(Чтобы быть удаленным) наименьшее количество среднего квадратичного (LMS) переменного размера шага Построения адаптивный объект алгоритма
varlms будет удален в будущем релизе. Используйте comm.LinearEqualizer или comm.DecisionFeedback вместо этого.
alg = varlms(initstep,incstep,minstep,maxstep)
Функция varlms создает адаптивный объект алгоритма, который можно использовать с функцией lineareq или функцией dfe, чтобы создать объект эквалайзера. Можно затем использовать объект эквалайзера с функцией equalize, чтобы компенсировать сигнал. Чтобы узнать больше о процессе для компенсации сигнала, смотрите Коррекцию.
alg = varlms(initstep,incstep,minstep,maxstep) создает адаптивный алгоритм, основанный на объектах на алгоритме наименьшее количество среднего квадратичного (LMS) переменного размера шага. initstep является начальным значением параметра размера шага. incstep является шагом, которым размер шага изменяется от итерации до итерации. minstep и maxstep являются пределами, между которыми может отличаться размер шага.
Приведенная ниже таблица описывает свойства переменного размера шага LMS адаптивный объект алгоритма. Чтобы изучить, как просмотреть или изменить значения адаптивного объекта алгоритма, смотрите Коррекцию.
| Свойство | Описание |
|---|---|
AlgType | Фиксированное значение, 'Variable Step Size LMS' |
LeakageFactor | Фактор утечки LMS, вещественное число между 0 и 1. Значение 1 соответствует обычному алгоритму обновления веса, в то время как значение 0 соответствует алгоритму обновления без памяти. |
InitStep | Начальное значение размера шага, когда алгоритм запускается |
IncStep | Шаг, которым размер шага изменяется от итерации до итерации |
MinStep | Минимальное значение размера шага |
MaxStep | Максимальное значение размера шага |
Кроме того, когда вы используете этот адаптивный объект алгоритма создать объект эквалайзера (через lineareq или функцию dfe), объект эквалайзера имеет свойство StepSize. Значение свойства является вектором, который перечисляет текущий размер шага для каждого веса в эквалайзере.
Что касается схематики, представленной в Коррекции, задайте w как вектор всех текущих весов w i и задайте u как вектор всех входных параметров u i. На основе текущего размера шага, μ, этот адаптивный алгоритм сначала вычисляет количество
μ0 = μ + (IncStep) Ре (ggprev)
где g = ue*, предыдущий g является аналогичным выражением от предыдущей итерации, и оператор * обозначает сопряженное комплексное число.
Затем новым размером шага дают
μ0, если это между MinStep и MaxStep
MinStep, если μ0 <MinStep
MaxStep, если μ0> MaxStep
Новым набором весов дают
(LeakageFactor) w + 2 μ g*
[1] Farhang-Boroujeny, B., адаптивные фильтры: теория и приложения, Чичестер, Англия, Вайли, 1998.