论文部分内容阅读
在开发研制基于Nios的列车轴温光纤传输传感探测系统中,涉及到随机信号的处理问题。这项研究按照向量ARMA(Autoregressive Moving Average自回归滑动平均)模型,把基于状态空间模型的卡尔曼最优平滑滤波器转换成向量ARMA模型的卡尔曼最优平滑滤波器,这种转换是现代时间序列分析法的核心思想和关键技术之一。本文阐述了在向量ARMA模型中的聚类算法,介绍了使用Altera DSP Builder和SOPC builder实现聚类向量自回归滑动平均的卡尔曼最优平滑滤波器的设计方法,给出了聚类向量ARMA卡尔曼最优平滑滤波器的设计框图,比较了32阶Fir(Finite Impulse Response,有限冲击响应)滤波器与聚类向量ARMA卡尔曼最优平滑滤波器的滤波效果,同时还利用16阶PIT-FFT(时间抽取快速Fourier变换)展示了深埋于噪声中的信号功率点。这些功能又是靠Altera的Nios嵌入式设计平台实现的。 在将来,很少有电子设备不用可编程逻辑而还能够存在。可编程性是电子系统设计的前景。固定功能的片上系统开发成本高、周期长及缺乏灵活性常常使得它们刚一形成初始产品就过时了,其应用将越来越少。Altera将“P”植入于“SOC”之中而首创了SOPC,这里P=可编程性=灵活性。Altera公司廉价而通俗的精简指令集计算机CPU软核Nios是SOPC(System-on-a-ProgrammableChip,单芯片片上可编程系统)设计的核心。Altera DSP Builder可以为Nios设计高速子系统,而模块化设计是其特点。 基于Nios的聚类向量ARMA列车轴温探测系统包括FIFO模块、C聚类模块、最小方差准则与ARMA模块、32阶FIR模块、16点基2_DIT_FFT模块。FIFO模块、C聚类模块、最小方差准则与ARMA模块的组合实际上构成了聚类向量ARMA新息模型。