RLS адаптивный (устаревший) фильтр

Вычислите оценки фильтра для входа с помощью RLS адаптивный алгоритм фильтра

Библиотека

dspobslib

Описание

Примечание

Блок RLS Adaptive Filter все еще поддержан, но, вероятно, будет obsoleted в будущем релизе. Мы строго рекомендуем заменить этот блок на блок RLS Filter.

Блок RLS Adaptive Filter рекурсивно вычисляет оценку рекурсивных наименьших квадратов (RLS) КИХ-коэффициентов фильтра.

Соответствующий фильтр RLS выражается в матричной форме как

$\begin{array}{l} k (n) = \frac{λ^{- 1} P (n - 1) u (n)}{1 + λ^{- 1} u^{H} (n) P (n - 1) u (n)} \\ y (n) = {\hat{w}}^{H} (n - 1) u (n) \\ e (n) = d (n) - y (n) \\ \hat{w} (n) = \hat{w} (n - 1) + k (n) e^{*} (n) \\ P (n) = λ^{- 1} P (n - 1) - λ^{- 1} k (n) u^{H} (n) P (n - 1) \end{array}$

где ^λ-1 обозначает обратную величину экспоненциального фактора взвешивания. Переменные следующие

Переменная	Описание
n	Текущая итерация алгоритма
u (n)	Буферизированные входные выборки на шаге n
Pn	Матрица обратной корреляции на шаге n
k (n)	Вектор усиления на шаге n
$\hat{w} (n)$	Вектор касания фильтра оценивает на шаге n
y (n)	Отфильтрованный вывод на шаге n
e (n)	Ошибка оценки на шаге n
dN	Желаемый ответ на шаге n
λ	Экспоненциальный фактор взвешивания памяти

Значок блока имеет метки порта, соответствующие вводам и выводам алгоритма RLS. Обратите внимание на то, что входные параметры к портам In и Err должны быть основанными на выборке скалярами. Сигнал в порте Out является скаляром, в то время как сигнал в порте Taps является основанным на выборке вектором.

Блокируйте порты	Соответствующие переменные
`In`	u, скалярный вход, который внутренне буферизуется в вектор u (n)
`Out`	y (n), отфильтрованный скалярный вывод
`Err`	e (n), скалярная ошибка оценки
`Taps`	$\hat{w} (0)$ , вектор оценок касания фильтра

Дополнительный входной порт Adapt добавляется, когда вы устанавливаете флажок Adapt input в диалоговом окне. Когда этот порт включен, блочно-непрерывно адаптирует коэффициенты фильтра, в то время как вход Adapt является ненулевым. Вход с нулевым знаком к порту Adapt заставляет блок прекращать адаптироваться и содержать коэффициенты фильтра в их текущих значениях до следующего ненулевого входа Adapt.

Реализация алгоритма в блоке оптимизирована путем использования симметрии матрицы P (n) обратной корреляции. Это сокращает общее число вычислений фактором два.

Параметр FIR filter length задает длину фильтра, который оценивает алгоритм RLS. Memory weighting factor соответствует λ в уравнениях и задает, как быстро фильтр “забывает” прошлую демонстрационную информацию. При установке λ = 1 задает бесконечную память; обычно, 0.95 ≤λ ≤ 1.

Initial value of filter taps задает начальное значение $\hat{w} (0)$ как вектор, или как скаляр, который будет повторен для всех векторных элементов. Начальное значение P (n)

$I \frac{1}{{\hat{σ}}^{2}}$

где вы задаете ${\hat{σ}}^{2}$ в параметре Initial input variance estimate.

Примеры

Пример rlsdemo иллюстрирует систему подавления помех, созданную вокруг блока RLS Adaptive Filter.

Параметры

FIR filter length: Длина КИХ-фильтра.
Memory weighting factor: Экспоненциальный фактор взвешивания, в области значений [0,1]. Значение 1 задает бесконечную память. Настраиваемый (Simulink).
Initial value of filter taps: Начальный КИХ фильтрует коэффициенты.
Initial input variance estimate: Начальное значение 1/P (n).
Adapt input: Включает порт Adapt.

Ссылки

Haykin, S. Адаптивная Теория Фильтра. 3-й редактор Englewood Cliffs, NJ: Prentice Hall, 1996.

Поддерживаемые типы данных

Плавающая точка двойной точности
Плавающая точка с одинарной точностью

Смотрите также

Кальман адаптивный (устаревший) фильтр	DSP System Toolbox
LMS адаптивный (устаревший) фильтр	DSP System Toolbox

Смотрите Адаптивные Фильтры в Simulink для сопутствующей информации.

Документация