LMS 最小均方算法在 DSP 上的 C 语言实现

LMS（Least Mean Square）最小均方算法是一种经典的自适应滤波算法，因其计算简单、易于实现而广泛应用于 DSP 系统中，主要用于噪声消除、系统辨识、信道均衡等场景。

一、LMS 算法基本原理

LMS 算法通过不断调整滤波器的权值系数，使输出信号与期望信号之间的均方误差最小化。其核心迭代公式为：

二、针对 DSP 的 C 语言实现

1. 定点数实现（推荐用于大多数 DSP）

大多数 DSP（如 TI C2000、C5000 系列）是定点处理器，使用定点数运算可以获得更高的执行效率。

#include <stdint.h>

// LMS滤波器结构体
typedef struct {
    int16_t *w;         // 权值系数数组 (Q15格式)
    int16_t *x;         // 输入信号延迟线
    uint16_t order;     // 滤波器阶数
    int16_t mu;         // 步长因子 (Q15格式)
    uint16_t index;     // 延迟线索引
} LMS_Filter;

/**
 * @brief 初始化LMS滤波器
 * @param lms LMS滤波器结构体指针
 * @param w 权值系数数组（初始化为0）
 * @param x 输入信号延迟线数组（初始化为0）
 * @param order 滤波器阶数
 * @param mu 步长因子 (Q15格式)
 */
void LMS_Init(LMS_Filter *lms, int16_t *w, int16_t *x, uint16_t order, int16_t mu) {
    lms->w = w;
    lms->x = x;
    lms->order = order;
    lms->mu = mu;
    lms->index = 0;
    
    // 初始化权值和延迟线为0
    for (uint16_t i = 0; i < order; i++) {
        lms->w[i] = 0;
        lms->x[i] = 0;
    }
}

/**
 * @brief LMS滤波器处理一个样本
 * @param lms LMS滤波器结构体指针
 * @param input 输入信号样本 (Q15格式)
 * @param desired 期望信号样本 (Q15格式)
 * @return 滤波器输出 (Q15格式)
 */
int16_t LMS_Process(LMS_Filter *lms, int16_t input, int16_t desired) {
    int32_t y = 0;          // 滤波器输出 (Q30格式)
    int32_t e;              // 误差信号 (Q30格式)
    int16_t output;         // 最终输出 (Q15格式)
    uint16_t i, j;
    
    // 更新输入信号延迟线（循环缓冲区方式）
    lms->x[lms->index] = input;
    
    // 计算滤波器输出（利用DSP的MAC指令优化）
    j = lms->index;
    for (i = 0; i < lms->order; i++) {
        y += (int32_t)lms->w[i] * lms->x[j];
        if (j == 0) {
            j = lms->order - 1;
        } else {
            j--;
        }
    }
    
    // 转换为Q15格式
    output = (int16_t)(y >> 15);
    
    // 计算误差信号
    e = ((int32_t)desired << 15) - y;
    
    // 更新权值系数
    j = lms->index;
    for (i = 0; i < lms->order; i++) {
        // w(n+1) = w(n) + μ * e(n) * x(n-i)
        // 所有运算均为Q15格式，结果右移30位
        lms->w[i] += (int16_t)(((int32_t)lms->mu * e * lms->x[j]) >> 30);
        if (j == 0) {
            j = lms->order - 1;
        } else {
            j--;
        }
    }
    
    // 更新循环缓冲区索引
    lms->index++;
    if (lms->index >= lms->order) {
        lms->index = 0;
    }
    
    return output;
}

2. 浮点数实现（适用于浮点 DSP）

对于 TI C6000、ARM Cortex-M4/M7 等带有 FPU 的 DSP，可以使用浮点数实现，代码更简洁直观：

#include <stdint.h>

// LMS滤波器结构体
typedef struct {
    float *w;             // 权值系数数组
    float *x;             // 输入信号延迟线
    uint16_t order;       // 滤波器阶数
    float mu;             // 步长因子
    uint16_t index;       // 延迟线索引
} LMS_Filter_Float;

/**
 * @brief 初始化浮点LMS滤波器
 */
void LMS_Init_Float(LMS_Filter_Float *lms, float *w, float *x, uint16_t order, float mu) {
    lms->w = w;
    lms->x = x;
    lms->order = order;
    lms->mu = mu;
    lms->index = 0;
    
    for (uint16_t i = 0; i < order; i++) {
        lms->w[i] = 0.0f;
        lms->x[i] = 0.0f;
    }
}

/**
 * @brief 浮点LMS滤波器处理一个样本
 */
float LMS_Process_Float(LMS_Filter_Float *lms, float input, float desired) {
    float y = 0.0f;
    float e;
    uint16_t i, j;
    
    // 更新输入信号延迟线
    lms->x[lms->index] = input;
    
    // 计算滤波器输出
    j = lms->index;
    for (i = 0; i < lms->order; i++) {
        y += lms->w[i] * lms->x[j];
        if (j == 0) {
            j = lms->order - 1;
        } else {
            j--;
        }
    }
    
    // 计算误差信号
    e = desired - y;
    
    // 更新权值系数
    j = lms->index;
    for (i = 0; i < lms->order; i++) {
        lms->w[i] += lms->mu * e * lms->x[j];
        if (j == 0) {
            j = lms->order - 1;
        } else {
            j--;
        }
    }
    
    // 更新循环缓冲区索引
    lms->index++;
    if (lms->index >= lms->order) {
        lms->index = 0;
    }
    
    return y;
}

三、DSP 优化关键技术

1. 利用 DSP 的 MAC 指令

大多数 DSP 都有单周期乘累加（MAC）指令，可以显著提高 LMS 算法的执行速度。在 C 语言中，可以通过以下方式优化：

• 使用循环缓冲区（Circular Buffer）避免数据移动
• 确保数据对齐到 DSP 的字边界
• 使用编译器优化选项（如 TI 的-o3 -mf3）
• 对于关键循环，可以使用内联汇编直接调用 MAC 指令

2. 定点数格式选择

• Q15 格式：适用于 16 位 DSP，动态范围为 [-1, 1)
• Q31 格式：适用于 32 位 DSP，动态范围更大
• 步长因子\(\mu\)通常选择较小的值（如 0.01~0.1），以保证算法稳定性

3. 防止溢出

• 在定点运算中，中间结果使用 32 位累加器
• 对权值系数进行限幅（Clipping）
• 适当调整输入信号的幅度

四、使用示例：自适应噪声消除

#include <stdio.h>
#include <math.h>

#define FILTER_ORDER 32
#define MU 0.01f  // 步长因子

// 模拟输入信号：正弦波+噪声
float generate_signal(float t, float noise_amp) {
    float signal = sinf(2 * M_PI * 100 * t);  // 100Hz正弦波
    float noise = noise_amp * (rand() / (float)RAND_MAX * 2 - 1);  // 白噪声
    return signal + noise;
}

int main() {
    float w[FILTER_ORDER];
    float x[FILTER_ORDER];
    LMS_Filter_Float lms;
    float t = 0.0f;
    float dt = 1.0f / 8000.0f;  // 8kHz采样率
    
    // 初始化LMS滤波器
    LMS_Init_Float(&lms, w, x, FILTER_ORDER, MU);
    
    // 模拟处理1秒数据
    for (int i = 0; i < 8000; i++) {
        // 生成带噪声的输入信号
        float noisy_signal = generate_signal(t, 0.5f);
        
        // 生成参考噪声（与输入噪声相关）
        float reference_noise = generate_signal(t, 0.5f) - sinf(2 * M_PI * 100 * t);
        
        // LMS滤波：期望信号是带噪声的信号，输入是参考噪声
        // 输出将是噪声的估计值，误差就是去噪后的信号
        float noise_estimate = LMS_Process_Float(&lms, reference_noise, noisy_signal);
        float clean_signal = noisy_signal - noise_estimate;
        
        // 输出结果（实际应用中可发送到DAC）
        printf("%f\n", clean_signal);
        
        t += dt;
    }
    
    return 0;
}

五、参数选择指南

1. 滤波器阶数 N：

   • 阶数越高，滤波效果越好，但计算量越大
   • 通常选择 32~256 阶，根据应用需求调整

2. 步长因子 μ：

   

3. 收敛时间：

   • 大约需要10--20倍滤波器阶数的样本数才能收敛

六、常见问题与解决方法