1、2023 年第 2 期仪 表 技 术 与 传 感 器InstrumentTechniqueandSensor2023No2基金项目:国家重大科研仪器研制项目(61927807);国家重点研发计划(2019YFC0119800);国家自然科学基金(51875535)收稿日期:20220725MEMS 水听器信号 FPGA 自适应滤波处理荆博原，张国军，柳燕(中北大学，省部共建动态测试技术国家重点实验室，山西太原030051)摘要:为提高 MEMS 水听器自主定向能力，需要硬件处理水声信号。由于水下环境系统复杂，水听器工作中经常受到各种噪声的强烈干扰，对目标定位的准确性产生极大影响。为获得优质水声
2、数据以提高目标定位精度，基于自适应滤波原理，以 FPGA 为核心对水听器接收到的信号进行自适应滤波处理，将 LMS 自适应算法集成到硬件电路中，对接收到的原始信号进行滤波后保存至 SD 卡，采集完成后通过 USB 接口将数据传输至上位机。经验证该系统在水下工作稳定，可以对原始水声信号进行自适应滤波处理和存储，获得稳定目标信号，对后续 MEMS 水听器的离线目标定位有重要作用。关键词:FPGA;自适应滤波;数字信号处理;数据采集中图分类号:TB565文献标识码:A文章编号:10021841(2023)02003406FPGA Adaptive Filtering of MEMS Hydropho
3、ne SignalJING Bo-yuan，ZHANG Guo-jun，LIU Yan(North University of China，State Key Laboratory of Dynamic Measurement Technology，Taiyuan 030051，China)Abstract:In order to improve the autonomous orientation ability of MEMS hydrophone，it needs hardware to process under-water acoustic signalsHowever，due to
4、 the complex underwater environment system，hydrophones are often strongly interfered byvarious noises，which greatly affects the accuracy of target positioningIn order to obtain high quality underwater acoustic data andimprove target positioning accuracy，based on the principle of adaptive filtering，t
5、he signal received by hydrophone was processedby adaptive filtering with FPGA as the core，and the LMS adaptive algorithm was integrated into the hardware circuit to analyzeand filter the received original signalAfter processing，the data was saved to SD cardAfter the work was finished，the data wastra
6、nsferred to the upper computer through USB interfaceIt is proved that the system works stably under water and can carry out a-daptive filtering to the original underwater acoustic signal to obtain the stable target signal，which lays a foundation for the subse-quent offline target location of MEMS hy
7、drophoneKeywords:FPGA;adaptive filter;DSP;data acquisition0引言随着科学技术的发展，海洋勘探以及水下目标定位需求迫切，快速准确获取水下声学信息变得极为重要。MEMS 标矢量一体化水听器具有小体积、高精度、低成本、低功耗的特点，能够对水下声信息进行准确快速的采集，对水下目标定位以及环境检测有重要作用。现在 MEMS 水听器的主要工作模式是被动采集信号后回收数据在 PC 端进行处理，对目标检测以及信息获取的实时性较差，为使 MEMS 水听器具有更广阔应用空间，拟将水声信号的处理集成到硬件电路中，然而在水听器的实际工作环境中，经常受到各种噪声
8、的干扰，采集到的声源信息包含大量的噪声，直接进行定向算法精度较差。因此必须对原始声信号进行降噪处理1。考虑到硬件离线信号处理的特殊性，不能采用 PC 端处理数据的方式，先对信号定性分析后再做具体滤波处理。因此采用自适应滤波器，可以在原始声信号的统计特性不明确的情况下，进行对信号的滤波处理，具有更强的适应性和更优的滤波性能2。考虑到信号预处理的实时性与数据的有效保存，以 FPGA 为核心，集成自适应滤波器，将水听器接收到的原始信号进行频谱分析以及滤波预处理后，得到期望目标信号并进行保存。1系统总体设计系统主要包含 MEMS 标矢量一体化水听器，硬件电路部分与自适应滤波器部分，总体设计见图 1。硬
9、件电路部分包括前置信号调理电路、AD 采集模块、FPGA 主控模块、SD 卡存储模块、USB 接口模块和系第 2 期荆博原等:MEMS 水听器信号 FPGA 自适应滤波处理35统供电模块。自适应滤波器部分包括 FFT 频谱分析部分、期望信号产生部分以及自适应滤波器硬件实现部分。图 1总体设计图2信号获取标矢量一体化水听器采用 MEMS 仿生纤毛和压电陶瓷管结合的方式对水下声信号进行采集。MEMS仿生纤毛结构如图 2 所示。当声信息到达时，纤毛拾取质点振速信息，十字梁发生形变，悬臂梁上的压敏电阻阻值发生变化，从而使惠斯登电桥的输出电压改变，将声源振速信息转换为电压信号3。使用驻波桶进行纤毛结构的
10、灵敏度和指向性测试，其灵敏度为180 dB 1 kHz，频率响应区间为 5 Hz2 kHz，等效本底噪声级 50 dB 1 kHz。压电陶瓷管压电常数为45010%，静态电容(6 00020%)pF。在接收到声源信息时，内外表面产生极性相反的电荷，将声压信号转换为电压信号，从而得到目标声压与振速的电压信号4。图 2MEMS 仿生纤毛结构3硬件电路部分31前置信号调理电路水听器输出的信号幅度为 mV 甚至 V 级别，容易受到外界信号干扰并且不易于后续处理。为了能够准确进行数据采集，需要先设计前置信号调理电路，采用 AD8429 仪表放大器进行微弱信号的放大，该芯片具有低噪声高稳定性的特点5，可在
11、40+125下稳定测量微弱信号，设置放大器增益为 300 倍。同时考虑到水听器接收信号的有效带宽，搭建截止频率 2 kHz 的巴特沃斯低通滤波器，信号经过仪表放大器后进行初步的模拟滤波处理。最后设计电压跟随器，隔离前置电路与后续采集电路，降低其对调理电路的影响。32数据转换与存储水听器将接收到的声源信息转换为模拟电压信号，为后续便于信号处理以及保存数据，将模拟量转换为数字信号。综合考虑水听器的信号有效频率范围以及调理后的信号强度，选择 8 通道 16 位同步采样芯片 AD7606，最大转换速度 200 kHz，可接收10 V 的真双极性输入信号，在 25 V 基准电压下分辨率可达76 V，满足
12、工作需求6。通过 FPGA 控制芯片工作在同步采样并行读取数据模式，设置采样率为 10kHz，单次转换完成后拉高输出有效位。数据转换完成后进入自适应滤波模块，滤波得到期望水声信号存储至 SD 卡，试验结束后通过 USB20 接口回读数据。4自适应滤波器采用 xc7a35t 芯片进行系统控制与数据处理，该芯片具有丰富的逻辑单元和数字信号处理单元。同时对三路水声信号进行分析与处理。由于不能提前得到声源信号的统计特性，不能通过已经设计的常规滤波器来进行降噪处理，选择基于 LMS 迭代算法实现的自适应滤波器对信号进行降噪处理。41自适应滤波器原理自适应滤波器是一种可以根据环境的变化，采用自适应算法来改
13、变自身参数或结构的一种滤波器。闭环 FI 自适应滤波器有更好的性能，使用更广泛，在工作过程中逐渐估计信号统计特性，并调整自身参数以达到最佳滤波效果。自适应滤波器分为参数可调的数字滤波器和自适应算法两部分7，结构如图 3所示。图 3自适应滤波器结构输入信号 x(n)通过参数可调的数字滤波器产生输出信号 y(n)，将其与参考信号 d(n)进行比较形成误差信号 e(n)，通过自适应算法对数字滤波器的参数进行调整，最终使 e(n)满足某种最佳估计准则8。42LMS 算法原理自适应滤波器的最终目的是使估计信号与期望信号的差值满足某种最佳准则，通常使用的准则包括最大后验概率准则、最大似然准则、均方误差准则
14、、线性均方误差(LMS)准则。采用线性均方误差准则，根据 LMS 准则求解滤波器参数的维纳霍夫方程如下:36Instrument Technique and SensorFeb2023q(l)=mhopt(m)rx(l m)(1)式中:q(l)为输入信号与期望信号的互相关函数;rx(lm)为输入信号自相关函数;hopt(m)为滤波器参数最优解。直接求解维纳霍夫方程十分困难，且需要知道输入信号的自相关函数以及和期望信号的互相关函数，在 FPGA 上实现相对困难。因此使用易于操作的 LMS算法，通过不断迭代运算，使滤波器系数尽量接近维纳霍夫方程的最优解9。LMS 算法基于最小均方误差准则，在梯度法
15、的基础上通过改进均方误差梯度的估计值计算方法，取单个误差样本平方的梯度作为均方误差梯度的估计值。LMS 算法具有计算复杂程度低，平稳信号环境下收敛性好等特性。LMS 算法表示如下:y=WH(n)X(n)(2)e(n)=d(n)y(n)(3)W(n+1)=W(n)+2X(n)e*(n)(4)式中:W(n)为滤波器系数向量;X(n)为由输入信号组成的输入向量;y(n)为输出信号;d(n)为期望信号;e(n)为误差信号;为加权向量更新步长因子。值越大，算法收敛越快;值越小，稳定性能越好10。LMS 算法完全由加减法及乘法实现，便于FPGA 实现。LMS 算法的 Matlab 仿真结果如图 4 所示。
16、输入信号为 315 Hz 和 600 Hz 的正弦混合信号，期望信号为 315 Hz 的正弦信号。43滤波器 FPGA 实现431信号频谱分析水听器工作时接收任何类型的声信号，进行滤波处理首先需要分析信号并做出判断。通过分析之前MEMS 水听器接收到的声信号，确定其频率谱上幅值最大频点所对应频率为所发声源信号的频率。在FPGA 中做傅里叶变换，通过对转换后的频谱数据进行循环比较，得到期望信号频率。使用 Vivado 提供的fft ip 核来进行快速傅里叶变换。如果信号中包含频率分别为 f1、f2的 2 个信号，则能够分辨这 2 个信号的分辨率应满足:2ff1f2(5)式中:f=fs/N;fs为采样频率;N 为信号数据长度11。通过分析实际使用过程中的信号，不同信号的频率间隔多为 10 Hz 以上，数据采样速率为 10 kHz，数据(a)滤波前时域分析(b)滤波后时域分析(c)滤波前频域分析(d)滤波后频域分析图 4LMS 算法仿真图长度选择 4 096 点截断。通过固定计数器控制数据输入点数，输入完成后拉低数据有效位，ip 核直接输出结果为 64 位复数，前 32 位为实部，后 32
