Минимизация используемых ресурсов плис при обнаружении сигналов на фоне мощных помех

Размещено на http://www.allbest.ru/

Минимизация используемых ресурсов плис при обнаружении сигналов на фоне мощных помех

А. Г. Студеникин

ФГБОУ ВО «ВГТУ», Воронеж, Россия

Аннотация

При разработке аппаратуры радиоконтроля одной из актуальных задач является минимизация используемых ресурсов программируемых логических интегральных схем (ПЛИС). В представленной работе рассмотрена технология обнаружения слабого сигнала на фоне мощного помехового с использованием адаптивного фильтра, и предложен ряд технических решений для её реализации на ПЛИС. Предлагаемые решения, в сравнении с прямой реализацией классического алгоритма, обеспечивают экономию ресурсов ПЛИС до 84% и снижение потребляемой мощности на 22%, при сопоставимом отношении сигнал-шум выходного сигнала и увеличении времени сходимости в 5-6 раз.

Ключевые слова: радиоконтроль; ПЛИС; обнаружение сигналов; адаптивная фильтрация.

MINIMIZATION OF USED FPGA RESOURCES AT DETECTION OF SIGNALS IN THE BACKGROUND OF POWERFUL INTERFERENCE

A. G. Studenikin

FSBEI HE «VSTU», Voronezh, Russia

Abstract. In the development of radio monitoring equipment, one of the urgent tasks is minimization of the used resources of programmable logic integrated circuits (FPGA). In the present paper, the technology of detecting a weak signal against the background of a powerful interfering signal using an adaptive filter was considered, and a number of technical solutions were proposed for its implementation on an FPGA. The proposed solutions, in comparison with the direct implementation of the classical algorithm, provide FPGA resource savings of up to 84% and a reduction in power consumption by 22%, with a comparable signal-to-noise ratio of the output signal and an increase in convergence time by 5-6 times.

Keywords: radio monitoring; FPGA; signal detection; adaptive filtering.

Введение

При разработке аппаратуры радиоконтроля (РК) [1], нередко становятся актуальными задачи минимизации потребляемой мощности, тепловыделения и массогабаритных параметров [2]. Особенно важны они при разработке носимой аппаратуры, ввиду более жестких ограничений, накладываемых на вышеперечисленные параметры, а также невозможности использования активного охлаждения и необходимости обеспечения длительной работы от аккумулятора. Для разработчика схемы для программируемых логических интегральных схем (ПЛИС) это означает необходимость минимизации используемых ресурсов.

Использование современными средствами связи сложных сигналов и приёмов их обработки, позволяет нескольким радиоканалам функционировать параллельно в единой полосе частот, а потому классическое энергетическое обнаружение системой РК в какой-то области частот мощного радиоизлучения не является гарантией отсутствия в ней иных, более слабых каналов связи, что делает актуальной задачу обнаружения отдельного, слабого сигнала на фоне мощного помехового, реализация которой может быть выполнена в виде аппаратно-программного комплекса, например, [3].

В настоящей работе рассматривается задача минимизации ресурсов ПЛИС при поиске слабых сигналов на фоне мощных помех (ССМП).

Обнаружение слабых сигналов на фоне мощных помех

Предположим, что аппаратура РК регистрирует в некоторой области частот мощное радиоизлучение. Воспользуется двухканальным радиоприемником и подключим к первому из его входов антенну. Изменяя расположение антенны в пространстве, поместим её там, где уровень сигнала источника мощного радиоизлучения максимален. Антенну, подключенную ко второму входу двухканального радиоприемника, расположим на некотором удалении от первой антенны, ближе к возможному размещению ССМП. Пример подобного размещения представлен на рисунке 1. При заметном угловом разнесении приёмных антенн в пространстве, эта антенна будет весьма эффективно принимать как мешающее радиоизлучение, так и представляющий интерес ССМП. На первой же антенне будет регистрироваться преимущественно мешающее радиоизлучение, а ССМП будет приниматься с заметным ослаблением. Подобный контраст между радиоизлучениями, получаемыми от разных антенн, может служить основой различных алгоритмов выделения ССМП на фоне мощного внешнего излучения.

Возможным способом выделения ССМП является использование адаптивного фильтра (АФ) в качестве устройства подавления помех [4], например, в соответствии с рекомендациями, приведенными в [5]. Схема включения АФ в таком режиме представлена на рисунке 2. Входным сигналом для АФ служит сигнал x(t), поступающий от первой антенны и содержащий реализацию излучения помехи. Сигнал d(t), поступающий от второй антенны с задержкой и выступающий для АФ в качестве образцового, содержит аддитивную смесь измененной из-за интерференции и действия естественных шумов копии x2(t) сигнала помехи и сигнала ССМП s(t). Поскольку входящая в d(t) компонента x2(t) коррелирована с x(t), а сигнал ССМП s(t) является независимым по отношению к x(t) случайным процессом, то адаптивная подстройка коэффициентов фильтра настраивает АФ на преобразование входного сигнала x(t) в сигнал y(t), максимально близкий к x2(t). Как следствие, после адаптации сигнал ошибки е(t) = d(t) - y(t) ? s(t), т.е. в первом приближении представляет собой нескомпенсированную копию сигнала ССМП. Этот сигнал передаётся в ПЭВМ для дальнейшей обработки.

Моделирование адаптивных алгоритмов

Одним из способов практического использования АФ является его реализация в форме нерекурсивного (КИХ) фильтра [6], обрабатывающего представленные в цифровой форме сигналы x и d. На каждом такте функционирования n алгоритм работы такого АФ можно описать следующей последовательностью действий:

Рис. 1. Схема установки компенсации помех

Рис. 2. Схема включения АФ

1) определяется отсчет выходного сигнала y(n) в результате фильтрации вектора входного сигнала x(n)

y(n) = wT(n-1)x(n),

где w(n) - вектор оценки коэффициентов фильтра;

2) вычисляется отсчет сигнала ошибки адаптации e(n)

e(n) = d(n) - y(n),

где d(n) - образцовый сигнал фильтра;

3) рассчитывается новый вектор коэффициентов w(n)

w(n) = w(n-1) + f(x(n), e(n), м),

где f(x(n), e(n), м) - формула расчета коэффициентов фильтра, µ - шаг адаптации.

Сведения о некоторых алгоритмах адаптации приведены в таблице 1.

Таблица 1. Алгоритмы адаптации коэффициентов АФ [7]

Проанализировав выражения для расчёта коэффициентов из таблицы 1, нетрудно заметить, что алгоритм SSLMS имеет наименьшую вычислительную сложность, однако, как следствие, он характеризуется и наибольшей среднеквадратической ошибкой функционирования [8]. Проверим работу этого алгоритма в ходе моделирования и оценим ОСШ обнаруженного сигнала на выходе фильтра. Для сравнения используем классический алгоритм LMS. В качестве входного и образцового сигналов АФ применим эфирный сигнал цифрового телевидения, и аддитивный широкополосный сигнал в его полосе, уровень которого на 11.5 дБ ниже.

Так как входной сигнал может иметь многолучевое распространение, то для обработки основных лучей следует правильно выбрать параметры компенсатора помех. Величина задержки образцового сигнала зависит от положения отсчетов главного луча: если они присутствуют в отрицательной области времени, то необходимо сдвинуть профиль многолучевости вправо по временной оси; величина задержки задает этот сдвиг. Ввиду того, что рассматриваемый АФ имеет конечную импульсную характеристику, определяемую его порядком, следует правильно выбрать этот порядок. Для успешной обработки сигнала импульсная характеристика адаптивного фильтра должна захватывать основные лучи профиля многолучевости [5], а значит, его порядок должен быть больше, чем положение последнего из них после сдвига профиля. Для сравнения алгоритмов примем задержку образцового сигнала равной 10 отсчетам, а длину фильтра равной 150 отводам, что при используемой частоте дискретизации 12,8 МГц соответствует разности в пройденных компонентами главного луча, и основными лучами расстояниях около 0,2 и 3,5 км соответственно, что отвечает компенсации многолучевости в городских условиях.

Сравним результаты функционирования алгоритмов LMS и SSLMS по отношению сигнал-шум (ОСШ) восстановленного сигнала ССМП. Шаг адаптации выберем по критерию минимума дисперсии сигнала ошибки. Результаты работы выбранных АФ отражены на рисунке 3. В верхней части рисунка изображен модуль сигнала ошибки во временной области, характеризующий процесс сходимости адаптивного алгоритма, а в нижней части - в частотной, то есть спектр выходного сигнала.

По рисунку 3 видно, что во временной области заметно отличие в 5-6 раз в скорости сходимости рассмотренных алгоритмов, однако относительно выбранного критерия сравнения (ОСШ восстановленного сигнала ССМП) данные АФ отличаются в меньшей степени. Разница в ОСШ составила около 1 дБ, что будем считать удовлетворительным результатом. Следовательно, для поставленной задачи возможно применение любого из рассмотренных алгоритмов, а конечный выбор будет определяться деталями аппаратной реализации.

Аппаратная реализация адаптивного алгоритма

Эффективность реализации адаптивных алгоритмов зависит как от аппаратной базы, так и от реализуемого алгоритма адаптации. Удачный выбор алгоритма позволяет обеспечивать качественное обнаружение сигнала s(t) при минимальном расходе аппаратных ресурсов ПЛИС. В частности, выбор алгоритма адаптации будет существенно влиять на требуемое количество аппаратных умножителей, число которых в современных ПЛИС хотя и весьма велико, но всё же заметно ограничено (по сравнению с другими элементами: таблицами истинности (LUT), регистрами (REG)). Следует также учитывать, что активное использование умножителей сопровождается ростом энергопотребления [2], что может стать критическим фактором при разработке портативной и/или малогабаритной аппаратуры РК. Необходимое для реализации алгоритма адаптации количество умножителей будет определяться порядком фильтра M, способом коррекции его вектора коэффициентов w(n), а также количеством вещественных умножителей в составе комплексного k.

Рис. 3. Сравнение АФ LMS и SSLMS

Оценим степень использования рассмотренными алгоритмами аппаратных умножителей. После поступления каждой пары отсчетов входных сигналов в АФ выполняются две операции: расчёт вектора весовых коэффициентов, и его применение. Основой классического алгоритма LMS при расчёте вектора коэффициентов фильтра служит операция «e(n)x*(n)» [9], требующая для своей реализации M комплексных (kM вещественных) умножителей, в то время как алгоритм SSLMS требует M операций сопоставления знаков компонентов двух комплексных чисел. Благодаря малому количеству комбинаций входных сигналов умножителя знаков (четыре входа, принимающие значения ±1), можно заменить аппаратные умножители логическими блоками (LUT). Таким образом, алгоритм SSLMS требует на kM меньше аппаратных умножителей в сравнении с LMS при сопоставимом ОСШ обнаруженного сигнала ССМП. Схема для ПЛИС, выполняющая умножение знаков, показана на рисунке 4. Блок «cm_lut» реализует таблицу истинности, в зависимости от выхода которой в качестве результата расчета комплексного коэффициента выступают пары чисел, каждое из которых равно либо нулю, либо удвоенному шагу сходимости, взятому с положительным или отрицательным знаком. На основании данных о знаках мультиплексор (MUX) выбирает знак шага сходимости м, либо ноль.

Рассмотрим операцию применения коэффициентов фильтра. Так как применение коэффициентов производится к одной и той же структуре КИХ-фильтра, то при данной операции оба алгоритма требуют одинаковых ресурсов: M комплексных (kM вещественных) умножений после поступления каждой пары отсчетов входных сигналов. Для снижения количества умножителей при применении коэффициентов, возьмем за основу схему комплексного умножителя на 4 вещественных (k = 4), и воспользуемся приёмом «folding» [10]: используя запас по тактовой частоте, поднимем частоту умножителей в 4 раза, подключив их через временные мультиплексоры (TDM) и демультиплексоры (TDD). Таким образом мы перейдём от пространственного размещения ресурсов к временному. В результате, 4*М умножителей сократятся до M. На рисунке 4 приведена схема измененного таким образом умножителя.

Проведем оценку ресурсов ПЛИС и потребляемой мощности рассмотренных схем. В качестве элементной базы используем ПЛИС Xilinx Zync Z-7020 (xc7z020-2clg484) [11] в качестве бюджетного решения ($147 [12]) и Zync UltraScale+ (xczu5cg-1efbvb900) [13] в качестве дорогой альтернативы ($1680 [14]). Результаты оценки приведены в таблице 2.

Таблица 2. Оценка ресурсов и потребляемой мощности АФ

Рис. 4. Схемы рассмотренных умножителей

Как видно из таблицы 2, непосредственная реализация АФ на бюджетной ПЛИС оказалась невозможна. Причиной тому является нехватка умножителей (блоков DSP), число которых в ней составляет 220. Поэтому количественно примененные оптимизации можно оценить по результатам для ПЛИС UltraScale+, а качественно - для Z-7020.

По результатам для ПЛИС UltraScale+ видно, что количество используемых умножителей (блоков DSP) сократилось на 84% (в 8 раз), регистров (REG) и логических блоков (LUT) на 1% и 4% соответственно, а потребляемая мощность снизилась на 47 мВт (22 %). Для ПЛИС Z-7020 такое сокращение ресурсов привело к возможности реализации на ней схемы адаптивного фильтра.

Заключение

Посредством выбора адаптивного алгоритма SSLMS, при приемлемом снижении ОСШ выходного сигнала (на 1 дБ) и увеличении времени адаптации (в 5-6 раз) по сравнению с классическим алгоритмом LMS, в результате замены умножителей коррекции коэффициентов логическими элементами, и перераспределению умножителей КИХ-фильтра от пространственного размещения к временному, произведена оптимизация ресурсов ПЛИС для схемы адаптивного фильтра в составе обнаружителя слабых сигналов на фоне мощных помех.

По сравнению с прямой реализацией классического алгоритма LMS на ПЛИС Xilinx Zync UltraScale+, после оптимизации число аппаратных умножителей уменьшилось на 84% (в 8 раз), логических таблиц на 4%, регистров на 1%. Потребляемая мощность снизилась на 47 мВт (22 %).

В результате оптимизаций схему адаптивного фильтра стало возможным реализовать на более дешевой ПЛИС Xilinx Zync Z-7020.

Таким образом, предложенная технология позволяет сократить стоимость, массогабаритные параметры и энергопотребление аппаратуры радиоконтроля.

Литература

1. Рембовский, А.М. Радиомониторинг: задачи, методы, средства / А.М. Рембовский, А.В. Ашихмин, В.А. Козьмин; под ред. А.М. Рембовского. - 4-е изд., перераб. и доп. - М: Горячая линия-Телеком, 2015. - 640 с.

2. Спажакин М.И. Методика проектирования и реализации на ПЛИС энергоэффективных устройств обработки сигналов в системах радиоконтроля: дис. … канд. техн. наук: 05.12.04. - ФГБОУ ВО «ВГТУ», Воронеж, 2018. - 159 с.

3. Программное обеспечение СМО-ТАКСА. http://ircos.ru/ru/sw_tacsa.html, 26.02.2019.

4. Козьмин В.А. Основы статистического моделирования радиотехнических устройств и систем: учеб. Пособие / В.А. Козьмин. 2-е изд., перераб. и доп. Воронеж: ГОУВПО «ВГТУ», 2007. - 257 с.

5. Уидроу Б., Стирнз С. Адаптивная обработка сигналов: Пер. с англ. - М.: Радио и связь, 1989. - 440 с.

6. Грант П.М., Коуэн К.Ф.Н. Адаптивные фильтры - М: Мир, 1988. - 392 с

7. Haykin S. Adaptive Filter Theory.5-th ed. Boston: Pearson, 2014. - 913p.

8. Monson H. Hayes. Statistical Digital Signal Processing and Modelling. New York: John Wiley and Sons, Ltd, 1996. - 624 p.

9. Widrow B. The Complex LMS Algorithm. Proceedings of the IEEE, 1975, Vol. 63, № 4. - Pp. 719-720.

10. McAllister, J., Yi, Y., Woods, R., Walke, R., Reilly, D., & Colgan, K. Design technologies for DSP algorithm implementation on heterogeneous architectures. // Proceedings of SPIE, 2003, Vol. 5205. - Pp. 585-596.

11. Zynq-7000 SoC Data Sheet: Overview. https://www.xilinx.com/support/documentation/data_sheets/ds190-Zynq-7000-Overview.pdf, 02.03.2019.

12. XC7Z020-2CLG484E: Product overview. https://www.digikey.com/products/en?keywords=XC7Z020-2CLG484E, 06.03.2019.

13. Zynq UltraScale+ MPSoC Data Sheet: Overview. https://www.xilinx.com/support/documentation/data_sheets/ds891-zynq-ultrascale-plus-overview.pdf, 02.03.2019.

14. XCZU5CG-1FBVB900E: Product overview. https://www.digikey.com/products/en?keywords=XCZU5CG-1FBVB900E-ND, 06.03.2019.

References

1. Rembovsky, A.M. Radio monitoring: tasks, methods, means / A.M. Rembovsky, A.V. Ashikhmin, V.A. Kozmin; by ed. A.M. Rembovsky. - 4th ed., Pererab. and add. - M: Hotline Telecom, 2015. - 640 p.

2. Spazhakin M.I. Design and implementation methodology for FPGA energy-efficient signal processing devices in radio monitoring systems: dis. ... cand. tech. sciences: 05.12.04. - FSBEI HE «VSTU», Voronezh, 2018. - 159 p.

3. Software SMO-TACSA. http://ircos.ru/ru/sw_tacsa.html, 26.02.2019.

4. Kozmin V.A. Fundamentals of statistical modeling of radio devices and systems: studies. Manual / V.A. Kozmin. 2nd ed., Pererab. and add. Voronezh: Voronezh State Technical University, 2007. 257 p.

5. Widrow B., Stirnz S. Adaptive signal processing: Trans. from English - M.: Radio and communication, 1989. - 440 pp.

6. Grant P.M., Cowan K.F.N. Adaptive Filters - M: Mir, 1988. - 392 p.

7. Haykin S. Adaptive Filter Theory.5-th ed. Boston: Pearson, 2014. - 913 p.

8. Monson H. Hayes. Statistical Digital Signal Processing and Modelling. New York: John Wiley and Sons, Ltd, 1996. - 624 p.

9. Widrow B. The Complex LMS Algorithm. Proceedings of the IEEE, 1975, Vol. 63, № 4. - Pp. 719-720.

10. McAllister, J., Yi, Y., Woods, R., Walke, R., Reilly, D., & Colgan, K. Design technologies for DSP algorithm implementation on heterogeneous architectures. // Proceedings of SPIE, 2003, Vol. 5205. - Pp. 585-596.

11. Zynq-7000 SoC Data Sheet: Overview. https://www.xilinx.com/support/documentation/data_sheets/ds190-Zynq-7000-Overview.pdf, 02.03.2019.

12. XC7Z020-2CLG484E: Product overview. https://www.digikey.com/products/en?keywords=XC7Z020-2CLG484E, 06.03.2019.

13. Zynq UltraScale+ MPSoC Data Sheet: Overview. https://www.xilinx.com/support/documentation/data_sheets/ds891-zynq-ultrascale-plus-overview.pdf, 02.03.2019.

14. XCZU5CG-1FBVB900E: Product overview. https://www.digikey.com/products/en?keywords=XCZU5CG-1FBVB900E-ND, 06.03.2019.

Размещено на Allbest.ru