе времени, что будет затруднительно для РНК и др. более сложных АА.
Практическая реализация нелинейных цифровых фильтров должна осуществляться на основе высокопроизводительных микропроцессоров (МП). В связи с широким выбором МП, обеспечивающими требования быстродействия, производительности, объема запоминающих устройств и др., выбор последних должен осуществляться по набору технико-экономических ПК и рассматриваться как многокритериальная задача.
Таким образом, актуальной задачей является разработка и исследование структур адаптивных систем нелинейных и рекурсивных цифровых фильтров с использованием эффективных по вычислительным затратам и скорости адаптации процедур и алгоритмов с целью повышения показателей качества функционирования РТС.
Цель и задачи работы. Основной целью работы является разработка и обоснование эффективных по вычислительным затратам и скорости адаптации структур адаптивных систем нелинейных и рекурсивных цифровых фильтров для различных РТС.
Поставленная цель работы включает решение следующих задач:
- систематизации наиболее известных математических моделей
нелинейных цифровых фильтров;
разработки структур систем идентификации нелинейных и рекурсивных цифровых фильтров;
разработки методики уменьшения размерности вектора оптимизируемых параметров моделей нелинейных цифровых фильтров;
обоснования структур адаптивных систем нелинейных цифровых фильтров для различных РТУ.
Методы проведения исследований. В работе использовались методы статистической радиотехники, математической статистики, матричного исчисления, численные методы вычислительной математики. Данные теоретические методы сочетались с экспериментальными исследованиями на основе имитационного моделирования.
Научная новизна. В рамках данной диссертационной работы получены следующие новые научные результаты:
Разработана структура системы идентификации рекурсивных цифровых фильтров, обеспечивающая высокую точность оценки АЧХ и ФЧХ цифровых рекурсивных фильтров.
Разработаны эффективные по скорости адаптации структуры системы идентификации нелинейных нерекурсивных цифровых фильтров с разделенными нелинейными и инерционными свойствами на основе адаптивных порогов линейности.
Получена эффективная по скорости структура системы идентификации нелинейных цифровых фильтров при использовании критерия минимума неквадратичной ошибки оценки вектора градиента рабочей функции АА в случае негауссовских входных сигналов.
Разработана процедура адаптации нелинейного полиномиального цифрового фильтра, позволяющая уменьшить необходимые вычислительные затраты на АА при заданной точности аппроксимации характеристик фильтра.
5. Разработана структура АА фильтра нелинейных инерционных
предыскажений сигнала, обеспечивающая линеаризацию проходной амплитудной характеристики (ПАХ) выходного аналогового усилителя мощности (УМ).
6. Разработаны эффективные по вычислительным затратам структуры
адаптивных систем цифровых фильтров и фильтров-компенсаторов
подавления комплекса аддитивных узкополосных (УП), импульсных
(ИП) и широкополосных гауссовских помех (БГШ).
Практическая ценность работы. Представленные в работе
эффективные по скорости адаптации и вычислительным затратам структуры адаптивных систем нелинейных и рекурсивных цифровых фильтров могут быть использованы в помехоустойчивых, адаптивных системах радиолокации, радионавигации, телевидения, а также других устойчивых к искажениям систем передачи информации. Реализация результатов исследований позволит повысить технические характеристики устройств формирования и обработки сигналов, что обеспечит улучшение показателей качества РТС.
Результаты диссертационной работы нашли применение в разработках ОАО «Телекоммуникационной компании «Ринфотелс» г. Рязань, а также внедрены в учебный процесс Рязанской государственной радиотехнической академии, что подтверждено соответствующими актами.
Основные положения, выносимые на защиту.
Структура адаптивной системы рекурсивных фильтров на основе независимого прямого и обратного моделирования нерекурсивной и рекурсивной частей передаточной функции, обеспечивающая в 18 раз более высокую точность аппроксимации АЧХ и ФЧХ фильтра по сравнению с алгоритмами на основе адаптации по общей ошибке.
Оценка вектора градиента рабочей функции алгоритма адаптации по критерию минимума неквадратической ошибки для нелинейных нерекурсивных цифровых фильтров при воздействии негауссовских сигналов, обеспечивающая снижение среднеквадратической ошибки
9 или увеличение скорости адаптации на 30...35% от аналогичных,
полученных с использованием квадратичной формы оценки вектора
градиента.
3. Структура адаптивной системы нелинейного цифрового фильтра
предыскажений сигнала, позволяющая в 6...17 раз снизить нелинейные
инерционные искажения ПАХ усилительного тракта при
одновременном повышении его КПД в 1,6...2 раза в зависимости от
разрядности представления операндов в вычислительном устройстве.
Апробация работы. Результаты работы докладывались на следующих
конференциях:
Седьмая всероссийская НТК студентов, молодых ученых и специалистов "Новые информационные технологии в научных исследованиях и в образовании". Рязань, 2002.
Одиннадцатая МНТК "Проблемы передачи и обработки информации в сетях и системах телекоммуникаций". Рязань, 2002.
The 5th International Conference and Exhibition on "Digital Signal Processing and its Application". Moscow, 2003.
Восьмая всероссийская НТК студентов, молодых ученых и специалистов "Новые информационные технологии в научных исследованиях и в образовании". Рязань. 2003.
Двенадцатая международная НТК "Проблемы передачи и обработки информации в сетях и системах телекоммуникаций". Рязань, 2004.
Десятая международная НТК студентов и аспирантов "Радиоэлектроника, электротехника и энергетика". Москва, 2004.
Конференция "Молодежь и наука". Научная сессия МИФИ-2004. Москва, 2004.
Шестая Международная конференция и выставка «Цифровая обработка сигналов и ее применение». Москва, 2004.
XIII Международной научной конференции «Информатизация и
10 информационная безопасность правоохранительных органов». Москва,
2004. 10. Международная конференция «Теория и практика речевой
коммуникации». Москва, 2004.
Публикации. По теме диссертации опубликовано 29 работ. Из них 4 статьи в центральной печати, 1 учебное пособие, 6 статей в межвузовских сборниках трудов, 16 тезисов докладов на конференциях и 2 отчета по НИР.
Структура и объем работы. Диссертационная работа состоит из введения, трех глав, заключения, списка литературы из 163 наименований и 4-х приложений. Диссертация содержит 182 с, в том числе 147 с. основного текста, 10 таблиц и 46 рисунков.
Благодарности. Автор выражает искреннюю признательность своему научному руководителю: д. т, н., проф. Кириллову С.Н. за неоценимую помощь и огромную моральную поддержку, оказанную в процессе работы над диссертацией. Автор также благодарит своих коллег, аспирантов и сотрудников РГРТА за высказанные замечания, содействие и помощь в процессе работы и оформлении диссертации. Выражаю особую благодарность своим родным и близким за предоставленную возможность заниматься научной деятельностью.
Структура системы идентификации рекурсивных фильтров на основе трансверсальных прямых и обратных фильтров
Во многих РТУ, таких как компенсаторы дисперсионных каналов связи [22, 36], телеметрических кодеках [44, 49], радиолокационном моделировании на основе моделей авторегрессии и скользящего среднего (АРСС) и др., находят широкое применение цифровые адаптивные БИХ-фильтры.
В настоящее время существуют два основных метода проектирования таких фильтров: метод адаптивной фильтрации [22] и метод авторегрессии -скользящего среднего [23, 91]. Эти методы являются простыми и эффективными в вычислительном отношении, но им свойственны недостатки, связанные с низкой скоростью сходимости и невысокой точностью оценок параметров. Улучшение качественных характеристик этих методов, как показано в [73,74] возможно при использовании комбинированного МНК.
В известной постановке задачи идентификации линейного рекурсивного фильтра структура адаптивной системы имеет вид, приведенный на рис. 1.1 [22, 23], где используются следующие обозначения: АФ1 - адаптивный КИХ фильтр для нерекурсивной части МФ с передаточной функцией (ПФ) A(z); АФ2 - адаптивный КИХ-фильтр для рекурсивной части МФ с ПФ [ 1 - B(z) ]; МФ - моделирующий фильтр с ПФ H(z) = A(z)/(i - 2?(z)). МФ АФ1 Y JL л АФ2 J -n Рис. 1.1. Известная структура системы идентификации БИХ-фильтра При этом ПФ адаптивного БИХ-фильтра имеет дробно-рациональный вид: H(z)=A(z)/{l-B(z))= їй,- " 1=0 1-Е , г" г=1 (1.14) где LH +1 и LP - количество весовых коэффициентов нерекурсивной и рекурсивной частей соответственно.
Если АФ представляет собой БИХ-фильтр, то известная структура адаптивной системы рис. 1.1 в общем случае неработоспособна [22, 92, 93], так как рабочие характеристики в этом случае не являются унимодальными, а наличие рекурсивной части в АФ может приводить к нарушению условия устойчивости (полюса адаптивного БИХ-фильтра выйдут за пределы единичной окружности на комплексной плоскости). Для решения этой проблемы в [22] использована структура системы идентификации, показанная на рис. 1.2, где блоки АФ1, АФ2 и МФ -аналогичны одноименным на рис. 1.1; ИНТ - интегрирующее звено на основе 1=0 КИХ-фильтра с ПФ l(z)= (ш, z l), здесь Nj - порядок интегратора. МФ — ИНТ У\ л АФ2 X АФ1 " Рис. 1.2. Структура устойчивой системы идентификации БИХ-фильтра по общей ошибке адаптации во временной области Такая структура системы идентификации БИХ-фильтра не обеспечивает полной минимизации СКО сигнала ошибки ек, но всегда является устойчивой вследствие отсутствия рекурсивных частей в АФ [22]. МФ в общем случае инерционная система, и сигнал хк задерживается при прохождении через физическую систему. При таких условиях необходимо, чтобы АФ был устройством с предсказанием. Как показано в [22, 82, 92, 93], в качестве предсказателя перед обратным адаптивным фильтром в схеме рис. 1.2 может использоваться интегрирующее звено. Алгоритм работы схемы рис. 1.2 по комбинированному МНК при неполной форме оценки градиента [94] имеет вид: sk=yk-{rJbk-XTkkk (1.15) NO-rK+yfok- ); (1.16) т "3 1 л dbxdbLр = 2е1кп дь}del" _dbLp _ «-2 Y;, л да,н = 2 del" даЬн -2el" k; (1.17а) (1.176) Л А Bk+1=Bk-vV k Bk+2velnY k, Ak+l = А, -м VJ « Ак +2цєІ" Хк; (1.18а) (1.186) где ук - эталонный сигнал, формируемый моделирующим фильтром, на -ом шаге; () - знак транспонирования матрицы или вектора; 0 ,/ ,!; k=W,k - aiH,kY В =(о Кк Кк " hPj) - столбцы весовых коэффициентов нерекурсивной и рекурсивной частей адаптивного фильтра соответственно на А ом шаге; ХА=( JC _J ... xk_L)T и Xt = \Ук У к-\ Ук-Lp У - входной вектор сигнала и реакция цепи «моделирующий фильтр - интегратор» на данное воздействие соответственно на к-ом шаге, здесь =1 . ju и v - параметры сходимости 1=0 нерекурсивной и рекурсивной частей ПФ АФ соответственно. Выбор значений параметров сходимости // и v осуществляется из условий максимальной скорости сходимости АА и устойчивой работы последнего [93]. В этом случае СКО сигнала ошибки єк является квадратичной А Л функцией коэффициентов Ак и Вк, так как АФ1 и АФ2 - КИХ-фильтры. Таким образом, рабочая характеристика АА унимодальна, что упрощает адаптацию A(z) и B(z) по МНК [22, 70]. Основной особенностью схемы рис. 1.2 является зависимость процессов адаптации нерекурсивной и рекурсивной частей фильтра от общей ошибки єк, что не позволяет получить высокую точность идентификации векторов л л коэффициентов Ак и Вк.
Предварительная оценка порядка нелинейности и инерционности степенной модели нелинейных цифровых фильтров
Среди всех биометрических способов установления личности специфическое место занимают методы автоматического распознавания дикторов по голосу [116]. Основным преимуществом этих методов является возможность использования РТУ санкционированного доступа на расстоянии. Кроме того, в этом случае обеспечивается более высокая надежность идентификации информанта в случаях утраты внешних биометрических свойств организма. Для этих целей используется линейная модель речеобразования, развитая в работах [19,46...48].
Анализ официальных данных производителей о характеристиках, появившихся в последние годы, коммерческих систем верификации и идентификации дикторов свидетельствует о том, что большинство фирм-разработчиков стремится обеспечить требуемый уровень качества функционирования путем применения более мощных и эффективных алгоритмов структуризации, усложнения решающих правил, увеличения числа и размерности кодовых книг эталонов, расширения речевых баз данных и др. [117, 118]. В условиях постоянного роста возможностей современных вычислительных систем данный подход является наиболее простым и естественным. Однако усложнение алгоритмов верификации и идентификации приводит к их более высокой чувствительности к мешающим факторам в виде искажений АЧХ тракта передачи речевого сигнала (PC) и влияния акустических помех.
Развитие адекватной теории речеобразования с применением нелинейных инерционных моделей фильтров-синтезаторов позволит повысить коэффициент сжатия речи для ее хранения и передачи по каналу связи, а также добиться лучшего качества звучания синтезированной речи для систем обмена речевой информации с человеком.
В связи с этим актуальной является проблема, связанная с нахождением наиболее адекватной нелинейной модели речеобразующего тракта человека, выражающей в значительной степени индивидуальные особенности голоса. Адекватная нелинейная инерционная модель преобразования исходного PC в информативные признаки, т. е. параметры модели, обеспечивает успешную идентификацию (верификацию) даже при использовании относительно простых решающих правил, а также позволяет снизить скорость передачи PC по каналу связи по сравнению с линейными кодеками [119] при одинаковом качестве синтезированной речи или повысить качество при одинаковых скоростях передачи.
Таким образом, во второй главе решаются следующие задачи выбора и обоснования адекватных структур нелинейных фильтров различного назначения для ряда РТУ, а также разработки систем их параметрической адаптации:
предварительной оценки порядка нелинейности и инерционности степенной модели нелинейных цифровых фильтров с целью уменьшения параметрического описания ММ объекта с заданной точностью;
разработки структуры устойчивой адаптивной системы фильтра нелинейных инерционных предыскажений сигнала для повышения эффективности работы систем передачи информации;
выбора и обоснования модели устройств адаптивной нелинейной фильтрации и нелинейной инерционной компенсации комплекса импульсных и узкополосных помех при наличии широкополосного гауссовского шума, а также разработка структур систем их адаптации;
определения наиболее адекватной нелинейной модуляционной модели речеобразующего тракта человека, позволяющей повысить коэффициент сжатия и качество синтезированной речи. Предварительная оценка порядка нелинейности и инерционности степенной модели нелинейных цифровых фильтров
Точность, которую обеспечивают нелинейные цифровые фильтры на основе математической модели НДО определяется ее порядком нелинейности, инерционностью и структурой оператора преобразования входного сигнала.
Предположим, что структура оператора, определяющего ММ нелинейного цифрового фильтра, достаточно универсальна, а параметры модели оптимизируются корректно в соответствии с выбранным алгоритмом и критерием. В этом случае точность аппроксимации в основном определяется порядком нелинейности и инерционностью модели НДО.
Так как процедура параметрической оптимизации нелинейного цифрового фильтра значительно усложняется с ростом порядка нелинейности и длительностью отклика, то желательна предварительная количественная оценка этих параметров ММ.
Оценку инерционности нелинейного нерекурсивного фильтра, как и для линейного, можно осуществить по длительности импульсной характеристики. Однако в ряде случаев длительность реакции нелинейного нерекурсивного фильтра на импульсное воздействие может быть неадекватна величине его памяти. Такой эффект можно легко наблюдать для нелинейных нерекурсивных цифровых фильтров на основе факторизуемой модели (1.12). Поэтому для более универсального способа определения порядка инерционности нелинейного нерекурсивного цифрового фильтра предлагается на его вход подавать случайный шумовой сигнал, например БГШ, а длительность реакции М измерять с момента отключения воздействия до достижения мощности реакции заданного уровня д (рис. 2.1). При этом необходимо, чтобы динамический диапазон входного сигнала был максимален, причем во входном сигнале необходимо наличие всего спектра рабочих частот нелинейного цифрового фильтра. В противном случае возможно неточное определение порядка инерционности фильтра вследствие неполного исследования его свойств.
Кодек АДИКМ с нелинейным адаптивным фильтром -предсказателем
Как известно [119], для низкоскоростной передачи речи со скоростью 32 кбит/с рекомендованы методы АДИКМ с фиксированным или адаптивным линейным ФП. Дополнительные возможности по улучшению качества речи или снижению скорости передачи связаны с применением комбинированного критерия оптимизации коэффициентов линейного ФП [72,141].
В случае негауссовских сигналов, к которым в частности относятся и речевые сигналы, оптимальные алгоритмы обработки кодеков АДИКМ должны реализовываться на основе нелинейных ФП.
В условиях априорной параметрической неопределённости при локально-стационарных речевых сигналах целесообразно использовать АА коэффициентов нелинейных АФ, что позволяет в процессе функционирования перестраивать параметры адаптивного ФП.
Таким образом, актуальной является разработка нелинейного адаптивного ФП для кодека АДИКМ речевых сигналов.
Во всех современных системах радиосвязи, к которым относятся спутниковые, транкинговые, сотовые системы и системы беспроводного доступа, для передачи информации используются дискретные сигналы [127]. Такие системы кроме передачи речи обеспечивают передачу данных и мультимедийной информации: доступ в Internet, передачу видеоизображения и звука с высоким качеством и т.д.
Наряду с максимальной скоростью передачи в заданной полосе частот, высокой помехоустойчивостью и электромагнитной совместимостью, при разработке системы мобильной связи необходимо обеспечить длительный срок службы аккумуляторов мобильной станции, который напрямую зависит 108 от КПД передатчика. Усилитель мощности передатчика работает наиболее эффективно в нелинейном режиме с насыщением (класс С). Теоретически возможный КПД в этом режиме составляет 78 %, однако на практике в реальных системах КПД нелинейного усилителя составляет только 20-30 %, а линейного - менее 10 % [110]. Из анализа зависимостей на рис. 3.4 следует, что применение нелинейного полиномиального адаптивного ФП (3.4) в схемах кодеков АДИКМ при том же качестве восстановленного речевого сигнала позволяет сократить количество разрядов кодирования коэффициентов ФП, что уменьшает скорость передачи информации на 5...7 кбит/с по сравнению с кодеком АПК, использующим линейные ФП [119] и на 3...4 кбит/с по сравнению с кодеком АДИКМ, использующим ФП вида (3.1). А такие способы кодирования, как ППК и АДИКМ -АП более значительно проигрывают предложенному алгоритму по скорость передачи информации при том же качестве восстановленного речевого сигнала.
Также полученные экспериментальные результаты показывают, что в случае применения в АФ ортогональных многочленов динамический диапазон коэффициентов aj,j = QiN не зависит от их номера j, что позволяет использовать для их цифрового представления один квантователь.
В таблице 3.1 представлены усреднённые значения вычислительной сложности реализации различных методов кодирования речи, где за единицу принята сложность реализации адаптивной дельта-модуляции (АДМ) и дифференциальной импульсно-кодовой модуляции (ДИКМ) [119,142].
Сложность реализации алгоритмов АДИКМ - НП1 и АДИКМ - НП2 в смысле вычислительных затрат не отличаются, однако для реализации АДИКМ-НП2 необходимо иметь дополнительную память для хранения функций ортогональных многочленов и их производных по аргументу.
Таким образом, показана целесообразность использования в кодеках АДИКМ нелинейного полиномиального адаптивного ФП с точки зрения уменьшения скорости передачи при том же качестве восстановления речи. Кроме того показана эффективность предложенных методов кодирования с точки зрения относительной простоты реализации алгоритмов.
В последнее время большое внимание уделяется разработке и внедрению систем беспроводной связи (WLL) для обслуживания стационарных абонентов. Пристальное внимание к WLL-системам обусловлено такими их особенностями, как [143]: низкие затраты на установку и обслуживание; минимальные сроки ввода в эксплуатацию; быстрый доступ к современным услугам; простота регулирования сети и т.д. На рынке WLL-систем в основном представлены системы двух типов: цифрового европейского стандарта беспроводной связи DECT технологии кодового уплотнения и разделения каналов (CDMA). Для систем двойного назначения предпочтительны системы WLL
CDMA [144], поскольку они отличаются большей пропускной способностью, устойчивостью к интерференции и замиранию сигналов, хорошим сосуществованием с узкополосными системами, высокой скрытностью работы, повышенной криптоустойчивостью, улучшенными возможностями по передаче данных, низким энергопотреблением, улучшенными экологическими показателями и т.д. Эти системы характеризуются большим разнообразием по типу радиоинтерфейса, предоставляемым услугам и конструктивным особенностям [143,144].
Анализ ПАХ высокочастотных усилителя мощности сигналов стандартов CDMA и WCDMA показал [52, 53, 56], что УМ обладает существенной статической нелинейностью при больших входных сигналах, что приводит к интермодуляционным помехам в каналах связи, а также инерцией, которая вносит дополнительные нелинейные искажения.
Обоснование разрядности устройства введения нелинейных инерционных предыскажений сигнала системы CDMA
Одной из важнейших задач, возникающих при практической разработке различных алгоритмов функционирования цифровых устройств, является выбор и обоснование программно-аппаратной реализации РТУ. Решение данной задачи зависит от возможности реализации алгоритмов на определенной элементной базе, доступности элементов и отладочных средств для разработчика, наличия технических резервов при проектировании устройств с некоторым запасом прочности, а также экономических соображений.
Практическая реализация цифровых устройств формирования и обработки сигналов осуществляется, как правило, двумя методами: на основе цифровых сигнальных микропроцессоров и на основе программируемых логических интегральных схем (ПЛИС). Технология ПЛИС, по сравнению с другими микроэлектронными технологиями, обеспечивает существенно короткий проектно-технологическии цикл, а также низкие затраты на проектирование [146, 148]. Однако стоимость данного класса цифровой техники пока достаточно высока. Это связано с тем, что рынок ПЛИС, основанных на сверхбольших интегральных схемах (СБИС) с перепрограммируемой архитектурой, начал развиваться сравнительно недавно.
В настоящее время хорошо развит и освоен рынок МП, что позволяет выбрать относительно дешевый тип с доступными отладочными средствами и внутренними резервами, позволяющими реализовать большинство рассматриваемых алгоритмов обработки цифровых сигналов без лишних аппаратных затрат.
Наибольшее распространение, как показано в [146,147], получили МП с разрядностями 16, 24 и 32 бита. Следует учитывать, что в случае, когда можно обойтись длиной слова 16 бит, нецелесообразно использовать 24- и 32-разрядные МП. На основаниях полученных в п. 3.3 результатов, длиной слова 16 бит является достаточной для реализации алгоритма функционирования нелинейного фильтра предыскажений сигнала применимо к радиорелейному комплексу WLL связи «СТС ИСТОК CDMA 3/5.0». Также из результатов п. 3.3 и в целях снижения необходимых стоимостных затрат следует выбирать МП с представлением данных в формате с фиксированной точкой.
Выбор типа МП для заданной области применения осуществляется исходя из технических характеристик, сопоставимых по стоимости сигнальных процессоров. Исходя и технических характеристик системы WLL-связи, для которой разрабатывается устройство введения нелинейных инерционных предыскажений сигнала (см. таблицу 3.2) следует, что вычислительное устройство должно обладать высокой производительностью. Таким образом, для рассматриваемой области применения необходимо применять специализированные МП типа ТМХ320С6х01 (фирмы
По исследованиям фирмы Motorola [149] при выборе семейства МП рекомендуется использовать такие ПК, как доступность, репутация поставщика, программное обеспечение, набор команд, скорость обработки, архитектура и др. Согласно рекомендациям РД 50-149-79 [150], вводимый критерий технического уровня не учитывает такой важный в условиях рыночной экономики параметр, как стоимость, и поэтому не может быть оптимальным при выборе МП. Таким образом, не существует однозначного подхода к выбору МП и данную задачу необходимо рассматривать как многокритериальную [146]. Учитывая технические и экономические ПК, выбор МП рекомендуется производить по комбинированному критерию [149]: 125 ft ="zfli-zr (3.5) 1=1 В где Z, - весовые коэффициенты, определяющие степень значимости каждого N "ПК ПК и удовлетворяющие условию нормировки 2 Zf =1; ZfK-=z Kjz T /=i ПК _эг относительные ПК; zi , zf - ПК и соответствующие им эталоны; NnK -число ПК. Для группы схожих показателей качества (например, емкостей ОЗУ и ПЗУ) возможно использование одного среднего по группе относительного показателя качества Zf. Выбор типа МП производится по минимальному значению QMIJ. Примеры расчета QMn для упомянутых в таблице 3.3 МП приведены в таблице 3.4.
Таблица 3. Характеристики МП zf ТМХ320С6201 Л1879ВМ2 МЦ4.04 „ЭТ Zi -Ж Z Z? ПКZi Z/7 Zf „ПКzt ZfK 7ср Тактовая частота, МГц 0.2 200 1 - 40 0.2 - 40 0.2 - 200 Производительность,ММАС 0.15 1600 0.46 - 300 0.09 - 3480 1 - 3480 Последовательные порты 0.1 2 0.25 - 2 0.25 - 8 1 - 8 Память: ОЗУ 0.1 16кх32 0.03 0.03 2х 8кх32 0.03 0.18 128Мб 1 1 128Мб ПЗУ 16кх32 0.04 Зх 32кх64 0.25 96Мб 1 96Мб Внешнее адресное пространство 2G 0.03 16G 0.25 64G 1 64G Наличие дополнительных устройств: Векторный сопроцессор 0.2 нет 0 - да 1 - да 1 - да Стоимость, $ 0.25 210 3 - 70 1 - 280 4 - 70 QMn 0.95 0.45 0.91 126 Как следует из анализа таблицы 3.4, оптимальным в своем классе при заданных весовых множителях является микропроцессор Л1879ВМ2 производства НТЦ «Модуль», который и будет использоваться в дальнейшем для реализации алгоритмов функционирования устройства введения нелинейных инерционных предыскажений сигнала для линеаризации УМ CDMA. Процессор Л1879ВМ2 представляет собой высокопроизводительный специализированный микропроцессор, сочетающий в себе черты двух современных архитектур [151]: VLIW (Very Long Instruction Word) и SIMD (Single Instruction Multiple Data). Область применения данного семейства МП [151]: Ядро для высокопроизводительных DSP: Обработка изображений, Системы ЦОС, Нейронные сети, Ускорители векторно-матричных вычислений; ИС для телекоммуникаций; ИС для сотовых систем третьего поколения; Криптопроцессоры; ИС для встраиваемых систем; Базовый блок для построения "систем на кристалле", и др. Основные вычислительные узлы процессора - управляющее RISC-ядро и векторный сопроцессор. RISC-ядро - это центральный процессорный узел, выполняющий все основные функции по управлению работой кристалла. Кроме того, RISC-процессор производит арифметико-логические и сдвиговые операции над 32-разрядными скалярными данными и формирует 32-разрядные адреса команд и данных при обращениях к внешней памяти. Длина команды - 32 и 64 разряда (обычно в команде выполняются две операции). Процессор реализует пятиступенчатый 32-разрядный конвейер. Адресное пространство - 16 Гбайт, два адресных генератора, восемь регистров общего назначения и восемь адресных регистров. Любая инструкция выполняется за один такт. Векторный сопроцессор - основной функциональный элемент Л1879ВМ2. Структурно он представляет собой матрично-векторное операционное устройство и набор регистров различного назначения. Векторный сопроцессор предназначен для арифметических и логических операций над 64-разрядными векторами данных программируемой разрядности. Обмен данными между основными узлами процессора происходит по трем внутренним шинам, двум входным и одной выходной. Важнейшая особенность векторного сопроцессора - работа с операндами произвольной длины (даже не кратной степени двойки) в диапазоне 1...64 бит. Этим достигается оптимальное соотношение между скоростью и точностью вычислений: при однобитовых операндах на тактовой частоте 40 МГц производительность составит 11520 ММАС или 40000 MOPS (миллионов логических операций в секунду), при 32-битовых операндах и 64-битном результате она станет номинальной - 300 ММАС. Возможно динамично, в процессе вычислений изменять разрядность операндов, что позволяет повысить производительность в тех случаях, когда обычные процессоры работают "вхолостую", с избыточной точностью.
