子带自适应滤波器在通信、雷达等领域有着广泛的应用,它具有特殊的结构,能对输入信号进行频带分割与抽取,减小输入信号的相关性、提高收敛速度以及降低对信号处理的要求,因此对子带自适应滤波器的研究具有一定的实用意义。为了解决传统子带自适应滤波器输出端存在混叠分量的问题和子带自适应算法在收敛速度与稳态失调误差之间的矛盾,结合最速下降算法和最小扰动原理,提出了一种改进的基于动量梯度下降的多带结构子带自适应滤波(Mon-IMSAF)算法,通过在当前时刻的更新向量上叠加上一时刻的更新向量值,促进滤波器权值更新向量迭代的相同方向上加速,而且由于降低了其他迭代方向上的速度抑制了振荡问题。仿真结果表明当输入自回归信号AR(10)时,Mon-IMSAF算法比变正则化矩阵的改进多带结构子带自适应滤波(VRM-IMSAF)算法的稳态失调误差降低了2dB,同时具有较快的收敛速度。基于Mon-IMSAF算法的子带自适应滤波器适应于F-OFDM系统的多子带波形,支持5G按业务需求的动态软空口参数配置,因此将该滤波器应用于F-OFDM波形中。仿真结果显示所设计的子带自适应滤波器在对F-OFDM系统带外泄露抑制方面比传统OFDM改善了20dB。当信噪比为l0dB时,Mon-IMSAF算法比IMSAF算法的稳态失调降低了3dB,同时还具有较快的收敛速度和良好的系统跟踪性能。随着信噪比的增大,Mon-IMSAF算法的大致取向不受影响,表明Mon-IMSAF在作为子带滤波算法上具有明显优势,可以优化F-OFDM子带传输波形,适用于5G丰富业务与场景的灵活性传输。基于上述研究,在FPGA上实现基于Mon-IMSAF算法的子带自适应滤波器的设计,主要包括子带滤波器组的模型设计、自适应滤波器以及权重更新子系统的模型设计。最后通过Simulink和ModelSim分别实现模型仿真和功能仿真,验证了设计的正确性。