Документация

Что необходимо знать

Чтобы работать через этот пример, у вас должно быть основное знакомство с программным обеспечением MATLAB. Необходимо также понять, как создать основную модель Simulink и как моделировать ту модель. Для получения дополнительной информации смотрите, Создают Простую Модель.

Необходимые продукты

Чтобы завершить этот пример, необходимо установить следующие продукты:

Для получения инструкций по установке продуктов MathWorks^® обратитесь к документации по установке. Если вы установили MATLAB и хотите проверять, который установлены другие Продукты Mathworks, введите ver в Окно Команды MATLAB. Для получения инструкций по установке и подготовке компилятор C, смотрите Подготовку C или Компилятора C++ (MATLAB Coder).

Описание

Фильтр наименьшее количество средних квадратичных (LMS) является адаптивным фильтром, который настраивает его передаточную функцию согласно алгоритму оптимизации. Вы предоставляете фильтру пример желаемого сигнала вместе с входным сигналом. Фильтр затем вычисляет веса фильтра или коэффициенты, которые производят наименьшее количество средних квадратичных ошибки между выходным сигналом и желаемым сигналом.

Этот пример использует фильтр LMS, чтобы удалить шум в звукозаписи. Существует два входных параметров. Первый вход является искаженным сигналом: звукозапись плюс отфильтрованный шум. Второй вход является желаемым сигналом: неотфильтрованный шум. Фильтр работает, чтобы устранить различие между выходным сигналом и желаемым сигналом и выводит различие, которое, в этом случае, является чистой звукозаписью. Когда вы запускаете симуляцию, вы слышите и шум и музыку. В зависимости от времени адаптивный фильтр удаляет шум, таким образом, вы слышите только музыку.

Алгоритм

Этот пример использует алгоритм наименьшее количество средних квадратичных (LMS), чтобы удалить шум из входного сигнала. LMS-алгоритм вычисляет отфильтрованный вывод, ошибку фильтра и веса фильтра, учитывая искаженные и желаемые сигналы.

В начале примера LMS-алгоритм использует процесс пакетной обработки, чтобы отфильтровать аудиовход. Этот алгоритм подходит для MATLAB, где вы, вероятно, загрузите в целом сигнале и обработаете все это целиком. Однако процесс пакетной обработки не подходит для обработки сигнала в режиме реального времени. Когда вы работаете через пример, вы совершенствовали проект фильтра, чтобы преобразовать алгоритм от пакетного до поточной обработки.

Базовая функциональная подпись для алгоритма:

function [ signal_out, err, weights ] = ...
    lms_01(signal_in, desired)

Фильтрация выполняется в следующем цикле:

for n = 1:SignalLength
  % Compute the output sample using convolution:
  signal_out(n,ch) = weights' * signal_in(n:n+FilterLength-1,ch);
  % Update the filter coefficients:
  err(n,ch) = desired(n,ch) - signal_out(n,ch) ;
  weights = weights + mu*err(n,ch)*signal_in(n:n+FilterLength-1,ch);
end

 Каков размер шага адаптации?

Фильтрация процесса

Процесс фильтрации имеет три фазы:

Ссылка

Haykin, Саймон. Адаптивная теория фильтра. Верхний Сэддл-Ривер, NJ: Prentice-Hall, Inc., 1996.

Об учебных файлах

Пример использует следующие файлы:

Местоположение файлов

Учебные файлы доступны в следующей папке: docroot\toolbox\simulink\examples\lms. Чтобы запустить пример, необходимо скопировать эти файлы в локальную папку. Для инструкций смотрите Копирование Файлов Локально.

Имена и описания файлов

Копирование файлов локально

Скопируйте учебные файлы в локальную папку:

Подготовка вашего компилятора C

Создание вашего блока MATLAB function требует поддерживаемого компилятора. MATLAB автоматически выбирает тот как компилятор по умолчанию. Если у вас есть несколько поддерживаемых MATLAB компиляторов, установленных в вашей системе, можно изменить значение по умолчанию с помощью команды mex -setup. См. Компилятор Значения по умолчанию Изменения (MATLAB) и список Поддерживаемых Компиляторов.

Выполнение acoustic_environment Модели

Запустите модель acoustic_environment, предоставленную примером, чтобы понять проблему, что вы пытаетесь решить использование фильтра LMS. Эта модель добавляет ограниченный полосой белый шум в звуковой сигнал и выводит получившийся сигнал динамику.

Моделировать модель:

Цель этого примера состоит в том, чтобы использовать алгоритм фильтра LMS MATLAB, чтобы удалить шум из шумного звукового сигнала. Вы делаете это путем добавления блока MATLAB function в модель и вызова кода MATLAB от этого блока.

Добавление блока MATLAB function к модели

Чтобы изменить модель и код самостоятельно, выполните упражнения в этом разделе. В противном случае откройте предоставленную модель noise_cancel_01 в своей подпапке solutions, чтобы видеть измененную модель.

В целях этого примера вы добавляете блок MATLAB function в модель noise_cancel_00, предоставленную примером. На практике необходимо было бы разработать собственный испытательный стенд начиная с пустой модели Simulink.

Добавить блок MATLAB function в модель noise_cancel_00:

Вызов кода MATLAB как внешняя функция для быстрого прототипирования

В этой части примера вы используете функцию coder.extrinsic, чтобы вызвать ваш код MATLAB от блока MATLAB function для быстрого прототипирования.

Почему Вызов код MATLAB Как Внешняя Функция?.  При вызове кода MATLAB, когда внешняя функция предоставляет эти преимущества:

Как Вызвать код MATLAB Как Внешнюю Функцию.  Вызывать ваш код MATLAB от блока MATLAB function:

Соединение вводов и выводов блока MATLAB function

Симуляция noise_cancel_01 Модели

Моделировать модель:

 Почему фильтр сбрасывает каждые 2 секунды?

Изменение фильтра, чтобы использовать потоковую передачу

• Что передает потоком?

• Почему потоковая передача использования?

• Просмотр измененного кода MATLAB

• Сводные данные изменений в алгоритме фильтра

• Изменение модели, чтобы вызвать обновленный алгоритм

• Симуляция алгоритма потоковой передачи

Что Передает потоком?.  Фильтр потоковой передачи неоднократно называется к фрагментам фиксированного размера процесса входных данных или кадрам, пока он не обработал целый входной сигнал. Формат кадра может быть столь же маленьким как одна выборка, в этом случае фильтр действовал бы в основанном на выборке режиме, или до нескольких тысяч выборок, для основанной на кадре обработки.

Почему Потоковая передача Использования?.  Проект алгоритма фильтра в lms_01 имеет следующие недостатки:

Во встраиваемом приложении фильтр, вероятно, будет обрабатывать непрерывный входной поток. В результате входной сигнал может быть существенно более длинным, чем максимальная длина, которую мог возможно обработать фильтр, работающий в пакетном режиме. Чтобы заставить фильтр работать на любую длину сигнала, это должно запуститься в режиме реального времени. Одно решение состоит в том, чтобы преобразовать фильтр от пакетной обработки до поточной обработки.

Просмотр Измененного кода MATLAB.  Преобразование в потоковую передачу включает:

Откройте предоставленный файл lms_02.m в вашей подпапке work, чтобы видеть измененный алгоритм.

 Содержимое lms_02.m

function [ signal_out, err, weights_out ] = ...
  lms_02(signal_in, desired)
%
% LMS implements the least mean squares adaptive filter.
%
  % Persistent variables:
  persistent weights;
  persistent fifo;
                
  % Input Arguments
  % Signal size:
  [ FrameSize ChannelCount ] = size(signal_in);

  % Make sure the two input signals have the same length: 
  if any(size(desired) ~= size(signal_in))
  
    error([ 'The length of input argument ''desired'' is ' ...
        ' different from the length of ''signal_in''.' ]);
    end
                
    % Set-Up:
        
    % Filter Length:
    FilterLength = 32;
        
      % Adaptation step size:
      mu = 125e-6;
        
      if isempty(weights)
            
          % Filter coefficients:       
          weights = zeros(FilterLength,1);
        
          % FIFO Shift Register:
          fifo = zeros(FilterLength,ChannelCount);
            
      end
                                  
    % Algorithm:
        % For each channel:
        for ch = 1:ChannelCount
            
          % For each sample time:
          for n = 1:FrameSize
                
              % Update the FIFO shift register:
              fifo(1:FilterLength-1,ch) = fifo(2:FilterLength,ch);
              fifo(FilterLength,ch) = signal_in(n,ch);
                
              % Compute the output sample using convolution:
              signal_out(n,ch) = weights' * fifo(:,ch);

              % Update the filter coefficients:
              err(n,ch) = desired(n,ch) - signal_out(n,ch) ;
              weights = weights + mu*err(n,ch)*fifo(:,ch);
                
          end
      end
        
      % Output the filter weights:
      weights_out = weights;
        
end

Сводные данные Изменений в Алгоритме Фильтра.  Обратите внимание на следующие важные изменения к алгоритму фильтра:

Изменение Модели, чтобы Вызвать Обновленный Алгоритм.  Чтобы изменить модель самостоятельно, выполните упражнения в этом разделе. В противном случае откройте предоставленную модель noise_cancel_02 в своей подпапке solutions, чтобы видеть измененную модель.

Симуляция Алгоритма Потоковой передачи.  Моделировать модель:

Алгоритм фильтра теперь подходит для Simulink. Вы готовы разработать свою модель, чтобы использовать средства управления Reset и Adapt.

Добавление адаптируется и средства управления сбросом

• Почему добавляют, адаптируются и средства управления сбросом?

• Изменение вашего кода MATLAB

• Изменение модели, чтобы использовать сброс и адаптировать средства управления

• Симуляция модели с адаптируется и средства управления сбросом

Почему Добавляют, Адаптируются и Средства управления Сбросом?.  В этой части примера вы добавляете, Адаптируются и средства управления Сбросом к вашему фильтру. Используя эти средства управления, можно включить и выключить фильтрацию. Когда Adapt включен, фильтр постоянно обновляет веса фильтра. Когда Adapt отключен, веса фильтра остаются в своих текущих значениях. Если Reset установлен, фильтр сбрасывает веса фильтра.

Изменение Вашего кода MATLAB.  Чтобы изменить код самостоятельно, выполните упражнения в этом разделе. В противном случае откройте предоставленный файл lms_03.m в вашей подпапке solutions, чтобы видеть измененный алгоритм.

Изменить ваш код фильтра:

 Содержимое lms_03.m

function [ signal_out, err, weights_out ] = ...
  lms_03(signal_in, desired, reset, adapt)
%
% LMS implements the least mean squares adaptive filter.
%    
  % Persistent variables:
  persistent weights;
  persistent fifo;
                
  % Input Arguments:
        
  % Signal size:
  [ FrameSize ChannelCount ] = size(signal_in);

  % Make sure the two input signals have the same length:
  if any(size(desired) ~= size(signal_in))
    error([ 'The length of input argument ''desired'' is ' ...
      ' different from the length of ''signal_in''.' ]);
  end
                
  % Set-Up:
        
  % Filter Length:
      FilterLength = 32;
        
      % Adaptation step size:
      mu = 125e-6;
        
      if ( reset || isempty(weights) )
          % Filter coefficients:       
          weights = zeros(FilterLength,1);
          % FIFO Shift Register:
          fifo = zeros(FilterLength,ChannelCount);
      end
                
                    
    % Algorithm:
        
    % For each channel:
    for ch = 1:ChannelCount
            
       % For each sample time:
       for n = 1:FrameSize
           % Update the FIFO shift register:
           fifo(1:FilterLength-1,ch) = fifo(2:FilterLength,ch);
           fifo(FilterLength,ch) = signal_in(n,ch);
                
            % Compute the output sample using convolution:
            signal_out(n,ch) = weights' * fifo(:,ch);

            % Update the filter coefficients:
            err(n,ch) = desired(n,ch) - signal_out(n,ch) ;
            if adapt
                weights = weights + mu*err(n,ch)*fifo(:,ch);
            end
        end
     end
        
     % Output the filter weights:
      weights_out = weights;
       
end

 Сводные данные изменений в алгоритме фильтра

Изменение Модели, чтобы Использовать Сброс и Адаптировать Средства управления.  Чтобы изменить модель самостоятельно, выполните упражнения в этом разделе. В противном случае откройте предоставленную модель noise_cancel_03 в своей подпапке solutions, чтобы видеть измененную модель.

Симуляция Модели с Адаптируется и Средства управления Сбросом.  Моделировать модель и видеть эффект средств управления Адаптированием и Сбросом:

Генерация кода

Вы доказали, что ваш алгоритм работает в Simulink. Затем вы генерируете код для своей модели. Прежде, чем сгенерировать код, необходимо гарантировать, что код MATLAB подходит для генерации кода. Для генерации кода необходимо удалить внешний вызов кода.

Создание Кода, Подходящего для Генерации кода.  Чтобы изменить модель и код самостоятельно, выполните упражнения в этом разделе. В противном случае откройте предоставленную модель noise_cancel_04 и файл lms_04.m в вашей подпапке solutions, чтобы видеть модификации.

Генерация Кода для noise_cancel_04

Оптимизация алгоритма фильтра LMS

Эта часть примера демонстрирует, когда и как предварительно выделить память для переменной, не подвергаясь издержкам инициализации памяти в сгенерированном коде.

В lms_05.m код MATLAB не только объявляет signal_out, и err, чтобы быть FrameSize-by-ChannelCount вектор действительных удваивается, но также и инициализирует каждый элемент signal_out и err, чтобы обнулить. Эти сигналы инициализируются, чтобы обнулить в сгенерированном коде C.

Эта принудительная инициализация является ненужной, потому что и signal_out и err явным образом инициализируются в коде MATLAB, прежде чем они будут считаны.

Используйте coder.nullcopy в объявлении signal_out и err, чтобы устранить ненужную инициализацию памяти в сгенерированном коде:

Сгенерируйте код для обновленной модели.