RLS Adaptive Filter (Obsolete)

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

k(n)=λ1P(n1)u(n)1+λ1uH(n)P(n1)u(n)y(n)=w^H(n1)u(n)e(n)=d(n)y(n)w^(n)=w^(n1)+k(n)e*(n)P(n)=λ1P(n1)λ1k(n)uH(n)P(n1)

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

ПеременнаяОписание

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

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

λ

Экспоненциальный фактор взвешивания памяти

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

Блокируйте портыСоответствующие переменные
In

u, скалярный вход, который внутренне буферизуется в вектор u (n)

Out

y (n), отфильтрованный скалярный выход

Err

e (n), скалярная ошибка оценки

Taps

w^(0), 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 Adapt порт заставляет блок прекращать адаптироваться и содержать коэффициенты фильтра в их текущих значениях до следующего ненулевого Adapt входной параметр.

Реализация алгоритма в блоке оптимизирована путем использования симметрии матрицы P (n) обратной корреляции. Это сокращает общее число расчетов 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. Установка λ = 1 задает бесконечную память; обычно, 0.95≤λ≤1.

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

I1σ^2

где вы задаетеσ^2 в параметре Initial input variance estimate.

Примеры

rlsdemo пример 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 Adapt порт.

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

Представленный в R2008b

Для просмотра документации необходимо авторизоваться на сайте