随着现代信号处理技术的不断发展，所需处理的信号种类越来越多，形式越来越复杂，对系统速度的要求也不断提高。例如在雷达，通信等信号处理领域，通常对滤波器的速度要求较高；而在一些如语音信号处理等领域，要求滤波器应有较大的阶数。这都要求所采用的滤波器要有高的处理速度，而在自适应处理时，还应有快的收敛速度和小的稳态误差。在这种情况下，如何提高固定权值滤波器的处理速度以及寻找适合于构造快速收敛的自适应滤波算法和自适应滤波器结构是当前工程界所面临的一个重要问题。 本文主要对固定权值的FIR/IIR滤波器高速结构和并行自适应滤波算法以及自适应滤波器高速实现结构进行了研究。主要工作概括如下：1、设计了基于并行实现的FIR滤波器脉动阵结构。该结构既具有脉动阵结构的高 度流水线特性，又具有一定的并行性。与常规的FIR滤波器脉动阵结构相比， 该结构的脉动频率与系统的输入输出频率相同，而常规脉动阵结构的输入输出 频率低于脉动频率。与普通的滤波器并行结构相比，该结构具有高度的流水线 特性，使系统速率得到提升，获得了高的数据吞吐率，同时系统功耗也得到降 低。2、小波变换在现代信号处理中得到广泛的应用。但目前的研究大多集中在理论研 究领域，对如何构造高速小波滤波器结构的研究却不多。本文结合Mallat快速 算法的特点，给出了一种小波分解和综合并行滤波器脉动阵结构，该结构可同 时完成滤波和上2或下2采样处理。文中进一步采用输入数据重排技术，可只 使用一对滤波器来完成多级滤波，从而简化了系统设计，降低了硬件成本。3、将适用于MA模型的基于多项式分解的并行关系式推广到ARMA模型。设计 了IIR滤波器并行结构和并行IIR滤波器脉动阵结构。与已有的IIR滤波器结 构相比，并行脉动阵结构既具有高度流水线特性，又具有一定的并行特性；系 统的脉动频率与输入输出频率相同，数据吞吐率高。4、分析了并行自适应滤波的原理。分析表明对于并行自适应滤波，其各子滤波器 权值的最优解与常规自适应滤波的维纳解在形式上是完全相同的，不同之处仅 在于数据自相关矩阵以及输入信号与期望信号的互相关矢量的选择不同。在此 基础上，本文提出了一种基于梯度的并行LMS算法，并分析了该并行LMS算 法的性能。与常规算法相比，在保证算法收敛的前提下，并行LMS算法步长11 冒只电寻抖蚁大学俗＊学位任不 因子的可选择范围更大：稳态时，系统的失调量与常规算法相当；且并行算法 具有一定的去相关性。根据并行滤波原理，建立了三种并行滤波实现方法。当 输入信号有一定的相关性时，本文给出的三种并行方法的收敛性能均优于常规 算法；当输入不相关时，第三种方法的收敛性能仍优于常规算法，而前两种并 行方法的收敛速度与常规算法相当；当步长因子进一步增大，常规算法已不能 收敛时，并行算法仍能很好地收敛。另外并行自适应滤波的数据吞吐率也比常 规自适应滤波高。5、为了便于得到并行自适应滤波的VLSI硬件结构，我们分别提出了并行延时 LMS（PDLMS）算法和并行流水线 LMS（PPIPLMS）算法，并详细分析了两 种算法的性能。讨论了算法步长因子的选择范围以及系统达到稳态时的失调量 等性能参数。仿真实验分别比较了 PDLMS算法与常规DLMS算法，PPIPLMS 算法与常规PIPLMS算法。通过比较发现，PDLMS算法和PPIPLMS算法具 有更快的收敛速度，保证算法收敛的前提下，具有更大的步长因子选择范围， 且数据吞吐率比常规算法高。6、结合 PDLMS算法和 PPIPLMS算法，分别设计了基于这两种算法的自适应滤 波器并行脉动阵结构。文中给出的基于并行算法的脉动阵结构无输出滞后效 应，与基于常规DLMS算法和常规PIPLMS算法的脉动阵结构相比，具有在 相同数据吞吐率条件下，系统脉动频率低的优点；而且在基于并行算法的结构 中，由于流水线作用而引入的延时量的大小也比常规算法对应结构少一半。这 些结构上的优点使得本文给出的结构更适合于滤波器长度较长，数据吞吐率 高，要求系统收敛速度快，跟踪能力强的应用场合。