LMS Adaptive Filter (Obsolete)

Вычислите оценки фильтра для входа с помощью LMS адаптивный алгоритм фильтра

Библиотека

dspobslib

Описание

Примечание

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

Блок LMS Adaptive Filter реализует адаптивный КИХ-фильтр с помощью стохастического алгоритма градиента, известного как нормированный алгоритм наименьшее количество среднего квадратичного (LMS).

$\begin{matrix} y (n) = {\hat{w}}^{H} (n - 1) u (n) \\ e (n) = d (n) - y (n) \\ \hat{w} (n) = \hat{w} (n - 1) + \frac{u (n)}{a + u^{H} (n) u (n)} μ e^{*} (n) \end{matrix}$

Переменные следующие.

Переменная	Описание
n	Текущая итерация алгоритма
u (n)	Буферизированные входные выборки на шаге n
$\hat{w} (n)$	Вектор касания фильтра оценивает на шаге n
y (n)	Отфильтрованный выход на шаге n
e (n)	Ошибка оценки на шаге n
dN	Желаемый ответ на шаге n
µ	Размер шага адаптации

Чтобы преодолеть потенциальную числовую нестабильность в обновлении веса касания, маленькая положительная константа (a = 1e-10) была добавлена в знаменателе.

Чтобы выключить нормализацию, снимите флажок Use normalization в диалоговом окне параметра. Блок затем вычисляет оценку касания фильтра как

$\hat{w} (n) = \hat{w} (n - 1) + u (n) μ e^{*} (n)$

Значок блока имеет метки порта, соответствующие вводам и выводам LMS-алгоритма. 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 векторный u (n)
`Out`	y (n), отфильтрованный скалярный выход
`Err`	e (n), скалярная ошибка оценки
`Taps`	$\hat{w} (n)$ , вектор оценок касания фильтра

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

Параметр FIR filter length задает длину фильтра, который оценивает LMS-алгоритм. Параметр Step size соответствует µ в уравнениях. Как правило, для сходимости в среднем квадратичном, µ должен быть больше 0 и меньше чем 2. Initial value of filter taps задает начальное значение $\hat{w} (0)$ как вектор, или как скаляр, который будет повторен для всех векторных элементов. Leakage factor задает значение фактора утечки, 1 –μ α, в текучем LMS-алгоритме ниже. Этот параметр должен быть между 0 и 1.

$\hat{w} (n + 1) = (1 - μ α) \hat{w} (n) + \frac{u (n)}{u^{H} (n) u (n)} μ e^{*} (n)$

Примеры

Смотрите lmsadeq и lmsadtde демонстрации.

Параметры

FIR filter length: Длина КИХ-фильтра.
Step-size: Неродной размер, обычно в области значений (0, 2). Настраиваемый (Simulink).
Initial value of filter taps: Начальный КИХ фильтрует коэффициенты.
Leakage factor: Фактор утечки, в области значений [0, 1]. Настраиваемый (Simulink).
Use normalization: Установите этот флажок, чтобы вычислить оценку касания фильтра с помощью нормированных уравнений.
Adapt input: Включает порт Adapt, когда выбрано.

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
RLS адаптивный (устаревший) фильтр	DSP System Toolbox

Смотрите Подавление помех в Simulink Используя Нормированный Адаптивный Фильтр LMS для сопутствующей информации.

Документация